CADP

我们提出了一个用于交通事故分析的新数据集。我们的目标是解决道路交通安全自动时空注释研究缺乏公共数据的问题。我们的车祸检测和预测~（CADP）数据集由从 YouTube 收集的 1,416 个视频片段组成，其中 205 个视频片段具有完整的时空注释。通过对 CADP 数据集的分析，我们观察到由于对象大小和场景的复杂性，我们数据集中行人类别的对象检测显着下降。为此，我们建议将增强上下文挖掘 (ACM) 集成到 Faster R-CNN 检测器中，以补充小行人检测的准确性。我们的实验表明，CM 的目标检测准确率显着提高 +8.51%，ACM 提高 +6.20%。对于人~（行人）类别，我们观察到显着的改进：与 Faster R-CNN 相比，CM 为~+46.45\%，ACM 为 +45.22\%。最后，我们使用改进的 Faster R-CNN 和 Accident LSTM 架构在我们的数据集中展示了事故预测的性能。就事故发生时间而言，我们平均达到了 1.684 秒，最高平均精度为 47.25%。我们希望我们的数据集可以作为新研究方向的起点，并在未来几年逐步增长