[发明专利]基于流形学习的交通拥堵事件协同检测方法

权利要求书

1.一种基于流形学习的交通拥堵事件协同检测方法，其特征在于：该方法包括训练学习过程、事件检测过程和反馈过程，所述训练学习过程按如下步骤进行：

步骤1.1：对交通拥堵等级类别进行定义，并采集对应于各交通拥堵等级类别的典型图像形成交通拥堵事件训练图集；

步骤1.2：对所述各交通拥堵事件训练图集进行纹理转换，生成交通拥堵事件纹理图集；

步骤1.3：对所述交通拥堵事件纹理图集进行流形降维处理，得到降维纹理图集；

步骤1.4：对应于各交通拥堵等级类别，根据降维纹理图集进行原型模式选择，得到事件分类原型集和基于所述事件分类原型集的流形协同检测模型；

所述事件检测过程按如下步骤进行：

步骤2.1：实时采集交通视频帧图像；

步骤2.2：对各帧图像进行纹理转换，得到实时纹理图；

步骤2.3：对所述实时纹理图进行流形降维处理，得到实时降维纹理图；

步骤2.4：将所述实时降维纹理图送入所述流形协同检测模型进行交通拥堵事件分类检测，得到相关的检测结果及相关参数；

所述反馈过程按如下步骤进行：

比较相邻帧图像的检测结果，若检测结果未出现突变，则将实时降维纹理图信息叠加进其所属类别的事件分类原型，以更新原型模式，并用更新后的原型模式来识别下一个实时采集且经过纹理转换和流形降维的待检测样本；否则，反馈错检的实时降维纹理图，修正相应的事件分类原型。

2.根据权利要求1所述的基于流形学习的交通拥堵事件协同检测方法，其特征在于：在步骤2.4的交通拥堵事件分类检测中，原型模式的选择方法为：在同类别样本中选择不同形态的多个原型，作为该类别的原型集，将待检测样本首先与原型集中各原型进行相似匹配竞争，取最大相似的原型作为最优原型输出，然后再将待检测样本分别与各类别的最优原型进行相似匹配，以最大相似结果作为分类结果。