1,350 Personen Daten zur Identifizierung des Fahrverhaltens

Fahrerverhaltensdatenerfassung

Fahrerverhaltenserfassung

Fahrerdatenerfassung

Fahrerverhaltensdaten

Weitwinkelkamera

Die Daten zur Erkennung des Fahrverhaltens von 1,350 Personen umfassen mehrere Altersgruppen, mehrere Zeiträume und mehrere Beleuchtungen. Das Fahrverhalten umfasst gefährliches Fahrverhalten, müdes Fahrverhalten und Sichtabweichungsverhalten. Als Erfassungsgeräte wurden sichtbare und Infrarot-Binokular-Kameras verwendet. Dieser Datensatz zur Erkennung von Fahrerverhalten kann für Aufgaben wie die Analyse des Fahrerverhaltens verwendet werden.

Dies ist ein kostenpflichtiger Datensatz für kommerzielle Zwecke, Forschungszwecke und mehr. Lizenzierte, fertige Datensätze helfen, KI-Projekte in Gang zu bringen.

Spezifikationen

Größe der Daten

1,350 Personen

Verteilung des Personals

Geschlechterverteilung: 679 Männer, 671 Frauen; ethnische Verteilung: Vietnam, Indonesien usw.; Altersverteilung: 18~45, 46~60, 60 oder älter

Akquisitionsumgebung

Kameraaufnahme im Auto-Szenen

Vielfalt der Sammlung

Mehrere Altersgruppen, mehrere Zeiträume, mehrere Beleuchtungen, mehrere Verhaltensweisen (gefährliches Fahrverhalten, müdes Fahrverhalten, Sichtwechselverhalten)

Erfassungsgeräte

Binokulare Kamera für sichtbares Licht und Infrarot mit einer Auflösung von 1,920x1,080

Position der Kamera

Mitte des Innenrückspiegels, oberhalb der Mittelkonsole im Fahrzeug, oberhalb der linken A-Säule im Fahrzeug, Position des Lenkrads, Position der Weitwinkellinse im Rückspiegel

Erfassungszeit

Tag, Abend, Nacht

Leichte Sammlung

Normales Licht, schwaches Licht, starkes Licht

Fahrzeugtyp

Kleinwagen, SUV, MPV, Lastwagen, Omnibus

Datenformat

Videodatenformat: .mp4

Genauigkeit

Basierend auf der Genauigkeit der erfassten Bewegungen muss die Präzision über 95% betragen; die Bewegungsbenennungsgenauigkeit muss über 95% liegen.

Empfohlener Datensatz

Hochauflösender Synthesedatensatz für 3D-Szenen_Cockpit

Hochrealistischer 3D-Szenen-Synthesedatensatz_Cockpit: Sensordaten, die durch 3D-Szenenmodellierung erstellt wurden und der realen Welt stark ähneln, einschließlich Kameraaufnahmen, Videosequenzen und Punktwolken. Verfügbare Annotationen beinhalten, sind aber nicht beschränkt auf Kameraparameter, Zielkategorie/Erkennung/Semantische Segmentierung, Zeit-/Licht-/Wetter-Metadaten sowie Körperposen wie Kopf-/Augen-/Arm-/Beinposition und -richtung. Dieser Datensatz kann für Umweltmodellierung und Datensynthese in Anwendungsbereichen wie autonomem Fahren und Robotik verwendet werden.

3D-Synthetikdaten Fahrerüberwachungs-Synthetikdatensatz autonome Fahr-Synthetikdaten hochpräziser Simulationsdatensatz synthetische Punktwolkendaten Kamera-Simulationsdatensatz synthetischer Mensch-Pose-Datensatz synthetischer Lidar-Datensatz 3D-Umgebungsmodellierung Robotik-Synthetikdaten DMS-Datensatz

28,972 Bilder-Fahrergesichtserkennung und Daten zur Beschriftung von Gesicht 96 Landmarken

Gesichtserkennungs- und Gesichts-96-Keypoint-Anmerkungsdaten für 100 Fahrer. Die Daten decken mehrere Altersgruppen, mehrere Zeiten und mehrere Ethnien (Kaukasier, Schwarze und Inder) ab, einschließlich riskantes Fahrverhalten, Müdigkeit am Steuer und Sichtabweichung. Als Erfassungsgeräte wurden Infrarotkameras verwendet. Eine Person enthält 274 bis 299 Fotos, die mit dem Gesichtserkennungsrahmen und den 96 Keypoints der aufgenommenen Person versehen sind. Die Daten können für Aufgaben wie die Gesichtserkennung von Fahrern und die Erkennung von 96 Gesichtspunkten verwendet werden.

DMS，Fahrer Gesichtserkennung Facial 96 Landmarks

9,000 Fahrergesten 21 Schlüsselpunkt-Kennzeichnungsdaten für 180 Personen

9,000 Daten zu Gesten und 21 Tastenbeschriftungen für 180 Personen. Die Daten decken mehrere Altersgruppen, mehrere Zeiträume, mehrere Gesten, mehrere Fahrzeugmodelle und mehrere Zeiträume ab. Die Beschriftungen enthalten Angaben zum Automodell, zur Gestenkategorie, zur Nationalität, zum Geschlecht und zum Alter der erfassten Person, und die 21 Keypoints der Fahrergesten sind beschriftet (mit sichtbaren und unsichtbaren Attributen für jeden Keypoint). Die Daten können für Aufgaben wie die Erkennung von Fahrergesten, die Erkennung von Gesten-Tastenpunkten und die Identifizierung verwendet werden.

DMS Fahrergeste Geste 21 Landmarken statische Geste dynamische Geste Fahrergestenerkennung Erkennung von Gestenlandmarken Erkennung von Gestenlandmarken

3,360 Bilder von 168 Personen-Passagierverhalten-Daten zur Erkennung menschlicher Körper

3,360 Daten über das ergonomische Verhalten von 168 Personen. Bei den Datenszenen handelte es sich um Szenen, die von bordeigenen Kameras aufgenommen wurden. Die Geschlechterverteilung ist männlich und weiblich, und die Altersverteilung ist hauptsächlich jung und mittleren Alters. Die Datenvielfalt umfasst mehrere Altersgruppen, mehrere Zeiträume, mehrere Beleuchtungen und mehrere Verhaltensweisen der Fahrgäste. Was den Erfassungsinhalt betrifft, so werden das normale Fahrgastverhalten, das Telefonierverhalten und das Rauchverhalten erfasst. Was die Beschriftung angeht, so werden die rechteckigen Felder des menschlichen Körpers beschriftet. Die Daten können für Aufgaben wie die Erkennung des Körperverhaltens von Fahrgästen verwendet werden. Wir halten uns strikt an die Datenschutzbestimmungen, um sicherzustellen, dass die Privatsphäre und die Rechte der Nutzer bei der Datenerfassung, -speicherung und -verwendung gewahrt bleiben, und zwar in Übereinstimmung mit GDPR, CCPA und PIPL.

Passagierverhalten Normales Verhalten Anrufverhalten Rauchverhalten Menschliche Körpererkennung

1,335 Personen-Daten zur Erkennung von Fahrergesten

Die Daten zur Gestenerkennung von 1,335 Personen umfassen mehrere Altersgruppen, mehrere Zeiträume und mehrere Gesten. Als Erfassungsgerät wurde eine binokulare Kamera mit sichtbarem und infrarotem Licht verwendet. Jede Person erfasste 18 statische Gesten und 23 dynamische Gesten, darunter Faustgesten, Herzgesten usw., und dynamische Gesten wie das Klicken des Zeigefingers und das Tippen mit zwei Fingern. Dieser Datensatz zur Erkennung von Fahrergesten kann für Aufgaben wie die Erkennung von Fahrergesten verwendet werden.

Daten zur Erfassung von Fahrergesten Erfassung von Fahrergesten Daten zur Erfassung von Fahrergesten Daten zu Fahrergesten

1,323 Fahrer-7 Ausdruckserkennungsdaten

1,323 Fahrer 7 Ausdruckserkennungsdaten, die mehrere Altersgruppen, Zeiträume und mehrere Ausdrücke abdecken. Als Erfassungsgerät wurde eine binokulare Kamera mit sichtbarem und infrarotem Licht verwendet. Dieser Datensatz zur Erkennung von Fahrermimik kann für Aufgaben wie die Erkennung von Fahrermimik verwendet werden.

Daten zum Ausdruck des Fahrers Sammlung von Daten zum Ausdruck des Fahrers Daten zur Erkennung des Ausdrucks des Fahrers Daten zur menschlichen Pose

1,000 Personen-Daten zur Erkennung des Fahrgastverhaltens

1,000 Daten zur Erkennung von Fahrgastverhalten, die mehrere Altersgruppen, mehrere Zeiträume und mehrere Beleuchtungen abdecken. Das Fahrgastverhalten umfasst normales Fahrgastverhalten und abnormales Fahrgastverhalten (Fahrgastverhalten bei Reisekrankheit, Fahrgastverhalten bei Schläfrigkeit, Fahrgastverhalten beim Verlassen von Kindern und Habseligkeiten). Als Erfassungsgeräte werden sichtbare und infrarote binokulare Kameras verwendet. Dieser Datensatz zur Erkennung von Fahrgastverhalten kann für Aufgaben wie die Analyse des Fahrgastverhaltens verwendet werden.

Normales Verhalten von Fahrgästen Verhalten von Fahrgästen bei Autokrankheit Verhalten von Fahrgästen bei Schlafstörungen Verhalten von Fahrgästen bei verlorenen Gegenständen mehrere Altersgruppen mehrere Zeiträume

122 Personen-Daten zur Erkennung des Fahrgastverhaltens

Die Daten zur Erkennung des Passagierverhaltens von 122 Personen umfassen verschiedene Altersgruppen, Zeiträume und Ethnien (Weiße, Schwarze und Inder). Das Passagierverhalten umfasst normales Passagierverhalten, ungewöhnliches Passagierverhalten (Passagier mit Reisekrankheit, Passagier mit Müdigkeitserscheinungen, Passagier, der Gegenstände zurückgelassen hat). Für die Datenerfassung wurden Kameras mit sichtbarem Licht und Infrarot verwendet. Diese Daten zur Erkennung des Passagierverhaltens können für Aufgaben wie die Analyse des Passagierverhaltens verwendet werden.