基于视频的冒烟车辆粗到细检测框架
计算机视觉与模式识别
2022-07-11 v1
摘要
视频中自动冒烟车辆检测是相较环保机构传统昂贵的紫外-红外光设备遥感方案更优的解法。然而，由于来自后车或杂乱路面的阴影与潮湿区域，难以将车辆烟雾与之区分，且标注数据有限使问题更严峻。本文首先引入一个真实世界大规模冒烟车辆数据集，含75,000张标注图像，以助先进深度学习模型的有效训练。为公平比较算法，我们还构建了含163段带片段级标注长视频的冒烟车辆视频数据集。此外，我们提出一种新的粗到细深度冒烟车辆检测（CoDeS）框架以实现高效冒烟车辆检测。CoDeS首先利用轻量YOLO检测器以高召回率快速检测烟雾，然后应用烟-车匹配策略剔除非车辆烟雾，最后使用精心设计的3D模型在时空空间进一步精炼结果。四项指标上的大量实验表明，我们的框架显著优于基于手工特征的方法与近期先进方法。代码与数据集将发布于 https://github.com/pengxj/smokyvehicle。
引用
@article{arxiv.2207.03708,
title = {Video-based Smoky Vehicle Detection with A Coarse-to-Fine Framework},
author = {Xiaojiang Peng and Xiaomao Fan and Qingyang Wu and Jieyan Zhao and Pan Gao},
journal= {arXiv preprint arXiv:2207.03708},
year = {2022}
}