High Risk Pedestrian Detection for Early Danger Avoidance

点击翻译按钮获取中文摘要

本研究は、早期の交通危険回避を支援するために、「要注意歩行者」の検出技術の確立を目標としている。この目標は、[1]歩行者検出と環境属性（３Ｄ位置、遮蔽状況）認識手法の開発、[2]歩行者固有属性（年齢、所持品、服装）詳細認識手法の開発、[3]歩行者行動属性（動きの方向・速度、方向・速度の可変性）認識手法の開発、及び[4]「要注意歩行者」の判定手法の開発により実現する。令和4年度では[1][2][4]について、それぞれの研究開発を行った。研究項目[1]については、「2.5D候補領域生成アルゴリズム」は歩行者検出と環境属性認識を同時に行うための鍵となる。令和4年度は、このアルゴリズムに関する大規模な評価実験を実施出来なかったが、予定通りに基本実装を実現したため、概ね順調に進んでいる。研究項目[2]については、詳細認識のためのCross-layer Mutual Attention Learning Network（CMAL-Net）という深層モデルを提案した。CMAL-Netは歩行者固有属性認識タスクにおいて優れた認識精度を出しただけではなく、汎用性のある詳細認識手法として、標準の詳細認識ベンチマークデータセット（FGVC AircraftとStanford Cars）においてもstate-of-the-artの認識精度を達成した。当初提案したCNN-STN-CNNモデルの代替手法として今後も活用していく予定である。研究項目[4]について、「要注意歩行者」の判定ルールを学習するために、一定数の学習サンプルが必要である。令和4年度は、学習サンプルの収集方針を検討して、収集作業を開始したが、十分な数のサンプルを収集するにはまだ時間を要する。