基于变点检测算法的计算机视觉交通监控多状态分析
计算机视觉与模式识别
2020-11-25 v1 系统与控制
系统与控制
摘要
由于深度学习的显著进展，计算机视觉技术已广泛应用于交通监控领域。然而，很难找到一种通用模型能够无视环境状况（如一天中的时段、天气或阴影）测量交通参数。这些状况反复变化，但确切的变化点不一致且不可预测。因此，即便提前准备好多组独立的模型参数，多状态方法的应用也会存在问题。在本研究中，我们设计了一种促进多状态分析的鲁棒方法。该方法采用在线参数化算法来确定环境状况的变点。使用自编码器对输入图像降维，并将降维后的特征向量用于实现在线变点算法。给定一天中的典型时段被标记为七个独立时段。随后进行多状态分析，以便分别测量每个时段的交通密度。为训练和测试车辆计数模型，每个时段随机选取 1100 张视频图像并标注交通计数。多状态测量的精度远高于在所有数据上训练得到的集成模型。
引用
@article{arxiv.2011.11758,
title = {Multi-regime analysis for computer vision-based traffic surveillance using a change-point detection algorithm},
author = {Seungyun Jeong and Keemin Sohn},
journal= {arXiv preprint arXiv:2011.11758},
year = {2020}
}