交通视频异常检测的分数数据提取模型

Linu Shine、Vaishnav M A、Jiji C.V。; 2020年IEEE/CVF计算机视觉和模式识别（CVPR）研讨会会议记录，第606-607页

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}
}