基于视频识别的电力占道施工场景交通拥堵检测

目前对道路交通拥堵的检测多采用人为监控或传感器监测的方法,而电力占道施工场景往往缺乏此类检测设备。为满足该场景下拥堵检测的低设备依赖性和高准确性的需求,提出一种利用视频数据的检测方法,采用神经网络对视频数据进行特征提取并判断是否造成交通拥堵。为了解决电力占道施工场景下数据较少的问题,利用通用交通场景数据集提升网络的泛化性,采用域对抗迁移网络自适应学习方法弱化两种数据域在特征提取网络中的差异性表现。为了减少人工标注工作量,提出一种半监督学习方式。实验结果表明,所提方法在电力占道施工场景道路拥堵检测识别任务中达到了93.2%的准确率,具有较高的应用价值。