智能路口：用于交通视频中实时近事故检测的双流卷积网络
计算机视觉与模式识别
2019-06-02 v1
摘要
在智能交通系统中，随着我们迈向智慧城市时代，监控并分析道路使用者的实时系统变得愈发关键。基于视觉的目标检测、多目标跟踪与交通近事故检测是智能交通系统的重要应用，尤其在视频监控等方面。尽管深度神经网络近期在许多计算机视觉任务中取得巨大成功，但面向全部三项任务的统一框架仍具挑战性，其挑战因实时性需求、复杂城市场景、高度动态交通事件及众多交通行为而倍增。本文提出一种双流卷积网络架构，可在交通视频数据中实时检测、跟踪道路使用者并检测近事故。该双流模型由用于目标检测的空间流网络与利用运动特征进行多目标跟踪的时间流网络组成。我们通过融合双流网络的外观特征与运动特征来检测近事故。利用航拍视频，我们提出覆盖各类交通交互的交通近事故数据集（TNAD），适用于基于视觉的交通分析任务。我们的实验证明了该框架的优势，在 TNAD 数据集上以高帧率取得了整体具竞争力的定性与定量性能。
引用
@article{arxiv.1901.01138,
title = {Intelligent Intersection: Two-Stream Convolutional Networks for Real-time Near Accident Detection in Traffic Video},
author = {Xiaohui Huang and Pan He and Anand Rangarajan and Sanjay Ranka},
journal= {arXiv preprint arXiv:1901.01138},
year = {2019}
}
备注
Submitted to ACM Transactions on Spatial Algorithms and Systems (TSAS); Special issue on Urban Mobility: Algorithms and Systems. arXiv admin note: text overlap with arXiv:1703.07402 by other authors