学术论文
近日，国际智能交通领域的学术期刊《IEEE Transactions on Intelligent Transportation Systems》在线发表了由bat365在线登录入口bat365在线登录入口房建武副教授、硕士生严定鑫等共同完成的学术论文：“事故场景中的驾驶注意预测”（DADA: Driver Attention Prediction in Driving Accident Scenarios，DOI:10.1109/TITS.2020.3044678）。
房建武副教授是该篇论文的第一作者，其他合作者包括西安交通大学薛建儒教授、美国克利夫兰州立大学余洪凯助理教授，bat365在线登录入口硕士生严定鑫、乔嘉欢同学。
研究背景
越来越多的工作开始研究辅助或自主驾驶车辆的的感知系统中类人的视觉注意机制。以往的调查结果显示，产生交通事故的主要因素之一为驾驶员的注意力不集中，包括分心驾驶、疲劳驾驶、酒后驾驶等。因此，有必要借助驾驶员在清醒时的驾驶经验自学习，辅助车辆行驶过程中的危险情形预警。同时，驾驶员的视觉注意也是与周围环境交互的重要途径之一，有助于关键物体或区域地快速定位与识别。
实际上驾驶注意自从上个世纪80年代开始就被广泛研究, 通常采用心理学实验进行驾驶过程中视觉选择性的模拟。然而，由于不同驾驶员自身独特的驾驶习惯、驾驶经验、年龄、性别、文化等，这些生理学实验易受驾驶员之间高度主观差异的影响。因此，很难获得令人信服的驾驶注意规律，以帮助驾驶员在不同驾驶场景中进行重要区域或者目标提取。
主要内容
近年来，一些工作开始利用计算机视觉技术研究驾驶注意数据中的视觉注意规律。本文与以往工作不同之处在于尝试面对大规模的事故场景，探究驾驶注意对从正常、危急到事故情形过程中的注意规律，发现不同情形下的意图演变模式，构建了包含65万余帧的驾驶注意预测数据平台（简称DADA-2000，相关的数据已经公开在网上：https://github.com/JWFangit/LOTVS-DADA）。该数据平台工作在2019年国际智能交通系统大会（ITSC）上，作为口头报告，阐述了驾驶注意与事故预测之间存在促进的正向关系，此关系在2021年国际计算机视觉顶级会议ICCV会议上被美国罗彻斯特理工大学相关学者利用DADA-2000数据平台进行了正面证明。在此基础上，本文进一步提出了基于多路可见光及语义编码的意图预测方法。该方法已被美国莱斯大学、卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology）、清华大学、电子科技大学等单位在方法和数据上作为实验对比对象。其中，计算机视觉领域最高奖 Marr 奖得主、莱斯大学 Vicente Ordoñez Roman 副教授评价指出： DADA-2000数据集为“唯一可用的交通事故现场的注意预测数据集”、“最具挑战性”。
论文链接：
https://ieeexplore.ieee.org/document/9312486/
