基于双向轨迹回溯的双模态车辆异常检测
计算机视觉与模式识别
2021-06-10 v1 人工智能
摘要
交通异常检测在智能交通系统（ITS）中起着关键作用。该任务的主要挑战在于高度多样化的异常场景和多变的照明条件。尽管许多工作已能在同质天气和场景下识别异常，但鲜有解决复杂场景的。在本文中，我们提出了一种双模态模块化方法，用于鲁棒地检测异常车辆。我们引入了一个集成的异常检测框架，包含以下模块：背景建模、带检测的车辆跟踪、掩膜构建、感兴趣区域（ROI）回溯以及双模态追踪。具体而言，我们采用背景建模来滤除运动信息并保留静态信息以供后续车辆检测。对于车辆检测与跟踪模块，我们采用 YOLOv5 和多尺度跟踪来定位异常。此外，我们利用帧差和跟踪结果来识别道路并获得掩膜。另外，我们引入多种相似性估计度量，通过回溯来细化异常时段。最后，我们提出了一个双模态双向追踪模块以进一步细化时间。在 NVIDIA 2021 AI City Challenge 的 Track 4 测试集上进行的实验取得了 0.9302 的 F1 分数和 3.4039 的均方根误差（RMSE），表明了我们的框架的有效性。
引用
@article{arxiv.2106.05003,
title = {Dual-Modality Vehicle Anomaly Detection via Bilateral Trajectory Tracing},
author = {Jingyuan Chen and Guanchen Ding and Yuchen Yang and Wenwei Han and Kangmin Xu and Tianyi Gao and Zhe Zhang and Wanping Ouyang and Hao Cai and Zhenzhong Chen},
journal= {arXiv preprint arXiv:2106.05003},
year = {2021}
}
备注
9 pages, 5 figures, accepted to CVPRW 2021