稀疏采样即可：快速错误方向骑行检测
计算机视觉与模式识别
2025-12-16 v2 人工智能
摘要
有效监控异常交通行为（如错误方向骑行，即骑自行车或电动自行车反向行驶）对于优化执法部署和交通规划至关重要。然而，在资源受限的环境中，对所有错误方向骑行事件进行准确记录既不必要也不可行，因为这需要高分辨率的摄像机进行证据收集和事件检测。为此，我们提出WWC-Predictor，这是一种高效估计错误方向骑行比例（即给定时间段内错误方向骑行事件占总骑行运动比例的方法）。我们方法的核心创新在于使用轻量级检测器在稀疏采样帧中准确检测错误方向骑行事件，然后使用自回归移动平均模型估计整体比例。为评估我们方法的有效性，我们构建了一个由35分钟视频序列组成的基准数据集，包含分钟级注释。我们的方法在仅使用19.12%传统跟踪方法所需的GPU时间的情况下，实现了仅为1.475%的平均误差率，验证了其在估计错误方向骑行比例方面的有效性。我们的源代码已公开available at: https://github.com/VICA-Lab-HKUST-GZ/WWC-Predictor。
引用
@article{arxiv.2405.07293,
title = {Fast Wrong-way Cycling Detection in CCTV Videos: Sparse Sampling is All You Need},
author = {Jing Xu and Wentao Shi and Sheng Ren and Lijuan Zhang and Weikai Yang and Pan Gao and Jie Qin},
journal= {arXiv preprint arXiv:2405.07293},
year = {2025}
}
备注
Accepted by IEEE Transactions on Intelligent Transportation Systems