基于计算机视觉的交通交叉口车辆运动分类自动化方法
计算机视觉与模式识别
2021-11-18 v1
摘要
交通交叉口特定运动的车辆分类与计数对各种交通管理活动是至关重要的组成部分。在此背景下，随着基于计算机视觉技术的近期进展，摄像机已成为从交通场景中提取车辆轨迹的可靠数据源。然而，按运动类型对这些轨迹进行分类相当具有挑战性，因为以此方式获得的运动轨迹特征随摄像机标定而变化。尽管一些现有方法以尚可的精度解决了此类分类任务，但这些方法的性能显著依赖于多个感兴趣区域的手动指定。在本研究中，我们提出了一种用于基于视觉的车辆轨迹的特定运动分类（如右转、左转和直行运动）的自动化分类方法。我们的分类框架使用无监督层次聚类技术识别交通场景中观察到的不同运动模式，此后采用基于相似度的分配策略将 incoming 车辆轨迹分配到已识别的运动组。设计了一种新的相似性度量以克服基于视觉的轨迹的固有缺陷。实验结果证明了所提分类方法的有效性及其在无需任何人工干预下适应不同交通场景的能力。
引用
@article{arxiv.2111.09171,
title = {Automated Approach for Computer Vision-based Vehicle Movement Classification at Traffic Intersections},
author = {Udita Jana and Jyoti Prakash Das Karmakar and Pranamesh Chakraborty and Tingting Huang and Dave Ness and Duane Ritcher and Anuj Sharma},
journal= {arXiv preprint arXiv:2111.09171},
year = {2021}
}