2016 Fiscal Year Annual Research Report
Early Detection of Pedestrian Risky Behavior for Safe Driving Support
| Project/Area Number |
26280057
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
加藤 ジェーン 名古屋大学, 情報科学研究科, 准教授 (70251882)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
井手 一郎 名古屋大学, 情報科学研究科, 准教授 (10332157)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 人体パーツに注目した歩行者の検出 / 危険予測のためのビデオデータベースの構築 / 歩行者行動範囲の予測 / 事故リスクのレーティング |
|---|
| Outline of Annual Research Achievements |
本研究は歩行者危険行為の早期検出による安全運転支援を目指している．我々は，その目的を達成するために，①歩行者の早期検出，②歩行者行為の早期検出，③歩行者行為情報を用いた危険度の見積もりという３つの研究項目を設定した．平成28年度では，上記すべての項目について研究を行い，一定の成果を収めた．
歩行者早期研究において，歩行者に対するオクルージョンが最も困難な課題である．その視点から，本年度は，研究項目①については，人体パーツに着目した歩行者の検出手法を研究開発した．高精度かつオクルージョンに強い歩行者検出手法を実現しただけでなく，高い汎用性をもつ人体パーツのマイニング手法や，効率的な人体パーツの統合手法も同時に提案した．
研究項目②については，1)歩行者の危険行為を含めた危険予測のためのビデオデータベースを作成し，2)ディープランニングを用いた歩行者の詳細属性の認識手法と，3)映像及びLIDARデータを用いた歩行者の行動範囲を予測する手法をそれぞれ開発した．独自に作成したデータセットは，公開性，多様性，統一性があり，運転危険予測の研究分野で重要なベンチマークになることが期待できる．歩行者属性の認識手法は，近年公開された大規模歩行者データセット（CRPデータセット）を用いて，state-of-the-artの精度との比較を行った．その結果，提案アプローチでは，state-of-the-art の精度を超えることが確認された．また，深層学習を取り入れた提案手法による評価実験でも，更なる精度向上を示す結果が得られた．
項目③について，上記開発したビデオデータベースを用いて，歩行者危険行為を含めた様々な要因による事故リスクのレーティング手法を実現した．様々な検証実験を行った．全体の分類（３段階）精度は50%程度である．今後より複雑な問題設定にして取り組む必要があると考える．
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
| Causes of Carryover |
28年度が最終年度であるため、記入しない。
|
| Expenditure Plan for Carryover Budget |
28年度が最終年度であるため、記入しない。
|
