آشکارسازی الگوهای ترافیکی در نظارت تصویری با استفاده از الگوریتم شار نوری و مدل موضوعی

نیاز روزافزون به نظارت، کنترل و مدیریت هوشمند باعث پیشرفت تحقیقات در حوزه سامانه های نظارت تصویری برای مثال در سیستم های حمل و نقل هوشمند شده است. با توجه به مقدار زیاد داده های این سامانه ها، استخراج الگوها و برچسب گذاری خودکار آنها از چالش های پیش رو است. در این مقاله به منظور آشکار سازی و استخراج الگوهای ترافیکی در تقاطع ها از مدل موضوعی استفاده گردید به طوری که الگوهای بصری به کلمات بصری تبدیل می شوند. ابتدا ویدیوی ورودی به کلیپ ها تقسیم می شوند. سپس ویژگی های شار نوری کلیپ ها که مبتنی بر اطلاعات فراوان بردار حرکات محلی هستند، با استفاده از الگوریتم شار نوری محاسبه و به کلمات بصری تبدیل می شوند. بعد از آن، با یک مدل موضوعی غیر احتمالی به روش کدگذاری موضوعی تنک گروهی، الگوهای ترافیکی به سیستم طراحی شده آموزش داده می شود. این الگوها، نشان دهنده حرکت قابل مشاهده هستند که می تواند برای توصیف یک صحنه، با پاسخ به سوال رفتاری مانند "یک وسیله نقلیه به کجا می رود؟" مورد استفاده قرار بگیرند. نتایج پیاده سازی روش پیشنهادی بر روی بانک داده ویدیوی QMUL نشان داد که روش پیشنهادی می تواند الگوهای معنادار ترافیکی مانند گردش به چپ، گردش به راست و گذر از چهارراه ‏را به درستی آشکار کند و نمایش دهد.