TY -的A2 -王,库恩AU - Lu, Zhenbo盟——周,魏盟——张Shixiang AU -王,陈PY - 2020 DA - 2020/11/16 TI -一个新的视频崩溃检测方法:平衡速度和准确性使用功能融合深度学习框架SP - 8848874六世- 2020 AB -快速和精确的碰撞检测对拯救生命和改善交通事件管理很重要。在这篇文章中,一个功能fusion-based深度学习框架开发视频城市交通事故检测任务,旨在实现之间的平衡检测速度和精度有限的计算资源。在这个框架中,残余神经网络(ResNet)结合关注模块提出了从城市交通视频中提取车祸外观特性(即。,崩溃的外表特征提取器),美联储进一步融合模型的时空特征,Conv-LSTM(卷积长期短期记忆),同时捕获外观(静态)和动作(动态)碰撞特性。该模型由一组训练视频剪辑覆盖330年股市崩盘和342年noncrash事件。一般来说,该模型实现了87.78%的准确性测试数据集和一个可接受的检测速度和GTX 1060 (30 FPS >)。由于关注模块,该模型可以捕捉局部外观的特性(例如,车辆损坏和行人掉落)的崩溃比传统的卷积神经网络。Conv-LSTM模块方面优于传统LSTM捕捉崩溃的运动特性,如道路拥堵和行人聚集后崩溃。与传统的基于运动碰撞检测模型相比,该模型实现了更高的检测精度。此外,它可以检测到碰撞速度远远超过其他特性fusion-based模型(例如,C3D)。 The results show that the proposed model is a promising video-based urban traffic crash detection algorithm that could be used in practice in the future. SN - 0197-6729 UR - https://doi.org/10.1155/2020/8848874 DO - 10.1155/2020/8848874 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -