【技术实现步骤摘要】
本专利技术属于智能交通领域，具体地说是一种重载交通异常事件检测与状态判别系统。
技术介绍
1、交通事件感知是通过传感器采集数据判别交通偶发状态的监测手段，智能监控系统相比于传统的人工监控，具有很多优势，例如，能够实现全天连续监视，花费较少且能够保护个人信息。广泛应用于交通综合管理系统，有效减少交通延误和避免二次交通事故。
2、传统的交通检测方法主要通过对视频图像逐帧提取序列图像中的前景目标来实现事件判别，常用方法包括帧差法、背景差分法、光流法及边缘检测等。然而，近年来，随着人工智能算法和硬件设备计算能力的提升，基于机器学习的交通事件检测成为研究热点。研究人员提出了各种基于深度学习和卷积神经网络的方法，实现了对交通拥堵状态和异常事件的检测和跟踪，基于机器学习和深度学习的交通事件检测方法在精度和效率上都取得了显著的提升，为交通管理和安全提供了更强大的技术支持。然而，异常事件的偶发性导致数据分布不均衡问题，使得事件检测数据集难以满足机器学习独立同分布前提假设，容易导致过拟合现象以及对稀疏性样本不敏感，从而使得交通流异常事件误检率较
3本文档来自技高网...
【技术保护点】
1.一种重载交通异常事件检测与状态判别系统，其特征在于：包括数据采集与标注模块、图像处理模块、交通状态分析模块、状态判断与异常事件识别模块以及迁移学习模块；
2.根据权利要求1所述的一种重载交通异常事件检测与状态判别系统，其特征在于：所述的数据采集单元能够在重载大流量路段使用摄像头与激光雷达相结合的多传感器融合技术进行数据采集；通过设定不良天气条件下的采集频率、角度和分辨率的参数，确保在各种复杂环境中获取全面的数据；实时调整参数以应对动态变化的天气条件，保证数据的全面性和准确性，设采集传感器异常事件的训练样本集为，则传感器异常事件检测模型的表达式为：>
3.根据权利...
【技术特征摘要】
1.一种重载交通异常事件检测与状态判别系统，其特征在于：包括数据采集与标注模块、图像处理模块、交通状态分析模块、状态判断与异常事件识别模块以及迁移学习模块；
2.根据权利要求1所述的一种重载交通异常事件检测与状态判别系统，其特征在于：所述的数据采集单元能够在重载大流量路段使用摄像头与激光雷达相结合的多传感器融合技术进行数据采集；通过设定不良天气条件下的采集频率、角度和分辨率的参数，确保在各种复杂环境中获取全面的数据；实时调整参数以应对动态变化的天气条件，保证数据的全面性和准确性，设采集传感器异常事件的训练样本集为，则传感器异常事件检测模型的表达式为：
3.根据权利要求1所述的一种重载交通异常事件检测与状态判别系统，其特征在于：所述的图像增强单元采用自适应直方图均衡化技术提高图像的对比度，尤其在光线不佳的情况下显著增强图像细节。
4.根据权利要求3所述的一种重载交通异常事件检测与状态判别系统，其特征在于：所述的图像增强单元使用暗通道算法处理不良天气下的视频数据，提升图像的清晰度，暗通道数学模型表达式如下：
5.根据权利要求4所述的一种重载交通异常事件检测与状态判别系统，其特征在于：所述的暗通道的数学模型进行最小值滤波推导，推导出了透射率分布的估计公式，在rgb的三个通道分别对像素点求最小值滤波，其表达式为：
6.根据权利要求1所述的一种重载交通异常事件检测与状态判别系统，其特征在于：所述的图像压缩重构单元使用变分自编码器（vae）对视频数据进行压缩，在压缩过程中，保留视频的关键帧，同时删...
【专利技术属性】
技术研发人员：吴宏涛，王中流，赵永娟，张海龙，乔钢柱，张鹏飞，
申请(专利权)人：中北大学，
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。