浅谈基于视频识别的交通事件检测算法性能评估.pdf
《浅谈基于视频识别的交通事件检测算法性能评估.pdf》由会员分享,可在线阅读,更多相关《浅谈基于视频识别的交通事件检测算法性能评估.pdf(4页珍藏版)》请在咨信网上搜索。
1、科技前沿Frontier异常检测在计算机视觉研究中处于重要地位,目前已有多种方法被用于视频和图像等异常的检测与定位。基于视频识别的交通事件检测性能评估的目标是选出泛化能力强的模型完成事件检测任务。实际的事件检测任务往往需要进行大量的实验,通过多次调整参数、融合多种模型算法(多重融合策略)来解决视频识别问题,并观察哪种模型算法在什么样的参数下能够最好地完成任务。通常情况下,基于已有的数据进行切分来完成模型训练和评估,可以很好地判定模型状态是过拟合还是欠拟合,进而不断优化。不同的交通事件场景强调不同的分类能力,视频识别得到的分类器或者模型,需要有不同的指标。本文选取了一些符合视频识别交通业务情况或
2、者可以表现视频识别模型波动的评估指标,通过观察评估指标可以判断模型算法的效果,从而对模型算法进行升级与迭代。一、交通事件检测算法模型学习方法交通事件检测算法模型学习方法可以分为离线学习和在线学习。离线学习也称本地学习,是指使用测试数据集反复训练一个或多个算法模型来解决不同交通事件类型的检测。该方法的优点在于通过对数据进行预处理,可离线快速生成模型,不会因为个别数据的更新错误把模型带向极端。缺点是无法动态更新模型,需要重新生成模型以适应新数据。因此,该方法不适用于需要频繁更新模型的场景。相比之下,在线学习可以随着输入数据的变化动态更新模型,具有实时性,可以快速适应新数据的特征变化,而且可以避免离
3、线学习需要重新生成模型的问题。但是,由于在线学习需要实时计算,因此对测试系统的性能有着较高要求。【关键词】视频识别;智能交通;事件检测;算法模型;评估方法【基金项目】中央级公益性科研院所基本科研业务费专项资金资助项目(编号:111041000000180001221101)浅谈基于视频识别的交通事件检测算法性能评估文图张奇 赵洹琪 胡伟超【导读】视频识别技术作为整个智能交通系统的重要技术支撑,目前已经得到了广泛应用。基于视频识别技术的道路综合执法监测系统,能够对道路中的车辆进行检测分析,既可以抓拍车辆交通违法行为,也可以实时监测交通流量、道路拥堵及事故异常情况。本文从多个角度阐述视频识别中常见
4、的一些评估指标,并分析适用于综合交通事件类型不平衡情况的一些常用指标和方法。36|道路交通管理 2023/08Accuracy(准确率):表示正确检测出交通事件的数量占所有检测的视频样本的比例。Accuracy(准确率)虽然可以衡量机器学习模型的总体正确情况,但在样本不均衡的情况下,其并不能很好地衡量结果。因此,为了评估模型的表现,还需要采用新的指标。Precision(查准率):表示正确检测到的交通事件数量占所有检测发生交通事件的视频样本的比例。TPR(真正例率):表示正确检测到的交通事件数量占所有真实发生交通事件样本数的比例。FPR(假正例率):检测出的交通事件类型错误数量占所有错误事件样
5、本数的比例。Recall(查全率):表示正确检测到的交通事件数量占所有真实发生交通事件样本数的比例。交通事件检测是一个非常追求查全率,同时也强调查准率的领域,但事实上两者在某些情况下是有矛盾的。根据算法模型的预测结果进行排序,以查准率为纵轴、查全率为横轴作图,得到了查准率查全率曲线,简称 PR 曲线,如图 2 所示。从图中可以看出,B 的性能优于 A,而与 C 发生交叉,则难以一般性地判断谁更优秀,只能在具体的条件下进行比较,需要综合考虑,最常见的方法就是二、交通事件检测算法模型评估指标在视频识别领域,混淆矩阵(Confusion Matrix)又称为可能性矩阵或误差矩阵,是性能评估的一种标准
6、格式,用 nn 的矩阵形式来表示。混淆矩阵是机器学习中一种可视化工具,主要用于比较分类问题的预测结果和实际值,同时可以将分类结果的精确程度反映在矩阵中。矩阵的列总数表示预测为该类别的数据数量,每行代表数据的实际归属类别,行数据的总数表示该类别的实例数量。矩阵中每个元素的值表示实际属于该类别但被错误预测为其他类别的数量,如图 1 所示。基于视频识别的交通事件检测算法性能的 4 个基础统计数值分别为:TP(正样本检测正确数)、TN(负样本检测正确数)、FP(假正检测数)、FN(假负检测数)。根据混淆矩阵,可以计算出一些用于评估检测算法性能的指标,如 Accuracy(准确率)、Precision(
7、查准率)、Recall(查全率)和 F 值(Precision 和Recall 的调和均值)等。这些指标可以帮助了解模型的检测算法能力以及对于正负样本的识别效果。TP(正样本检测正确数):正确检测出交通事件类型且检出时间与事件起始时间误差在规定时间以内的视频样本数量。TN(负样本检测正确数):无交通事件发生且没有检测出交通事件。FP(假正检测数):检测出的交通事件类型错误,或检出时间与事件起始时间误差超过规定时间的视频样本数量。FN(假负检测数):未检测出交通事件类型的数量。GT(真值数量):真实发生交通事件的视频样本数量(由人工筛选标注)。混淆矩阵真实值=1真实值=0预测值=1正样本检测正确
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 浅谈 基于 视频 识别 交通 事件 检测 算法 性能 评估
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。