基于音视频深度学习的实时怠速车辆检测
计算机视觉与模式识别
2024-02-26 v3
摘要
内燃机车辆排放导致空气质量恶化并向大气释放温室气体，车辆污染已与众多不良健康影响相关联。具有大量等待和/或乘客下客的道路，如学校和医院下客区，会导致高发生率和密度的怠速车辆。这会产生车辆污染增加的微气候。因此，检测怠速车辆有助于监测和响应不必要的怠速，并可集成到实时或离线系统中以应对由此产生的污染。本文提出一种实时、动态的车辆怠速检测算法。所提出的怠速检测与通知依赖于一种检测这些怠速车辆的算法。该方法依靠多传感器、音视频、机器学习工作流在三种条件下视觉检测怠速车辆：移动、静止且发动机开启、静止且发动机关闭。视觉车辆运动检测器构建于第一阶段，随后训练基于对比学习的潜空间用于分类静止车辆发动机声音。我们在盐湖城一家医院下客点实时测试了系统。该原位数据集被收集并标注，包含不同型号与类型的车辆。实验表明，该方法可瞬时检测发动机开启或关闭，怠速检测平均精度（AP）达71.02，发动机关闭检测达91.06。
引用
@article{arxiv.2305.14579,
title = {Real-Time Idling Vehicles Detection using Combined Audio-Visual Deep Learning},
author = {Xiwen Li and Tristalee Mangin and Surojit Saha and Evan Blanchard and Dillon Tang and Henry Poppe and Nathan Searle and Ouk Choi and Kerry Kelly and Ross Whitaker},
journal= {arXiv preprint arXiv:2305.14579},
year = {2024}
}