基于自动编码机-分类器的视频交通状态自动识别

摘要：

为了及时、有效地识别道路交通状态,提出了结合自动编码机与分类器的视频交通状态识别方法.首先,建立交通状态视频图像数据集,对自动编码机隐藏层和降维数据维度等结构参数进行优化测试.然后,提出自动编码机定量评价方法,选出最优自动编码机模型A*.最后,将A*与线性分类器、支持向量机、深度神经网络、DNN Linear分类方法相结合,构建了4个交通状态识别模型.对前述模型及AlexNet、LeNet、GoogLeNet、VGG16等CNN模型进行训练测试,结果显示:本文模型精确率和召回率均为94.5％～97.1％,F1值均为94.4％～97.1％,CNN模型中AlexNet表现最佳,精准率、召回率以及F1值均为94％,表明A*与常用分类器结合,达到或超越了复杂CNN模型的交通状态识别效果.本文方法训练测试简便、计算成本低,适用于视频图像的交通状态识别.

关键词：交通运输系统工程、交通状态识别、自动编码机、交通视频、深度学习

所属期刊栏目：51

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;重庆市科委基础前沿研究专项项目;重庆市技术创新与应用示范项目;山地城市交通系统与安全重点实验室开放基金项目

在线出版日期：2022-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：886-892