基于空间感知运动重建的交通场景异常检测
计算机视觉与模式识别
2019-05-01 v1
摘要
从驾驶员视角在行车过程中进行异常检测对自动驾驶车辆十分重要。作为高级驾驶辅助系统(ADAS)的一部分，它可及时提醒驾驶员注意危险。与传统的校园、市场监控视频等研究场景相比，由于摄像机晃动、持续运动的背景、车速剧烈变化等因素，从驾驶员视角检测异常事件十分困难。针对这些特定问题，本文提出一种空间定位约束的稀疏编码方法用于交通场景异常检测，该方法首先分别度量运动方向与幅值的异常性，再融合这两方面以获得鲁棒的检测结果。主要贡献有三方面：1) 本工作以一种新的方式分别描述物体的运动方向与幅值，被证明优于传统运动描述子。2) 将物体的空间定位纳入稀疏重建框架，利用场景结构信息，优于常规稀疏编码方法。3) 运动方向与幅值的结果通过贝叶斯模型自适应加权融合，使所提方法更鲁棒并能处理更多类异常事件。通过在自行采集的九个困难视频序列上测试，验证了所提方法的效率与有效性。实验结果表明，所提方法比流行的对比方法更有效且高效，并取得更高性能。
引用
@article{arxiv.1904.13079,
title = {Anomaly Detection in Traffic Scenes via Spatial-aware Motion Reconstruction},
author = {Yuan Yuan and Dong Wang and Qi Wang},
journal= {arXiv preprint arXiv:1904.13079},
year = {2019}
}
备注
IEEE Transactions on Intelligent Transportation Systems