作者：杜佳颖 隋强强事件检测隐马尔科夫免疫克隆
摘要：针对交通视频事件描述的观测数据与判别状态的非直接关联性,以高速公路上车辆之间的相对速度、距离、位置作为观测物理量,定义异常事件的危险程度作为检测状态,利用隐马尔科夫学习算法,建立了事件特征描述模型（HMM）;针对HMM事件分类界面的非线性问题,利用免疫克隆浓度聚类算法（ICCCA）对事件进行异常/正常优化分类,克服了直接利用HMM阈值分类的方法局限,以及传统分类方法约束条件多,容易陷入局部最小的缺点,能够准确快速地得到全局优化分类结果。采用30段正常视频和70段撞车视频进行测试,比较了HMM阈值、神经网络算法、SVM算法对撞车事件的ROC曲线和计算复杂度,表明所提方法对于高速公路撞车事件优于其他分类算法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
