基于视觉的深度学习与决策树交通异常检测系统
计算机视觉与模式识别
2021-04-15 v1
摘要
任何智能交通监控系统都必须能够实时检测交通事故等异常。本文提出一种由深度学习赋能、结合决策树的方法，用于从交通摄像头中提取异常并准确估计异常事件的起止时间。我们的方法包括构建检测模型，随后进行异常检测与分析。YOLOv5作为我们检测模型的基础。异常检测与分析步骤包含交通场景背景估计、道路掩码提取和自适应阈值化。候选异常经决策树以检测并分析最终异常。根据实验验证，所提方法取得了0.8571的F1分数和0.5686的S4分数。
引用
@article{arxiv.2104.06856,
title = {A Vision-based System for Traffic Anomaly Detection using Deep Learning and Decision Trees},
author = {Armstrong Aboah and Maged Shoman and Vishal Mandal and Sayedomidreza Davami and Yaw Adu-Gyamfi and Anuj Sharma},
journal= {arXiv preprint arXiv:2104.06856},
year = {2021}
}