[發明專利]基于流形學習的交通擁堵事件協同檢測方法

無效

• 申請號: 201110100910.3
• 申請日: 2011-04-21
• 公開（公告）號: CN102169631A
• 公開（公告）日: 2011-08-31
• 發明（設計）人: 王偉智;劉秉瀚
• 申請（專利權）人: 福州大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/017;G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種基于流形學習的交通擁堵事件協同檢測方法，其特征在于：該方法包括訓練學習過程、事件檢測過程和反饋過程，所述訓練學習過程按如下步驟進行：

步驟1.1：對交通擁堵等級類別進行定義，并采集對應于各交通擁堵等級類別的典型圖像形成交通擁堵事件訓練圖集；

步驟1.2：對所述各交通擁堵事件訓練圖集進行紋理轉換，生成交通擁堵事件紋理圖集；

步驟1.3：對所述交通擁堵事件紋理圖集進行流形降維處理，得到降維紋理圖集；

步驟1.4：對應于各交通擁堵等級類別，根據降維紋理圖集進行原型模式選擇，得到事件分類原型集和基于所述事件分類原型集的流形協同檢測模型；

所述事件檢測過程按如下步驟進行：

步驟2.1：實時采集交通視頻幀圖像；

步驟2.2：對各幀圖像進行紋理轉換，得到實時紋理圖；

步驟2.3：對所述實時紋理圖進行流形降維處理，得到實時降維紋理圖；

步驟2.4：將所述實時降維紋理圖送入所述流形協同檢測模型進行交通擁堵事件分類檢測，得到相關的檢測結果及相關參數；

所述反饋過程按如下步驟進行：

比較相鄰幀圖像的檢測結果，若檢測結果未出現突變，則將實時降維紋理圖信息疊加進其所屬類別的事件分類原型，以更新原型模式，并用更新后的原型模式來識別下一個實時采集且經過紋理轉換和流形降維的待檢測樣本；否則，反饋錯檢的實時降維紋理圖，修正相應的事件分類原型。

2.根據權利要求1所述的基于流形學習的交通擁堵事件協同檢測方法，其特征在于：在步驟2.4的交通擁堵事件分類檢測中，原型模式的選擇方法為：在同類別樣本中選擇不同形態的多個原型，作為該類別的原型集，將待檢測樣本首先與原型集中各原型進行相似匹配競爭，取最大相似的原型作為最優原型輸出，然后再將待檢測樣本分別與各類別的最優原型進行相似匹配，以最大相似結果作為分類結果。