基于动态纹理模型与高斯过程的视觉交通流预测
计算机视觉与模式识别
2016-12-16 v2
摘要
在本文中，我们描述了面向实时基于视觉的交通流预测(TFP)系统的正在进行的工作。所提方法由三个基本算子组成，即基于动态纹理模型的运动分割、特征提取和高斯过程(GP)回归。运动分割的目标是识别视觉过程序列中覆盖运动车辆的目标区域。特征提取算子旨在从目标区域提取有用特征。提取的特征随后通过GP回归算子映射到车辆数量。需要使用历史视觉数据的训练阶段以确定GP的参数值。使用低分辨率视觉数据集，我们对所提方法的性能进行了初步评估。结果表明我们的方法击败了基于高斯混合模型的基准解，并具有潜力发展为合格实用的实时TFP解决方案。
引用
@article{arxiv.1607.03991,
title = {Vision-based Traffic Flow Prediction using Dynamic Texture Model and Gaussian Process},
author = {Bin Liu and Hao Ji and Yi Dai},
journal= {arXiv preprint arXiv:1607.03991},
year = {2016}
}
备注
8 pages, 4 figures, conference