一种基于上下文的计算机视觉方法,用于从视频流中检测出租车街头拍摄的场景
Mahmoud Mastouri1, Zied Bouyahia1,2, Hedi Haddad1,2
1LARIA Research Unit, National School of Computer Science, Manouba University, Tunis 2010, Tunisia.
Sensors (Basel, Switzerland)
|July 11, 2023
概括
这项研究引入了一种新的计算机视觉方法来检测自动驾驶出租车的街头呼叫. 该系统使用视觉线索和上下文数据来识别乘客,达到80%的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人与自动出租车的互动 (HATI)
背景情况:
- 自动驾驶出租车在全球范围内越来越多地被部署.
- 直观的人与自动出租车交互 (HATI) 对于采用至关重要.
- 自动驾驶出租车的自动化街道呼叫识别尚未得到充分发展.
研究的目的:
- 提出一种基于计算机视觉的新方法,用于检测自动驾驶出租车在街上打电话.
- 为了弥补自动化街道呼叫识别技术的差距.
- 开发一个系统,整合视觉和上下文信息,以加强检测.
主要方法:
- 灵感来自于对突尼斯50名经验丰富的出租车司机的采访.
- 在明确和隐含的街头呼叫案例之间进行区分.
- 开发了一个计算机视觉管道,使用视觉线索 (手势,位置,头部方向) 和上下文数据 (空间,时间,天气).
主要成果:
- 提出的方法在现实的环境中取得了令人满意的结果.
- 准确度:80% 的准确度.
- 精度: 84% 的精度.
- 回忆: 84% 的回忆
结论:
- 视觉和上下文信息的综合方法有效地检测出租车街头呼叫.
- 该方法在改善自动驾驶出租车的用户体验方面表现有前途.
- 进一步开发可以提高HATI的可靠性和效率.


