学术论文  

近日，国际交通运输领域学术期刊《Journal of Transportation Engineering, Part A: Systems》发表了由博彩门户网站 阎莹教授、博士生周墨等人共同完成的学术论文《Three-Dimensional CNN-Based Model for Fine-Grained Pedestrian Crossing Behavior Recognition in Automated Vehicles》。阎莹教授是该论文的第一作者，博士生周墨为通讯作者。

研究背景

基于图像的行人行为识别作为自动驾驶技术中环境感知的关键环节，直接关系到自动驾驶系统能否准确预判行人行为、避免碰撞并优化路径规划。由于行人行为的高度随机性，过往研究难以捕捉行人过街行为中蕴含的复杂时空特征及其深层意图。为实现精准可靠的行人行为理解，需进一步发展细粒度的行为语义解析和意图推理，突破粗粒度检测局限。

主要内容  

论文建立了一个用于识别行人过街具体意图和行为的分类框架，聚焦于头部姿势和手势，提出了一种基于三维卷积神经网络（CNN）的行人细粒度过街行为识别模型。基于分类框架，通过实车实验自行组建了一个大规模行人行为视频数据集。对提出的模型方法和数据集进行了实验验证，并与其他基准模型与公开行人数据集进行了比较。结果表明，该方法能够有效检测行人的细粒度行为并理解其意图，对行人行为识别的总准确率达到95.7%，平均分类准确率达到了95.8%，且显著优于在其他基准模型与数据集上的测试性能。研究成果细化了行人过街意图与行为的识别粒度，为自动驾驶汽车与行人之间的安全互动提供技术支持。

论文链接：

//ascelibrary.org/doi/abs/10.1061/JTEPBS.TEENG-8634