陆林东 张伟伟

（上海工程技术大学 上海 201620）

1 引言

随着智能交通系统的发展，监控视频下的交通流量、违章检测和交通事故检测等取得了巨大的成就。由于交通事故检测算法在智能交通系统中扮演重要的角色，因此也推动了研究人员对事故自动检测的研究。

在过去的研究工作中，通常利用视频图像处理来开发事故自动检测的方法。主要分析车辆活动，提取相关车辆的方向和加速度等运动特征来识别车辆运动中的安全状态。Chen Y［1］利用OF-SIFT算法以提取运动特征并使用ELM分类器对交通事故进行分类。刘纬琪［2］提出OBB算法使车辆生成二维包围盒投影在地面上，检测不同车辆的包围盒是否相交判断碰撞状态。刘松［3］建立了基于相干运动场的车辆相互作用模型。梁帅［4］构建了一个双高斯模型的交通事故检测框架。Singh D［5］提出了一种基于堆叠式自动编码器（SAE）的深度学习体系结构模型，自动学习时空因果关系，在此基础上建立了不均匀扩散模型，用于分析不同时段不同区域的交通异常。Hui Z［6］通过基于混合高斯模型的背景建模并使用均值漂移算法实现车辆的跟踪。Yun K［7］利用运动交互场（MIF）的对称性来检测和定位交通事故。Mo X、Wang J、Xia L M［8～10］在视频异常检测中，采用了稀疏重建技术。

不同于现有方法，本文引入了一个深度学习框架来检测与跟踪车辆的外观和运动特征。当交通事故发生时，车辆的姿态和运动状态的突变是事故检测的关键特征。因此本文在输入的监控视频中通过三维物体检测与跟踪算法映射整个过程的三维姿态和轨迹的运动状态。……