交通异常检测的良好实践与强基线
计算机视觉与模式识别
2021-06-07 v2
摘要
交通异常检测是智能城市交通管理系统的重要组成部分。先前的工作提出了各种值得注意的见解，并推动了该领域的发展，然而，应对复杂的交通环境仍然是一项挑战。此外，高质量数据的缺乏以及交通场景的复杂性，促使我们从手工设计的角度研究这一问题。在本文中，我们提出了一个直接且高效的框架，包括预处理、动态跟踪模块和后处理。通过视频稳定、背景建模和车辆检测，预处理阶段旨在生成候选异常。动态跟踪模块利用车辆运动模式和时空状态来寻找并定位异常的起始时间。最后，我们使用后处理来微调异常的时间边界。毫不意外，我们提出的框架在 NVIDIA AI CITY 2021 交通异常检测排行榜上排名 。代码可在 https://github.com/Endeavour10020/AICity2021-Anomaly-Detection 获取。
引用
@article{arxiv.2105.03827,
title = {Good Practices and A Strong Baseline for Traffic Anomaly Detection},
author = {Yuxiang Zhao and Wenhao Wu and Yue He and Yingying Li and Xiao Tan and Shifeng Chen},
journal= {arXiv preprint arXiv:2105.03827},
year = {2021}
}
备注
We rank $1^{st}$ in the CVPR 2021 NVIDIA AI CITY Challenge for Traffic Anomaly detection