《交通視頻中車輛行為理解與異常事件感知關鍵技術研究》是依託北京航空航天大學，由熊璋擔任項目負責人的面上項目。
基本介紹
- 中文名：交通視頻中車輛行為理解與異常事件感知關鍵技術研究
- 依託單位：北京航空航天大學
- 項目負責人：熊璋
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
在海量交通視頻中開展車輛行為理解和異常事件感知方法研究對於解決交通擁擠、確保運輸安全具有重要的意義。針對複雜的環境因素和車輛行為不確定性的影響，本課題通過民主融合策略建立空間-顏色混合模型，並利用圖割理論實現對遮擋的處理，實現高魯棒性、抗遮擋的車輛跟蹤方法。通過對車輛軌跡聚類方法的改進，獲得車輛的靜態和動態特徵，利用基於MGHMM的半監督車輛行為模型和語義區域模型實現車輛行為的細分與理解。主要研究內容包括：（1） 基於多視覺特徵融合的多車輛目標跟蹤方法；（2）基於圖割的多車輛目標跟蹤遮擋處理方法；（3）基於LWPGMA規則的車輛軌跡聚類算法；（4）半監督車輛行為模型的最佳化與車輛行為的細分。通過在關鍵技術研究中的探索和創新，完成對車輛行為的感知、理解和異常事件的檢測，並在此基礎上，實現一個交通視頻中車輛行為理解與異常事件感知原型系統，驗證方法和技術的有效性和實用性。
結題摘要
在海量交通視頻中開展車輛行為理解和異常事件感知方法研究對於解決交通擁擠、確保運輸安全具有重要的意義。針對複雜的環境因素和車輛行為不確定性的影響，本課題通過民主融合策略建立空間-顏色混合模型，並利用圖割理論實現對遮擋的處理，實現高魯棒性、抗遮擋的車輛跟蹤方法。通過對車輛軌跡聚類方法的改進，獲得車輛的靜態和動態特徵，利用基於MGHMM的半監督車輛行為模型和語義區域模型實現車輛行為的細分與理解。主要研究進展包括：(1)基於多視覺特徵融合的多車輛目標跟蹤方法，利用網路流模型對多視覺特徵進行融合從而提高車輛跟蹤的準確性;(2)基於圖割的多車輛目標跟蹤遮擋處理方法，利於圖割算法對車輛跟蹤中的遮擋情況進行跟蹤最佳化，提高車輛跟蹤中對於遮擋場景的魯棒性;(3)基於LWPGMA 規則的車輛軌跡聚類算法，利用LWPGMA信息及車輛的外觀相似性對車輛進行聚類，提高車輛跟蹤的完整性;(4)半監督車輛行為模型的最佳化與車輛行為的細分，利用目標間的空間關係半監督的對車輛行為模型進行最佳化並分類，從而對車輛行為進行理解。 本課題通過在關鍵技術研究中的探索和創新，並在此研究成果基礎上，實現一個交通視頻中車輛行為理解與異常事件感知原型系統，驗證了方法和技術的有效性和實用性。本項目共發表高水平學術論文16篇，國際會議大會報告4次，申請國家發明專利5項。
