Le jeu de données Vehicle-Level Temporal Image Sequences (VLSS) est un ensemble de séquences d'images de véhicules conçu pour fournir des données standardisées destinées à la recherche sur la reconnaissance des comportements de conduite dangereux (freinage brusque, effraction, freinage d'urgence, conduite en zigzag) et la classification temporelle des vidéos de véhicules. Il est principalement utilisé pour la recherche dans des domaines tels que les systèmes de transport intelligents, les systèmes avancés d'aide à la conduite et l'apprentissage en présence de classes déséquilibrées. Cet ensemble de données contient 434 séquences d'images temporelles au niveau du véhicule, couvrant la conduite normale et les comportements de conduite dangereux. Il est organisé en 94 groupes de vidéos sources étiquetés en interne, chaque séquence correspondant à un véhicule suivi et accompagnée d'un fichier de métadonnées décrivant le comportement observé. Dans la classification initiale à cinq classes, on comptait 351 séquences de conduite normale, 53 de freinage brusque et de provocation, 21 d'effraction, 5 de freinage brusque et 4 de conduite en zigzag. Lors de l'expérience, l'effraction, le freinage brusque et la conduite en zigzag ont été regroupés dans d'autres catégories.

Citation

Galvín-Terrero, M., Guerrero-Contreras, G. et Balderas-Díaz, S. (2026). Séquences d'images temporelles au niveau du véhicule pour la reconnaissance du comportement de conduite (version 1.0) [Ensemble de données]. Zénodo. https://doi.org/10.5281/zenodo.21427132