基于视觉的交通事故预警深度学习进展：方法、数据集与未来方向的综合回顾
计算机视觉与模式识别
2025-09-05 v2
摘要
交通事故预测与检测对于增强道路安全至关重要，视觉化交通事故预警（Vision-TAA）在深度学习时代已成为一种有前景的 method。本文综述了 147 项近期研究，聚焦于监督式、无监督式和混合式深度学习模型用于事故预测，以及使用真实数据集和合成数据集。当前方法归类为四种关键 method：图像和视频特征-based 预测、时空特征-based 预测、场景理解和多模态数据融合。虽然这些方法展示了显著的潜力，但数据稀缺、对复杂情景的泛化能力有限以及实时性能瓶颈等挑战仍然普遍存在。本综述强调了未来研究的机会，包括多模态数据融合、自监督学习和基于 Transformer 的架构，以增强预测准确率和可扩展性。通过综合现有进展并识别关键空白，本文为开发稳健且自适应的 Vision-TAA 系统提供了基础性参考，为道路安全和交通管理做出了贡献。
关键词
引用
@article{arxiv.2505.07611,
title = {Deep Learning Advances in Vision-Based Traffic Accident Anticipation: A Comprehensive Review of Methods, Datasets, and Future Directions},
author = {Ruonan Lin and Tao Tang and Yongtai Liu and Wenye Zhou and Xin Yang and Hao Zheng and Jianpu Lin and Yi Zhang},
journal= {arXiv preprint arXiv:2505.07611},
year = {2025}
}