【技术实现步骤摘要】
本专利技术涉及异常数据识别，更具体的说是涉及一种面向交通监控场景的异常事件识别方法及系统。
技术介绍
1、随着城市交通系统的持续发展，道路网络的复杂性和交通流量在不断增加，道路拥堵、交通违规、交通事故等行为等持续发生。交通管理人员希望能建立一个智能的交通监控系统来识别这些异常行为，以有效支持实时的交通管理决策和应急响应。
2、交通异常行为识别技术，是该智能交通监控系统的核心技术，主要负责基于视频图像的输入识别被监控场景出现了哪些异常。目前基于视觉的交通异常行为识别技术主要依赖于深度神经网络、机器学习和预设规则模板等方法。其中，基于深度神经网络与机器学习的方法需要采集监控场景的大量视频数据并进行异常行为的标注，往往会由于异常行为难以定义、异常行为的视频数据难以获取而导致训练数据不足与推理性能下降，并且在运行时需要专门的gpu算力才能支持单路视频的实时异常行为识别；基于预设规则与模板的方法虽然在一定程度上能缓解系统对于算力的需求，但是对于每一个摄像头的特定拍摄角度，规则与模板都需要大量的人工去定制和适配，并且容易由于规则考虑不够...
【技术保护点】
1.一种面向交通监控场景的异常事件识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述步骤S1基于目标检测算法实现；所述各个实体包括行人、车辆和动物。
3.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述步骤S2具体包括：通过轨迹跟踪算法将连续帧之间同一实体的轨迹进行关联和跟踪，获得各个实体的特征轨迹。
4.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述步骤S3具体包括：
5.根据权利要求1所述的一...
【技术特征摘要】
1.一种面向交通监控场景的异常事件识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述步骤s1基于目标检测算法实现；所述各个实体包括行人、车辆和动物。
3.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述步骤s2具体包括：通过轨迹跟踪算法将连续帧之间同一实体的轨迹进行关联和跟踪，获得各个实体的特征轨迹。
4.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述步骤s3具体包括：
5.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述步骤s4具体包括：
6.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述对所述实体属性进行建模学习，还包括：
7.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在于，所述学习后的实体属性包括：
8.根据权利要求1所述的一种面向交通监控场景的异常事件识别方法，其特征在...
【专利技术属性】
技术研发人员：陈崇雨，曾翔钰，董乐，
申请(专利权)人：暗物智能科技广州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。