[发明专利]基于流形学习的交通拥堵事件协同检测方法

摘要

本发明涉及交通状态智能识别技术领域，特别是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，训练学习过程为：采集各交通状态典型图像形成交通拥堵事件训练图集，进行纹理转换和流形降维处理后，进行原型模式选择，得到事件分类原型集和流形协同检测模型；事件检测过程为：实时采集交通视频帧图像，进行纹理转换和流形降维处理后，送入流形协同检测模型进行交通拥堵事件分类检测，得到检测结果；反馈过程为：比较相邻帧图像的检测结果，根据检测结果突变情况，更新或修正相应的事件分类原型。该方法不仅有利于提高交通拥堵事件的检测准确率，而且具有较强的鲁棒性，使用效果好。

主权项

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。