交通场景中采用有监督序学习拥挤度排序算法

• 作者: 李朝辉 武丽丽 胡正平
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 交通拥挤度 排序学习 排序模型 Gist特征
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 算法研究
• 页码范围: 1464-1472
• 页数: 9页
• 分类号: TN911.73
• 字数: 4568字
• 语种: 中文

摘要

为自动分析交通场景拥挤度与速度属性，提出基于有监督序学习交通场景拥挤度排序计算模型，利用监督学习思路分别学习交通拥挤度和平均速度两个属性的排序函数。在交通拥挤度排序模型中，首先提取每帧训练图像Gist特征，而对于平均速度排序模型，首先通过帧间差分法提取视频运动信息，然后再提取Gist特征，最后引入改进的Ranking SVM投影模型，学习得到每个属性排序函数。该算法把传统分类问题转化为关于某个属性训练一个排序函数，因不属于硬划分属于比较精细度量模型，从而解决传统拥挤度估计算法存在模糊性的问题。在三组交通视频数据集的实验结果表明本文的排序模型准确度、稳定性相对更高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡正平	燕山大学信息科学与工程学院	160	1215	17.0	28.0
2	李朝辉	燕山大学信息科学与工程学院	12	55	5.0	7.0
3	武丽丽	燕山大学信息科学与工程学院	1	0	0.0	0.0