基于智能 ROI 的车辆计数框架用于自动化交通监控
人工智能
2026-04-15 v1
摘要
通过视频监控实现准确的车辆计数对于高效的交通管理至关重要。然而，在确保计算效率的同时实现高计数精度仍是一个挑战。为此，我们提出了一个旨在优化计算效率和计数精度的全自动、基于视频的车辆计数框架。该框架在两个 distinct 阶段中运行：估计阶段和预测阶段。在估计阶段，通过结合基于检测得分、跟踪得分和车辆密度的三种模型自动确定最佳区域 of interest（ROI），从而实现自适应方法，确保与任何检测和跟踪方法的兼容性，增强了框架的通用性。在预测阶段，在估计到的 ROI 内高效地执行车辆计数。我们在 UA-DETRAC、GRAM、CDnet 2014 和 ATON 等基准数据集上对该框架进行了评估。结果表明，绝大多数视频实现了 100% 的准确率，同时提升了计算效率，使处理速度比全帧处理快最高可达四倍。该框架优于现有技术，尤其在复杂的多路场景中表现出色，显示出良好的鲁棒性和优异的准确性。这些突破性进展使其成为实时交通监控的有前景的解决方案。
关键词
引用
@article{arxiv.2604.12470,
title = {Intelligent ROI-Based Vehicle Counting Framework for Automated Traffic Monitoring},
author = {Mohamed A. Abdelwahab and Zaynab Al-Ariny and Mahmoud Fakhry and El-Sayed Hasaneen},
journal= {arXiv preprint arXiv:2604.12470},
year = {2026}
}