High Risk Pedestrian Detection for Early Danger Avoidance
| Project/Area Number |
22K12103
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | Hitotsubashi University |
|---|
Principal Investigator |
WANG YU 一橋大学, 情報基盤センター, 准教授 (60724169)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
加藤 ジェーン 立命館大学, 情報理工学部, 教授 (70251882)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 歩行者検出 / 歩行者属性認識 / 交通シーン理解 |
|---|
| Outline of Research at the Start |
交通事故による死者数のうち，最大の割合を占めるのは歩行者である．歩行者の死亡事故を将来にわたって削減していくためには，運転者に対する歩行者に特化した危険回避支援が必要となる．本研究はこの視点に立ち，車載カメラ映像から，潜在的な危険を有する「要注意歩行者」を早い段階で検出する技術を開発する．本研究の実施により，運転者に対して，より重要な情報をより早い時点で提供することが可能となり，時間の余裕をもった危険回避操作の促しなどで，事故を未然に防ぐ効果が期待できる．また，自動運転技術などへの波及効果も見込まれる．
|
| Outline of Annual Research Achievements |
本研究は、交通危険の早期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認識手法の開発、[2]歩行者固有属性詳細認識手法の開発、[3]歩行者行動属性認識手法の開発、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5年度は各項目について、それぞれの研究開発を行った。
研究項目[1]については、令和4年度に開発した「2.5D候補領域生成アルゴリズム」の基本実装を改良した。OpenMMLabというオープンソースのライブラリを参考にして、基本実装の半分以上のソースコードを書き直し、実行速度を約1割程度向上させた。
研究項目[2]については、nuImagesから抽出した歩行者の画像データを対象に、歩行者の危険度予測に役立つ年齢層、服装および所持品についてラベル付けを行った。この新たに作成したデータセットを用いて、令和4年度に開発したCross-layer Mutual Attention Learning Networkの評価実験を行い、その有効性を確認した。また、作成したデータセットにラベル分布の不均衡問題を確認した。そこで、外部データを活用した詳細認識手法を提案し、認識精度を約5%程度向上させた。
研究項目[3]については、人物行動認識における代表的な深層モデルである3D ConvNetsを解釈するためのSTCE手法を開発した。STCEを用いて学習済みの行動認識3D ConvNetsモデルの判断根拠を特定でき、モデルの信頼性および透明性を向上させることができた。また、STCEを用いたConcept Fusionを提案し、行動認識の性能向上に有効であることを確認できた。
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の学習サンプルの収集作業を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究項目[1]-[3]については順調に進んでいる。研究項目[4]については、大規模な学習実験に十分なデータ数を収集できなかったが、データ収集作業自体はおおむね順調にすすめているため、研究全体の進展への影響はないと考えている。
|
| Strategy for Future Research Activity |
研究項目[1]に関して、畳み込みニューラルネットワークの代わりに、Vision Transformerを「2.5D候補領域生成アルゴリズム」のバックボーンモデルとして活用し、認識精度のさらなる向上を目指す。
研究項目[2]に関して、学習データにおける不均衡問題の対策として、詳細認識モデルのCross-layer Mutual Attention Learning Networkに外部データの活用手法を取り入れる。
研究項目[3]に関して、STCEおよびConcept Fusionの実装をさらに改良する。また、Video Vision Transformerをバックボーンモデルとした行動属性認識手法の開発に取り組む。
研究項目[4]に関して、データ収集のペースを上げて、令和6年度の前期までに大規模の学習実験を始められる環境を整える。
|
Report
(2 results)
Research Products
(11 results)
