人工智能赋能的交通监控系统
计算机视觉与模式识别
2020-10-06 v1
摘要
由于交通管理中心运营着网络上安装的大量摄像头，人工交通监控可能是一项艰巨的任务。引入一定程度的自动化有助于减轻执行人工监控的操作人员的工作负担，并有助于做出主动决策，从而减少事件和周期性拥堵对道路的影响。本文提出了一种利用深度卷积神经网络和独立图形用户界面自动监控实时交通视频的新方法。作者描述了在开发作为人工智能赋能交通监控系统集成框架的模型过程中所获得的研究成果。所提出的系统部署了多种最先进的深度学习算法，以自动化不同的交通监控需求。利用大规模标注视频监控数据库，基于深度学习的模型被训练用于检测排队、跟踪静止车辆并统计车辆数量。采用像素级分割方法检测交通排队并预测严重程度。部署实时目标检测算法与不同跟踪系统，以自动检测抛锚车辆并执行车辆计数。在开发的每个阶段，均给出了有趣的实验结果以证明所提出系统的有效性。总体而言，结果表明所提出的框架在 varied 条件下表现令人满意，且未受到模糊摄像头视图、低照度、雨或雪等环境危害的极大影响。
引用
@article{arxiv.2010.01217,
title = {Artificial Intelligence Enabled Traffic Monitoring System},
author = {Vishal Mandal and Abdul Rashid Mussah and Peng Jin and Yaw Adu-Gyamfi},
journal= {arXiv preprint arXiv:2010.01217},
year = {2020}
}