Données d'acquisition du comportement des 1 003 conducteurs

comportements dangereux

comportements de fatigue

comportements de mouvement visuel

âges multiples

périodes multiples

caméras embarquées

canaux RVB et infrarouges

Les données d'acquisition sur le comportement des 1 003 conducteurs couvrent plusieurs groupes d'âge et périodes. Les comportements de conduite comprennent les comportements de conduite dangereux, les comportements de conduite somnolente et les comportements de changement de regard. En termes d'appareils d'acquisition, des caméras binoculaires visibles et infrarouges sont utilisées. Cet ensemble de données d'acquisition du comportement du conducteur peut être utilisé pour des tâches telles que l'analyse du comportement du conducteur.

Il s'agit d'un ensemble de données payant destiné à un usage commercial, à la recherche et plus encore. Ces Jeux de données prêts à l'emploi et sous licence contribuent au lancement de projets d'IA.

Spécifications

Volume des données

1 003 personnes

Répartition des intervenants

Répartition par sexe : 503 hommes et 500 femmes ; Répartition par race : Jaunes ; Répartition par âge : 407 personnes âgées de 18 ~ 30 ans, 394 personnes âgées de 31 ~ 45, 202 personnes âgées de 46 ~ 60 ans

Environnement de collecte

Caméra filmée dans la voiture

Variété de captures

Groupes d'âge multiples, périodes multiples, comportements multiples (conduite dangereuse, somnolence au volant, comportement de changement de regard)

Appareils de collecte

Caméra binoculaire visible et infrarouge d'une résolution de 640 x 480

Période de collecte

Jour, soir et nuit

Paramètres d'image

Le format vidéo est de .avi

Désensibilisation

La désensibilisation a été effectuée et ne contient pas d'informations sensibles

Précision

Selon la précision de chaque action d'acquisition, le taux de précision est supérieur à 95 %

Jeux de données recommandés

Ensemble de données de synthèse haute fidélité de scènes 3D_Habitacle

Ensemble de données de synthèse haute fidélité de scènes 3D_Habitacle, la modélisation de scène 3D, les données de sortie de capteur synthétisées très similaires au monde réel, y compris les images de caméra, les séquences vidéo, les nuages de points, etc., peuvent fournir du contenu d'annotation, y compris, mais sans s'y limiter, les paramètres de caméra, la catégorie cible/la détection/la segmentation, les méta-informations sur le temps/l'éclairage/la météo, la position et la direction de la tête/des yeux/des bras/des jambes, et d'autres poses humaines. Cet ensemble de données peut être utilisé pour la modélisation environnementale et la synthèse de données pour la conduite autonome, la robotique, etc.

Données synthétiques 3D Ensemble de données synthétiques de surveillance du conducteur Données synthétiques de conduite autonome Ensemble de données de simulation haute fidélité Données de nuages de points synthétiques Ensemble de données de simulation de caméra Ensemble de données synthétiques de pose humaine Ensemble de données lidar synthétiques Modélisation d'environnement 3D Données synthétiques robotiques Ensemble de données DMS

28 972 images : Données d'annotation de reconnaissance faciale du conducteur & 96 points faciaux

Données d'annotation pour les visages du conducteur : reconnaissance faciale et 96 points. 100 personnes. Diversité : groupes d'âge, moments de la journée, ethnies (Blancs, Noirs, Indiens). Comportement : dangereux, fatigue, détournement du regard. Appareil : caméra infrarouge. Annotation par personne : 274-299 photos. Utilisable pour la reconnaissance faciale du conducteur, la détection de 96 points.

DMS conducteurs détection faciale 96 repères faciaux

180 participants – 9 000 images de gestes de conducteurs – annotation de 21 points clés

Données annotées de 180 conducteurs et de 9 000 images de gestes de conduite, avec annotation de 21 points clés pour chaque geste. Ces données couvrent diverses tranches d'âge, moments de la journée, types de gestes et modèles de véhicules. Les annotations comprennent le modèle du véhicule, la catégorie du geste, ainsi que la nationalité, le sexe et l'âge de la personne enregistrée. Chaque point clé des gestes du conducteur est annoté avec des attributs visibles et invisibles. Ces données peuvent être utilisées pour des tâches telles que la reconnaissance des gestes des conducteurs, la détection et la reconnaissance des points clés des gestes.

DMS gestes du conducteur 21 repères gestuels gestes statiques gestes dynamiques reconnaissance des gestes du conducteur détection des repères gestuels reconnaissance des repères

168 participants – 3 360 images de détection de comportement humain des passagers

Ce jeu de données contient 3 360 images de détection corporelle, capturées à l’intérieur de véhicules via caméras embarquées, et représentant 168 passagers de sexe masculin et féminin, majoritairement jeunes adultes. La base couvre une grande variété de comportements (normaux, appels téléphoniques, tabagisme), d’éclairages, de moments de la journée et de contextes. Chaque image est annotée à l’aide d’un encadré délimitant le corps humain. Conçu pour les systèmes de détection de comportement passager, ce jeu respecte strictement les législations sur la vie privée et la protection des données (RGPD, CCPA, PIPL).

Comportements des passagers comportement normal comportement d’appel comportement de tabagisme détection corporelle

Données de reconnaissance de gestes de conducteurs – 1 335 participants

Ce jeu de données rassemble les gestes manuels de 1 335 conducteurs, répartis selon différents âges, plages horaires et types de gestes. Les enregistrements ont été réalisés à l’aide de caméras binoculaires en lumière visible et infrarouge. Chaque participant a fourni 18 gestes statiques (comme le poing fermé ou le geste du cœur) et 23 gestes dynamiques (comme le clic avec un doigt ou deux doigts). Ce corpus est destiné aux recherches sur la reconnaissance des gestes en conduite.

Données de collecte de gestes du conducteur collecte de gestes du conducteur données de collecte du conducteur données de gestes du conducteur

Données de reconnaissance de 7 expressions faciales de conducteurs – 1 323 participants

Ce jeu de données comprend des expressions faciales de 1 323 conducteurs, couvrant plusieurs tranches d’âge, moments de la journée et types d’émotions. L’enregistrement a été effectué à l’aide de caméras binoculaires combinant lumière visible et infrarouge. Ce corpus est destiné à la recherche sur la reconnaissance des expressions faciales des conducteurs.

Données d’expressions du conducteur collecte de données d’expressions du conducteur données de reconnaissance d’expressions du conducteur données de postures humaines

Données de reconnaissance des comportements des passagers – 1 000 participants

Ce jeu de données rassemble les comportements de 1 000 passagers, observés dans différentes tranches d’âge, périodes de la journée et conditions d’éclairage. Il inclut des actions usuelles ainsi que des comportements atypiques : mal des transports, somnolence, oubli d’enfants ou d’objets personnels. Les scènes ont été enregistrées à l’aide de caméras binoculaires combinant lumière visible et infrarouge. Ce corpus constitue une base fiable pour l’analyse comportementale en contexte de transport intelligent.

Comportement normal des passagers comportement des passagers souffrant du mal des transports comportement des passagers somnolents comportement des passagers ayant perdu des objets plusieurs groupes d'âge plusieurs périodes

Données de reconnaissance des comportements de conduite – 1 350 conducteurs

Ce jeu de données, dédié à l’analyse du comportement de 1 350 conducteurs, couvre un large éventail de tranches d’âge, de moments de la journée et de conditions d’éclairage. Il documente avec précision plusieurs types de comportements à risque, tels que la conduite dangereuse, la fatigue au volant ou encore les déviations du regard. Les données ont été recueillies à l’aide d’un système de caméras binoculaires combinant lumière visible et infrarouge, garantissant une capture fidèle dans des conditions variées. Ce corpus s’avère particulièrement pertinent pour le développement d’algorithmes de détection comportementale dans les environnements de conduite intelligents.

Données d’acquisition du comportement du conducteur acquisition du comportement du conducteur acquisition de données du conducteur données de comportement du conducteur caméra grand angle