-
交通视频异常检测的分数数据提取模型 摘要 及时自动检测道路事故等异常情况是任何智能交通监控系统的关键。 本文提出了一种新的分数数据提取模型,用于从测试数据集中分离交通异常视频,并精确估计异常事件的开始时间。 该模型采用了与典型分馏过程相似的方法,即通过改变温度来分离化合物。 随着检测过程的进行,我们的模型根据异常事件的性质略微提取异常事件。 这里,我们使用两个异常提取器,即Normal和Zoom,前者用于视频的正常比例,后者用于前者错过的视频的放大比例,以分离异常。 这种分离的核心是使用YOLOv3检测器扫描背景帧,以发现可能的异常。 这些异常候选被进一步过滤,并与前景上的检测进行比较,以匹配检测,从而估计异常事件的开始时间。 2020年AI城市挑战赛第4赛道的实验验证显示,s4得分为0.5438,F1得分为0.7018。 相关材料 [ pdf格式 ] [ 围巾 ] @会议记录{Shine_2020_CVPR_Workshops, 作者={Shine,Linu and A,Vaishnav M and C.V.,Jiji}, title={交通视频中异常检测的分数数据提取模型}, booktitle={IEEE/CVF计算机视觉和模式识别(CVPR)研讨会会议记录}, 月={6月}, 年份={2020年} }