基于改进的Adaboost算法的交通事件自动检测

针对交通领域中的事件检测(无事件模式和事件模式)模式识别问题,提出了一种基于改进的Adaboost算法的交通事件检测方法。阐述了Kohonen神经网络的结构与训练算法,分析了事件对交通流的影响规律,并合理地选取了Kohonen神经网络的输入量;最后采用改进的Adaboost算法对分类结果进行加权投票。仿真实验表明,提出的方法学习速度快、泛化能力好,对交通事件具有较好的检测效果。     

城市轨道交通智能视频分析关键技术综述

轨道交通是改善城市公共交通状况的有效途径。随着城市轨道交通的快速建设,人们对城市轨道交通的安全问题越来越重视。智能视频分析技术通过对监控视频流的实时分析,对场景中的各种目标进行检测、分类、跟踪,并分析和判断目标的行为,从而能在异常情况发生时可以及时报警、主动防范,提高处理突发事件的效率。主要研究了智能视频分析技术在轨道交通智能视频监控系统中的应用背景及技术框架,总结了智能视频分析中的关键技术的不同实现方法及其常见的算法。     

一种基于视频分析的高速公路交通异常事件检测算法

交通领域的异常事件检测对于预防和及时处理交通事故有着重要作用。当前大多数交通异常事件检测都是通过人工完成的,耗费了大量的人力,同时实时性也较差。文中针对高速公路的交通场景特点,利用深度学习中的目标检测算法,对视频中的车辆目标进行提取,提出了结合运动特征和表观特征的多目标追踪算法;在此基础上,又提出了一种基于车辆轨迹特征的异常事件检测方法,其中的追踪算法减少了轨迹提取过程对背景环境变化的依赖。在异常事件检测算法中充分结合高速公路实际场景,加入滑动窗口机制,提升了对远距离和复杂场景下异常事件的检测能力。利用面向真实交通视频的数据,与现有的事件检测算法进行对比,实验结果证明,所提方法在事件检测的准确率、召回率和F值指标方面都有良好的性能表现,能够有效地完成高速场景下的交通异常事件检测。     

基于视频图像处理的交通事件检测系统

针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足,研究开发了一种基于视频图像处理的交通事件检测系统。利用计算机视觉与数字图像处理技术,对设置在公路上的摄像头采集的视频图像,进行事件检测算法智能处理,自动采集各种交通参数,检测交通事件并及时报警,可有效地减少交通延误,防止二次事件发生,保障道路安全。与传统交通事件检测系统相比,具有直观方便、费用低等优点,拥有良好的市场需求和实用价值。     

视频监控系统中的图像分割算法综述*

视频监控系统在智能安防、人机交互、交通、娱乐、军事等领域有着广泛的应用空间,是近来研究热点之一。目标的分割是视频监控系统中的首要任务,其分割的有效性对于后续的目标识别、跟踪、行为理解等处理至关重要。从时间分割法和空间分割法的分类角度出发,对国内外的视频监控研究中的若干目标分割方法进行了归纳总结。     

基于CNN的监控视频事件检测

复杂监控视频中事件检测是一个具有挑战性的难题, 而TRECVID-SED评测使用的数据集取自机场的实际监控视频,以高难度著称. 针对TRECVID-SED评测集, 提出了一种基于卷积神经网络(Convolutional neural network, CNN)级联网络和轨迹分析的监控视频事件检测综合方案. 在该方案中, 引入级联CNN网络在拥挤场景中准确地检测行人, 为跟踪行人奠定了基础; 采用CNN网络检测具有关键姿态的个体事件, 引入轨迹分析方法检测群体事件. 该方案在国际评测中取得了很好的评测排名: 在6个事件检测的评测中, 3个事件检测排名第一.     

快速路交通事件自动检测系统及算法

交通事件是引发快速路交通延误的主要因素,检测交通事件并采取有效的救援措施是快速路交通管理与控制的重要组成部分;首先对交通事件自动检测系统的组成及运行流程进行了介绍,在此基础上,对交通事件数据采集中使用的检测器进行了比较分析,对各种检测器的使用性能及所能检测的交通参数进行了评述,提出了检测器的选用原则;阐述了事件检测算法的性能评价指标,对比分析了各种自动检测算法,指出了各自的不足之处及适用范围;最后对未来的研究方向进行了展望。     

视频交通车辆信息检测器的设计与实现

针对近年来城市交通的拥挤现象,特别是驾驶员违章严重、交通事故频发等问题,介绍了在现代交通控制和管理系统中占有十分重要地位的传感器——视频车辆检测器。主要利用CCD摄像机与图像处理技术,完成了视频交通车辆信息检测器,给出了系统的软件和硬件构架,并详细分析了关键计算手段与方法。     

基于视频图像处理的车型识别研究综述

视频图像识别技术是人类利用计算机对现实图像进行分析和理解的技术,研究这项技术,对于促进社会进步和人类自身发展有着重大意义.视频图像识别技术在ITS中的应用领域非常广阔,包括道路识别、障碍物检测、车辆检测、车牌识别和车型识别等领域.     

基于视频图像的火灾自动检测

首先分析了火焰的基本特性,给出了火焰图像的特征描述,然后利用火焰图像序列的边缘不稳定和相似性等可识别特征以及面积大小和颜色等信息,实现了对视频序列图像中火焰的自动检测。实验证明,所实现的系统检测效果好、误判率低。     

LVQ神经网络在交通事件检测中的应用

提出一种基于LVQ神经网络的交通事件检测方法。提取上下游的流量和占有率为特征,LVQ神经网络作为分类器进行交通事件自动检测。LVQ网络结构简单,但却表现出比BP神经网络更强的有效性和鲁棒性。为进一步提高神经网络的泛化能力,采用改进的Boosting算法,进行网络集成。运用Matlab 进行了仿真分析,结果表明提出的交通事件检测算法具有良好的检测性能。     

Real-time traffic incident detection using a probabilistic topic model

Traffic congestion occurs frequently in urban settings, and is not always caused by traffic incidents. In this paper, we propose a simple method for detecting traffic incidents from probe-car data by identifying unusual events that distinguish incidents from spontaneous congestion. First, we introduce a traffic state model based on a probabilistic topic model to describe the traffic states for a variety of roads. Formulas for estimating the model parameters are derived, so that the model of usual traffic can be learned using an expectation–maximization algorithm. Next, we propose several divergence functions to evaluate differences between the current and usual traffic states and streaming algorithms that detect high-divergence segments in real time. We conducted an experiment with data collected for the entire Shuto Expressway system in Tokyo during 2010 and 2011. The results showed that our method discriminates successfully between anomalous car trajectories and the more usual, slowly moving traffic patterns.     

Automatic traffic incident detection based on nFOIL

Traffic incidents inevitably cause traffic delay and deteriorate road safety conditions. Incidents are increasing alongside the fast economic growth. Due to the rampant growth of traffic incidents, developing efficient and effective automated incident detection (AID) techniques has prompted a growing worldwide interest. In this paper, the great efforts on developing a new approach to this problem based on nFOIL, a novel inductive logic programming (ILP), are done. By way of illustration, a simulated traffic data generated from Ayer Rajah Expressway (AYE) highway in Singapore and a real traffic data collected in I-880 freeway in California are used to assess the detection performance of this approach, and performance metrics includes detection rate, false alarm rate, mean time to detection, classification rate and the area under Receiver Operating Characteristic (ROC) curve (AUC). For comparison, we conducted the experiments on neural networks and support vector machine. The experimental results showed that nFOIL is sensitive to the skewed distribution of positive and negative examples in the dataset, and we make use of two different techniques, resampling and ensemble learning, to cope with highly skewed data in the context of ILP classification problems and investigated the effect of them typicality on the performance of AID model. It is concluded that ILP based AID approach are feasible, and have a favorable performance compared to neural networks and support vector machines.     

交通运动目标检测、跟踪及轨迹生成研究

提出一种基于视频的车辆检测,跟踪和轨迹生成算法.该算法由改进的车辆检测方法,快速跟踪算法和新的车辆轨迹生成算法3部分组成.基于区域和车辆间的相互关系,在视频序列中,车辆被视为可自主运动团块.在对该团块实现有效跟踪及获取运动轨迹的基础上,运用相关的数学手段可获得团块其它运动信息.在高速公路上的实验结果表明,该车辆检测,跟踪算法切实可行,轨迹生成技术可用于交通流检测.     

A hybrid model of partial least squares and neural network for traffic incident detection

Development of a universal freeway incident detection algorithm is a task that remains unfulfilled and many promising approaches have been recently explored. The partial least squares (PLS) method and artificial neural network (NN) were found in previous studies to yield superior incident detection performance. In this article, a hybrid model which combines PLS and NN is developed to detect automatically traffic incident. A real traffic data set collected from motorways A12 in the Netherlands is presented to illustrate such an approach. Data cleansing has been introduced to preprocess traffic data sets to improve the data quality in order to increase the veracity and reliability of incident model. The detection performance is evaluated by the common criteria including detection rate, false alarm rate, mean time to detection, classification rate and the area under the curve (AUC) of the receiver operating characteristic. Computational results indicate that the hybrid approach is capable of increasing detection performance comparing to PLS, and simplifying the NN structure for incident detection. The hybrid model is a promising alternative to the usual PLS or NN for incident detection.     

基于粒子滤波算法的高速公路车辆停车检测

提出了一种基于粒子滤波视频跟踪算法的停车事件检测方法,实现了对高速公路交通视频的自动监控。首先用混合差分技术,快速提取出视频中的车辆对象;并用粒子滤波算法实现了运动车辆的跟踪;进而通过对车辆运动的数学建模,对停车事件进行了自动检测。最后,对多组高速公路交通视频进行测试,结果表明：提出的检测方法比其他常用方法响应速度更快,且具有较高的检测准确率和鲁棒性。     

基于Adaboost方法的高速公路事件检测

阐述Adaboost方法原理及算法,提出采用Adaboost方法结合神经网络算法进行高速公路事件检测,给出了基于Adaboost方法的事件检测算法。该算法可以明显提升神经网络算法性能,适合进行高速公路事件检测,仿真实验结果表明了该算法的有效性和可行性。     

基于粗糙集和支持向量机的高速公路事件检测

针对目前高速公路事件检测算法存在的局限性,提出基于粗糙集理论和支持向量机的高速公路事件检测算法。在介绍粗糙集理论和支持向量机原理的基础上,给出了检测算法的实现方法,并用Matlab对多种算法进行了仿真和性能对比。仿真结果表明,基于粗糙集理论和支持向量机的事件检测算法具有检测准确率高,训练时间短,泛化能力好等优点,具有良好的应用前景。