交通异常事件HMM特征建模及免疫克隆优化分类

• 作者: 杜佳颖 隋强强
• 来源期刊: 计算机应用与软件
• 学科: 交通运输
• 关键词: 事件检测 隐马尔科夫 免疫克隆
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 多媒体技术应用
• 页码范围: 213-216
• 分类号: U4
• 字数: 3698字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.03.065

摘要

针对交通视频事件描述的观测数据与判别状态的非直接关联性,以高速公路上车辆之间的相对速度、距离、位置作为观测物理量,定义异常事件的危险程度作为检测状态,利用隐马尔科夫学习算法,建立了事件特征描述模型(HMM);针对HMM事件分类界面的非线性问题,利用免疫克隆浓度聚类算法(ICCCA)对事件进行异常/正常优化分类,克服了直接利用HMM阈值分类的方法局限,以及传统分类方法约束条件多,容易陷入局部最小的缺点,能够准确快速地得到全局优化分类结果.采用30段正常视频和70段撞车视频进行测试,比较了HMM阈值、神经网络算法、SVM算法对撞车事件的ROC曲线和计算复杂度,表明所提方法对于高速公路撞车事件优于其他分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜佳颖	北京航空航天大学自动化科学与电气工程学院	1	2	1.0	1.0
2	隋强强	北京航空航天大学自动化科学与电气工程学院	6	25	3.0	5.0