克服基于隧道CCTV的AI深度学习事故检测中远距离限制
机器学习
2021-07-23 v1 机器学习
摘要
隧道CCTV安装于较低高度且长距离间隔处。然而，由于安装高度的限制，距离上产生严重的透视效应，在现有基于隧道CCTV的事故检测系统（Pflugfelder 2005）中几乎不可能检测距CCTV较远处的车辆。为克服该限制，通过基于逆透视变换重置感兴趣区域（ROI）的目标检测算法来检测车辆目标，其可检测距CCTV较远的车辆。为验证此过程，本文同时基于CCTV的原始图像与变换后图像构建由图像与边界框组成的各数据集，并比较用两数据集训练的深度学习目标检测模型性能。结果表明，与用原始图像训练的模型相比，用变换后图像训练的模型能在距CCTV较远位置更准确地检测车辆目标。
引用
@article{arxiv.2107.10567,
title = {An overcome of far-distance limitation on tunnel CCTV-based accident detection in AI deep-learning frameworks},
author = {Kyu-Beom Lee and Hyu-Soung Shin},
journal= {arXiv preprint arXiv:2107.10567},
year = {2021}
}
备注
6 pages, 3 figures, to be presented in "2021 INTERNATIONAL CONFERENCE ON TUNNELS AND UNDERGROUND SPACES" conference