首页|基于自动编码机-分类器的视频交通状态自动识别

基于自动编码机-分类器的视频交通状态自动识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了及时、有效地识别道路交通状态,提出了结合自动编码机与分类器的视频交通状态识别方法.首先,建立交通状态视频图像数据集,对自动编码机隐藏层和降维数据维度等结构参数进行优化测试.然后,提出自动编码机定量评价方法,选出最优自动编码机模型A*.最后,将A*与线性分类器、支持向量机、深度神经网络、DNN Linear分类方法相结合,构建了4个交通状态识别模型.对前述模型及AlexNet、LeNet、GoogLeNet、VGG16等CNN模型进行训练测试,结果显示:本文模型精确率和召回率均为94.5％～97.1％,F1值均为94.4％～97.1％,CNN模型中AlexNet表现最佳,精准率、召回率以及F1值均为94％,表明A*与常用分类器结合,达到或超越了复杂CNN模型的交通状态识别效果.本文方法训练测试简便、计算成本低,适用于视频图像的交通状态识别.
Automatic traffic state recognition from videos based on auto⁃encoder and classifiers

彭博、张媛媛、王玉婷、唐聚、谢济铭

展开 >

重庆交通大学山地城市交通系统与安全重庆市重点实验室,重庆400074

重庆交通大学交通运输学院,重庆 400074

交通运输系统工程 交通状态识别 自动编码机 交通视频 深度学习

国家自然科学基金青年科学基金重庆市科委基础前沿研究专项项目重庆市技术创新与应用示范项目山地城市交通系统与安全重点实验室开放基金

61703064cstc2017jcy?jAX0473cstc2018jscx-msybX02952018TSSMC05

2021

10.13229/j.cnki.jdxbgxb20200039

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(3)
  • 2