本文關(guān)鍵詞：交通場(chǎng)景中采用有監(jiān)督序?qū)W習(xí)擁擠度排序算法　出處：《信號(hào)處理》2014年12期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 交通擁擠度 排序?qū)W習(xí) 排序模型 Gist特征

【摘要】：為自動(dòng)分析交通場(chǎng)景擁擠度與速度屬性,提出基于有監(jiān)督序?qū)W習(xí)交通場(chǎng)景擁擠度排序計(jì)算模型,利用監(jiān)督學(xué)習(xí)思路分別學(xué)習(xí)交通擁擠度和平均速度兩個(gè)屬性的排序函數(shù)。在交通擁擠度排序模型中,首先提取每幀訓(xùn)練圖像Gist特征,而對(duì)于平均速度排序模型,首先通過(guò)幀間差分法提取視頻運(yùn)動(dòng)信息,然后再提取Gist特征,最后引入改進(jìn)的Ranking SVM投影模型,學(xué)習(xí)得到每個(gè)屬性排序函數(shù)。該算法把傳統(tǒng)分類(lèi)問(wèn)題轉(zhuǎn)化為關(guān)于某個(gè)屬性訓(xùn)練一個(gè)排序函數(shù),因不屬于硬劃分屬于比較精細(xì)度量模型,從而解決傳統(tǒng)擁擠度估計(jì)算法存在模糊性的問(wèn)題。在三組交通視頻數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明本文的排序模型準(zhǔn)確度、穩(wěn)定性相對(duì)更高。
[Abstract]:In order to automatically analyze traffic scene congestion and speed attributes, a traffic scene congestion ranking model based on supervised order learning is proposed. In the traffic congestion sorting model, the Gist features of each frame of training images are firstly extracted by using supervised learning ideas to study the sorting functions of traffic congestion and average speed. For the average speed ranking model, the video motion information is extracted by inter-frame differential method, then the Gist feature is extracted. Finally, an improved Ranking SVM projection model is introduced. The algorithm transforms the traditional classification problem into training a sort function about a certain attribute, because it does not belong to the hard partition belongs to the more precise metric model. In order to solve the fuzzy problem of the traditional congestion estimation algorithm, the experimental results of three groups of traffic video data sets show that the ranking model in this paper is more accurate and more stable.
【作者單位】： 燕山大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61071199)
【分類(lèi)號(hào)】：U491
【正文快照】： 1引言實(shí)時(shí)道路擁擠度信息將為交通出行計(jì)劃和調(diào)整路線提供及時(shí)、可靠依據(jù),對(duì)于緩解交通擁擠現(xiàn)象具有重要意義。近來(lái),視頻監(jiān)控技術(shù)被廣泛應(yīng)用到交通信息管理中,監(jiān)控網(wǎng)絡(luò)規(guī)模越來(lái)越大,信息量越來(lái)越多,尤其在人口密集型城市更是如此,人工監(jiān)控因?yàn)樾实碗y以實(shí)現(xiàn),那么使用智能視頻

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 花貴春;張敏;劉奕群;馬少平;茹立云;;基于查詢(xún)聚類(lèi)的排序?qū)W習(xí)算法[J];模式識(shí)別與人工智能;2012年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前2條

1 楊書(shū)新;徐麗萍;夏小云;徐慧琴;;圖數(shù)據(jù)關(guān)鍵詞查詢(xún)研究進(jìn)展[J];電子學(xué)報(bào);2014年11期

2 劉娜;路瑩;唐曉君;王海文;李明霞;;自動(dòng)確定單詞-文檔譜聚類(lèi)最佳聚類(lèi)數(shù)目的研究[J];小型微型計(jì)算機(jī)系統(tǒng);2014年03期

相關(guān)碩士學(xué)位論文 前4條

1 鄧曉妹;基于點(diǎn)擊日志的搜索引擎用戶(hù)滿(mǎn)意度評(píng)價(jià)研究[D];北京林業(yè)大學(xué);2013年

2 王帥;基于本體的主題相關(guān)度算法研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2013年

3 范希賢;基于GPU的并行排序?qū)W習(xí)算法研究[D];哈爾濱工業(yè)大學(xué);2012年

4 王清霞;基于領(lǐng)域本體的垂直搜索引擎頁(yè)面排序算法的研究[D];蘭州理工大學(xué);2014年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾小明,陳軍,高榮堂,羅旗幟,張玉紅;動(dòng)態(tài)收費(fèi)控制對(duì)公路網(wǎng)擁擠度的影響研究[J];交通科技;2004年01期

2 何健飛;劉曉;;基于擁擠度的地鐵應(yīng)急疏散路徑優(yōu)化方法[J];中國(guó)安全科學(xué)學(xué)報(bào);2013年02期

3 孟路,晏啟鵬;城市道路交通網(wǎng)擁擠度的模糊識(shí)別[J];四川建筑;2003年02期

4 宋萬(wàn)禎;雷曉輝;黃曉敏;唐兵;蔣云鐘;;考慮擁擠度的多目標(biāo)粒子群優(yōu)化算法在馬斯京根參數(shù)估計(jì)中的應(yīng)用[J];水電能源科學(xué);2013年01期

5 張雷元;樹(shù)愛(ài)兵;;基于多屬性決策的交叉口交通擁擠度評(píng)價(jià)方法[J];道路交通與安全;2009年06期

6 王建玲;蔣陽(yáng)升;;交通擁擠狀態(tài)的識(shí)別與分析[J];系統(tǒng)工程;2006年10期

7 程鋒;毛軍發(fā);李曉春;;布局中的布線擁擠度估計(jì)及其優(yōu)化[J];上海交通大學(xué)學(xué)報(bào);2006年03期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)重要報(bào)紙文章 前1條

1 記者 耿旭靜邋通訊員 常青;地鐵3號(hào)線年底前最快3分鐘開(kāi)一趟[N];廣州日?qǐng)?bào);2007年

，

本文編號(hào)：1436070