面向交通监控的无训练单目三维事件检测系统
计算机视觉与模式识别
2020-02-04 v1
摘要
我们关注监控场景下的交通事件检测问题，包括车辆行为与交通事故的检测。现有的事件检测系统大多基于学习，并在有大量训练数据可用时取得了令人信服的性能。然而，在真实场景中，收集充足的标注训练数据成本高昂，有时甚至不可能（例如交通事故检测）。此外，传统的监控视图二维表示天然易受遮挡和不同相机视角的影响。为应对上述问题，本文提出一种面向交通监控的无训练单目三维事件检测系统。我们的系统首先将车辆投影到三维欧几里得空间并估计其运动状态。随后，我们基于运动学模式开发了多种简单而有效的事件识别方法，无需进一步训练。因此，我们的系统对遮挡和视角变化具有鲁棒性。充分的实验在大规模真实世界监控数据集上报告了我们方法的优越结果，验证了我们提出系统的有效性。
引用
@article{arxiv.2002.00137,
title = {Training-free Monocular 3D Event Detection System for Traffic Surveillance},
author = {Lijun Yu and Peng Chen and Wenhe Liu and Guoliang Kang and Alexander G. Hauptmann},
journal= {arXiv preprint arXiv:2002.00137},
year = {2020}
}
备注
To be published in 2019 IEEE International Conference on Big Data (Big Data), IEEE