交通场景中采用有监督序学习拥挤度排序算法.pdfVIP

第３０ 卷　第 １２ 期 信 号 处 理 Ｖｏｌ．３０　Ｎｏ．１２ ２０１４年１２月 ＪＯＵＲＮＡＬ ＯＦ ＳＩＧＮＡＬ ＰＲＯＣＥＳＳＩＮＧ Ｄｅｃ．２０１４ 交通场景中采用有监督序学习拥挤度排序算法 胡正平　武丽丽　李朝辉 （燕山大学信息科学与工程学院，河北秦皇岛０６６００４） 摘　要：为自动分析交通场景拥挤度与速度属性，提出基于有监督序学习交通场景拥挤度排序计算模型，利用监 督学习思路分别学习交通拥挤度和平均速度两个属性的排序函数。在交通拥挤度排序模型中，首先提取每帧训 练图像Ｇｉｓｔ特征，而对于平均速度排序模型，首先通过帧间差分法提取视频运动信息，然后再提取 Ｇｉｓｔ 特征， 最后引入改进的Ｒａｎｋｉｎｇ ＳＶＭ投影模型，学习得到每个属性排序函数。该算法把传统分类问题转化为关于某个 属性训练一个排序函数，因不属于硬划分属于比较精细度量模型，从而解决传统拥挤度估计算法存在模糊性的 问题。在三组交通视频数据集的实验结果表明本文的排序模型准确度、稳定性相对更高。 关键词：交通拥挤度；排序学习；排序模型；Ｇｉｓｔ特征 中图分类号：ＴＮ９１１．７３　　文献标识码：Ａ　　文章编号：１００３－０５３０（２０１４）１２－１４６４－０９ Ｓｕｐｅｒｖｉｓｅｄ Ｌｅａｒｎｉｎｇ Ｒａｎｋ Ａｌｇｏｒｉｔｈｍ ｏｆＣｏｎｇｅｓｔｉｏｎ Ｄｅｇｒｅｅ ｉｎ Ｔｒａｆｆｉｃ Ｓｃｅｎｅｓ ＨＵ Ｚｈｅｎｇｐｉｎｇ　ＷＵ Ｌｉｌｉ　ＬＩ Ｚｈａｏｈｕｉ （Ｓｃｈｏｏｌ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ ＆Ｙａｎｓｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ０６６００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｆｏｒ ａｕｔｏｍａｔｉｃａｎａｌｙｓｉｓｏｆｔｒａｆｆｉｃ ｓｃｅｎｅａｔｔｒｉｂｕｔｅｓ （‘ｃｏｎｇｅｓｔｉｏｎ’，‘ａｖｅｒａｇｅｓｐｅｅｄ’），ｔｒａｆｆｉｃ ｓｃｅｎｅｃｏｎｇｅｓｔｉｏｎｄｅ ｇｒｅｅ ｒａｎｋｉｎｇｃａｌｃｕｌａｔｉｏｎ ｍｏｄｅｌ ｉｓｐｒｏｐｏｓｅｄ ｂａｓｅｄ ｏｎ ｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ．Ｕｓｉｎｇ ｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇｉｄｅａｓ，ａｒａｎｋｉｎｇｆｕｎｃｔｉｏｎ ｐｅｒ ａｔｔｒｉｂｕｔｅ （‘ｃｏｎｇｅｓｔｉｏｎ’，‘ａｖｅｒａｇｅ ｓｐｅｅｄ’）ｉｓｌｅａｒｎｅｄ．Ｆｏｒｔｒａｆｆｉｃ ｃｏｎｇｅｓｔｉｏｎ ｄｅｇｒｅｅ ｒａｎｋｉｎｇｍｏｄｅｌ，Ｇｉｓｔｆｅａｔｕｒｅ ｏｆｅａｃｈ ｆｒａｍｅ ｔｒａｉｎｉｎｇ ｉｍａｇｅｓ ｉｓｅｘｔｒａｃｔｅｄ，ｈｏｗｅｖｅｒ，ｆｏｒａｖｅｒａｇｅ ｓｐｅｅｄ ｄｅｇｒｅｅ ｒａｎｋｉｎｇｍｏｄｅｌ，ｆｉｒｓｔｌｙ，ｖｉｄｅｏ ｍｏｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｉｓｅｘ ｔｒａｃｔｅｄ ａｎｄ ｔｈｅｎ Ｇｉｓｔ ｆｅａｔｕｒｅ ｉｓ ｅｘｔｒａｃｔｅｄ ｔｈｒｏｕｇｈｆｒａｍｅ ｄｉｆｆｅｒｅｎｔｉａｌ ｍｅｔｈｏｄ，ｆｉｎａｌｌｙ，ｍｏｄｉｆｉｅｄ ＲａｎｋｉｎｇＳＶＭｐｒｏｊｅｃｔｉｏｎ ｍｏｄｅｌ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｌｅａｒｎ ａ ｒａｎｋｉｎｇ ｆｕｎｃｔｉｏｎ．Ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｔｒａｎｓｆｏｒｍｓ ｔｒａｄｉｔｉｏｎａｌ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｐｒｏｂｌｅｍ ｉｎｔｏ ｔｒａｉｎｉｎｇ ａ ｒａｎｋｉｎｇ ｆｕｎｃｔｉｏｎ ｏｎ ａｎ ａｔｔｒｉｂｕｔｅ．Ｂｅｃａｕｓｅｔｈｉｓａｌｇｏｒｉｔｈｍｄｏｅｓｎｏｔｂｅｌｏｎｇｔｏｈａｒｄｄｉｖｉｓｉｏｎｂｕｔｂｅｌｏｎｇｔｏａｆｉｎｅｒｍｅａｓｕｒｅｄｍｏｄｅｌ．Ｔｈｕｓ， ｔｈｉｓａｌｇｏｒｉｔｈｍ ｒｅｓｏｌｖｅｓｔｈｅ ａｍｂｉｇｕｉｔｙ ｃｏｎｓｉｓｔｅｄ ｉｎ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄ ｏｆｃｏｎｇｅｓｔｉｏｎ ｄｅｇｒｅｅ ｅｓｔｉｍａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｏｎ ｔｈｒｅｅ ｔｙｐｅｓ ｏｆｄａｔａｂａｓｅｓ ｓｈｏｗ ｔｈ