留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于语义层次组成的ST-MRF交通事故检测算法

周君,  程琳

downloadPDF
文章导航 > 交通信息与安全  > 2013 >  31(2): 94-99
周君, 程琳. 基于语义层次组成的ST-MRF交通事故检测算法[J]. 交通信息与安全, 2013, 31(2): 94-99. doi: 10.3963/j.issn.1674-4861.2013.02.021
引用本文: 周君, 程琳. 基于语义层次组成的ST-MRF交通事故检测算法[J]. 交通信息与安全, 2013, 31(2): 94-99. doi: 10.3963/j.issn.1674-4861.2013.02.021
shu
ZHOU Jun, CHENG Lin. A Spatio-temporal Markov Random Fields(MRF)Algorithm for Incident Detection[J]. Journal of Transport Information and Safety, 2013, 31(2): 94-99. doi: 10.3963/j.issn.1674-4861.2013.02.021
Citation: ZHOU Jun, CHENG Lin. A Spatio-temporal Markov Random Fields(MRF)Algorithm for Incident Detection[J]. Journal of Transport Information and Safety, 2013, 31(2): 94-99. doi: 10.3963/j.issn.1674-4861.2013.02.021
shu

基于语义层次组成的ST-MRF交通事故检测算法

doi: 10.3963/j.issn.1674-4861.2013.02.021

  • 东南大学交通学院 南京210096

  • 东南大学交通学院 南京210096

基金项目: 

国家自然科学基金项目

详细信息

  • 中图分类号: U491

A Spatio-temporal Markov Random Fields(MRF)Algorithm for Incident Detection

    摘要
  • 摘要: 针对目前大部分交通事故检测算法没有考虑车辆相互遮挡的影响,导致在交通量比较大的情况下,算法运行结果比较差,为了解决这一问题,提出了基于类组成的时空马尔可夫随机场(简称ST-MRF)交通事故检测算法.该方法应用ST-MRF模型进行车辆跟踪,得到车辆的目标地图和运动矢量,获得交通流基本参数,结合安装在道路下游的检测器获得的交通流数据,采用语义层次算法对交通事件进行检测.为了验证算法的准确性,对该算法与仅仅使用基于ST-MRF车辆跟踪的得出的交通流数据来判断事故的发生的算法进行比较,发现本算法检测率要高.通过研究得出:基于语义层次组成的ST-MRF算法能在交通比较拥挤且车辆出现相互遮挡的情况下,准确检测到交通事件.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  323
  • HTML全文浏览量:  82
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 刊出日期:  2013-04-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发