基于背景建模的交通监控无监督异常检测--2018AI CITY Track 2 亚军 ---决策模块详解

论文:Unsupervised Anomaly Detection for Traffic Surveillance
Based on Background Modeling
代码及原理在这篇博客:https://blog.csdn.net/wfl6666/article/details/127061632?spm=1001.2014.3001.5501
之前的博客中对于论文中的决策模块讲解不够清晰,在此详解如下:

论文中检测异常车辆的主要思想是:认为车辆在视频中停留了相对较长时间,就可以合理的将其标记为异常。

其实也就是利用背景建模去检测正在静止的车辆,通过检测静止车辆在背景中的持续时间有没有超过异常静止时间的阈值,来判断是否异常,因此我们如果使用目前的违停检测(原理同样是检测禁停区域内静止时间),我认为是殊途同归。因此希望先借鉴本论文中对于静止异常判定的决策模块。(判定异常,未区分事故类型)


写完之后发现可借鉴的异常判定只有时间窗口。
因为我们使用目标检测和跟踪以及基于违停,实验发现虽然有时目标会失踪,在目标很小的情况下,但是项目代码里应该是做了特征匹配什么的,一般id不跳变,除非有遮挡,当然都不是绝对的,这个论文的目标检测与特征匹配也比较老,因此我们可以不需要考虑这个复杂的匹配过程。
我们现在的视频数据存在相机抖动问题还挺严重的,所以应该首先考虑视频消抖。

你可能感兴趣的:(算法)