交通摄像头数据的语义分析:主题信号提取与异常事件检测
计算机视觉与模式识别
2019-05-20 v1
摘要
交通管理中心(TMCs) routinely 使用交通摄像头来提供关于交通、道路和天气状况的态势感知。摄像头录像对于多种诊断目的颇为有用;然而,大多数录像即便有也仅保留数天。这很大程度上是因为目前值得注意的录像的识别由人工操作员手动审查完成——一个费力且低效的过程。在本文中,我们提出一种面向语义的顺序图像数据分析方法,并展示其在天气与交通状况中真实世界异常事件自动检测的应用。我们的方法从文本标签构建图像内容的语义向量表示,这些标签可容易地从现成的预训练图像标注软件获得。这些语义标签向量被用于使用隐狄利克雷分配(LDA)主题模型构建语义主题信号——物理过程的时间序列表示。通过检测主题信号中的异常,我们识别出对应于冬季风暴与异常交通拥堵的值得注意的录像。在针对真实世界事件的验证中,使用语义主题信号的异常检测显著优于使用任何单一标签信号的检测。
引用
@article{arxiv.1905.07332,
title = {Semantic Analysis of Traffic Camera Data: Topic Signal Extraction and Anomalous Event Detection},
author = {Jeffrey Liu and Andrew Weinert and Saurabh Amin},
journal= {arXiv preprint arXiv:1905.07332},
year = {2019}
}