ジェストが重要だ：自動運転車の AV における骨架解析に基づく歩行者ジェスト認識

arXiv:2602.08479v1 発表タイプ：新しい 要約：ジェストは、公式な交通法規が不十分な場合に歩行者とドライバーの相互作用を助ける、非言語コミュニケーションの重要な要素です。この問題は、自律走行車（AV）が此类ジェストを解釈するのに struggled するときにより明らかになります。本研究では、WIVW データセットから得られた実際のビデオシーケンスに適用した 2D ポーズ推定を用いたジェスト分類フレームワークを提案します。我々はジェストを停止、進め、お礼・挨拶、ジェストなしの 4 つの主要クラスに分類し、正規化されたキーポイントから 76 個の静動態特性を抽出します。我々の分析は、手が位置と移動速度により、ジェストクラスの区別において特に決定的であること、および 87% の分類精度スコアを達成することを示しています。これらの発見は、AV システムの知覚能力を改善するだけでなく、交通文脈における歩行者行動の理解に貢献します。

arXiv:2602.08479v1 Announce Type: new Abstract: Gestures are a key component of non-verbal communication in traffic, often helping pedestrian-to-driver interactions when formal traffic rules may be insufficient. This problem becomes more apparent when autonomous vehicles (AVs) struggle to interpret such gestures. In this study, we present a gesture classification framework using 2D pose estimation applied to real-world video sequences from the WIVW dataset. We categorise gestures into four primary classes (Stop, Go, Thank & Greet, and No Gesture) and extract 76 static and dynamic features from normalised keypoints. Our analysis demonstrates that hand position and movement velocity are especially discriminative in distinguishing between gesture classes, achieving a classification accuracy score of 87%. These findings not only improve the perceptual capabilities of AV systems but also contribute to the broader understanding of pedestrian behaviour in traffic contexts.