Local and Global Contextual Features Fusion for Pedestrian Intention Prediction

要約

【タイトル】歩行者の意図予測のためのローカルおよびグローバルな文脈的特徴の融合

【要約】
– 自律走行車（AV）は、将来の交通に不可欠な存在になっている。しかし、安全上の課題や信頼性の欠如により、現実世界での展開には限界がある。
– AVと歩行者との相互作用についての研究が重要であり、特に「歩行者の横断意図の予測」については幅広く研究されている。しかし、非常に複雑な問題であり、多数の非線形パラメータが関係している。
– 本研究では、歩行者と交通状況の空間・時間的ビジュアル特徴を抽出し分析することで、歩行者の姿勢や振る舞いを表すローカルな文脈的特徴を取得している。さらに、グローバルな文脈を理解するために、歩行者の周囲の状況を表すシーン解析技術を使用して、位置、動き、環境情報などを取得している。
– 最後に、これらの複数の特徴を賢明に融合し、効果的な意図予測学習を行っている。提案モデルの実験結果は、JAADデータセットでのAUCとF1スコアの組み合わせにおいて、最先端の手法と比較して優れた結果を示している。

要約(オリジナル)

Autonomous vehicles (AVs) are becoming an indispensable part of future transportation. However, safety challenges and lack of reliability limit their real-world deployment. Towards boosting the appearance of AVs on the roads, the interaction of AVs with pedestrians including ‘prediction of the pedestrian crossing intention’ deserves extensive research. This is a highly challenging task as involves multiple non-linear parameters. In this direction, we extract and analyse spatio-temporal visual features of both pedestrian and traffic contexts. The pedestrian features include body pose and local context features that represent the pedestrian’s behaviour. Additionally, to understand the global context, we utilise location, motion, and environmental information using scene parsing technology that represents the pedestrian’s surroundings, and may affect the pedestrian’s intention. Finally, these multi-modality features are intelligently fused for effective intention prediction learning. The experimental results of the proposed model on the JAAD dataset show a superior result on the combined AUC and F1-score compared to the state-of-the-art.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI