基于深度学习架构的高速公路交通事件视频监控
计算机视觉与模式识别
2019-09-27 v1 机器学习
机器学习
摘要
本文描述了一种视频监控系统，能够检测由高速公路固定摄像机采集视频中的交通事件。感兴趣的事件由视频中出现的具体情境序列构成，例如车辆在应急车道上停车。因此，这些事件的检测需要分析视频流中的时间序列。我们比较了不同基于循环神经网络（RNN）与卷积神经网络（CNN）架构的方法。第一种方法从每帧提取主要与运动相关的特征向量，并将所得向量序列输入 RNN。其他方法直接基于帧序列，并可能辅以像素级运动信息。所得流由堆叠 CNN 与 RNN 的架构处理，我们还研究了一种基于迁移学习的模型。结果非常有前景，最佳架构将在真实运行条件下进行在线测试。
引用
@article{arxiv.1909.12235,
title = {Video Surveillance of Highway Traffic Events by Deep Learning Architectures},
author = {Matteo Tiezzi and Stefano Melacci and Marco Maggini and Angelo Frosini},
journal= {arXiv preprint arXiv:1909.12235},
year = {2019}
}