模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (3): 234-248    DOI: 10.16451/j.cnki.issn1003-6059.202003005
综述与评论 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于视觉的车辆异常行为检测综述
黄超1,3, 胡志军2, 徐勇1,3, 王耀威3
1.哈尔滨工业大学(深圳) 计算机科学与技术学院 生物计算研究中心 深圳 518055;
2.广西师范大学 数学与统计学院 桂林 541004;
3.鹏城实验室 深圳 518000
Vision-Based Abnormal Vehicle Behavior Detection: A Survey
HUANG Chao1,3, HU Zhijun2, XU Yong1,3, WANG Yaowei3
1.Bio-Computing Research Center, College of Computer Science and Technology, Harbin Institute of Technology(Shenzhen), Shenzhen 518055;
2.College of Mathematics and Statistics, Guangxi Normal University, Guilin 541004;
3.Peng Cheng Laboratory, Shenzhen 518000

全文: PDF (1299 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 基于视觉的车辆异常行为检测能够快速检测交通监控视频中的车辆异常行为并报警,在提升交通执法效率,改善城市交通状况和减少交通事故率等方面具有重要作用.当前基于视觉的车辆异常行为检测已取得较大进步,但在实际应用中仍面临如缺乏数据、异常定义的不确切性、遮挡和实时性较差等问题.文中归纳总结近年来提出的基于视觉的车辆异常行为检测算法.首先,介绍当前算法中典型的行为表示特征,从监督学习和非监督学习两方面讨论现有车辆行为学习方法的优缺点.然后,根据行为建模方法将车辆异常行为检测算法分为基于模型的方法、基于重建的方法和深度学习方法,介绍和分析每类方法.最后,讨论当前算法存在的问题,并展望未来的改进方向.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄超
胡志军
徐勇
王耀威
关键词 车辆异常行为检测特征提取行为学习行为建模深度学习    
Abstract:Vision-based abnormal vehicle behavior detection can detect abnormal vehicle behaviors in the traffic surveillance video promptly and give an alarm. It plays an important role in improving the efficiency of traffic enforcement and traffic conditions and reducing traffic accident rate. Despite the progresses in abnormal vehicle behavior detection, there are still many challenges in practical application, such as lack of labeled data, uncertain anomaly, occlusion and poor real time capability. To make a clear understanding of abnormal vehicle behavior detection, the algorithms proposed in recent years are summarized. Firstly, the typical features representing vehicle behaviors are introduced, and the advantages and disadvantages of model learning methods of the algorithms are discussed from the perspectives of supervised and unsupervised learning. Then, the existing algorithms are categorized into model-based, reconstruction-based and deep neural network-based methods. Each category is introduced and analyzed. Finally, problems and prediction of the future of abnormal vehicle behavior detection are discussed.
Key wordsAbnormal Vehicle Behavior Detection    Feature Extraction    Behavior Learning    Behavior Modeling    Deep Learning   
收稿日期: 2019-09-17     
ZTFLH: TP 391.41  
基金资助:国家自然基金项目面上项目(No.61876051)、广东省领军人才项目(No.2016TX03X164)资助
通讯作者: 徐 勇,博士,教授,主要研究方向为模式识别、计算机视觉、深度学习、视频分析.E-mail:yongxu@ymail.com.   
作者简介: 黄 超,博士研究生,主要研究方向为模式识别、深度学习.E-mail:huangchao_08@126.com. 胡志军,博士研究生,主要研究方向为分形图像压缩、图像与视频检索.E-mail:huzhijuncool@163.com. 王耀威,博士,教授.主要研究方向为智能监控、机器学习、多媒体分析与理解.E-mail:yaoweiwang@pku.edu.cn.
引用本文:   
黄超, 胡志军, 徐勇, 王耀威. 基于视觉的车辆异常行为检测综述[J]. 模式识别与人工智能, 2020, 33(3): 234-248. HUANG Chao, HU Zhijun, XU Yong, WANG Yaowei. Vision-Based Abnormal Vehicle Behavior Detection: A Survey. , 2020, 33(3): 234-248.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202003005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I3/234
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn