作品详情

大赛登录

大赛注册

当前位置：首页大赛首页智途守护：深度学习驱动的车辆轨迹异常检测系统

大赛简介

大赛作品

大赛动态

联系我们

联系人：王秀秀

电话：010 -66083178

网址：www.qxwq.org.cn　

地址：北京市西城区广安门

内广义街5号广益大厦

大赛作品详情

作品名称：智途守护：深度学习驱动的车辆轨迹异常检测系统
学校名称：山东科技大学
参赛队伍：智途守护
队伍编号：217284
参赛学生：霍义康刘明凯王浩宇
指导老师：宋作玲
投票日期：2025年10月10日 00:00->2025年12月15日 00:00
请在微信端进行投票。点此扫描二维码。

详细说明

“智途守护”作品简介

项目名称：智途守护 —— 深度学习驱动的多模态车辆轨迹异常检测系统

项目概述：

“智途守护”是一个基于前沿计算机视觉与深度学习技术的智能交通分析系统。该项目旨在利用广泛部署的道路监控摄像头，自动、实时地检测车辆在行驶过程中的异常行为，从而辅助交通管理，提升道路安全与通行效率。

核心目标

构建一个高效、准确的车辆异常行为检测系统，能够精准识别违章停车、逆行、违章压线和超速行驶四种典型异常行为，目标检测准确率≥95%，以满足实际交通管理场景的需求。

技术亮点与创新

全自动摄像机标定：

创新性地提出了一种基于消失点的摄像机自标定算法。该算法利用交通场景中固有的平行与垂直线条（如车道线、车辆边缘），通过级联霍夫变换估计消失点，无需人工放置标定物即可自动完成相机参数标定，为后续三维信息恢复奠定基础。

高性能车辆检测与跟踪：

检测：对YOLOv8模型进行深度优化，打造YOLOv8-SimAM轻量级车辆检测算法。通过引入FasterNet主干网络、SimAM无参数注意力机制、新增小目标检测头以及优化损失函数（Wise-IoU），在保证速度的同时，显著提升了车辆（尤其是远处小目标车辆）的检测精度。

跟踪：在DeepSort算法基础上，提出A-DeepSort车辆跟踪算法。通过融合AKAZE局部特征匹配与卡尔曼滤波预测，有效解决了因遮挡、快速运动导致的目标身份ID跳变问题，生成了更连续、稳定的车辆轨迹。

精准的轨迹分析与异常识别：

通过透视变换生成俯视空间，消除了监控视角带来的畸变，使车辆轨迹更符合真实世界的地理空间关系。

采用Cascade-LD网络精准检测车道线。

创新性地使用车辆底边中心点及两个端点（而非单一质点）来表征车辆轨迹，构建了基于多点轨迹的车辆行为模型，能够精细地判断车辆是否压线、停车、逆行或超速。

系统价值与应用前景

提升管理效率：变传统“人工事后查证”为“系统实时预警”，极大减轻了交管部门的工作负荷。

增强安全保障：对高风险驾驶行为进行即时发现与警示，有助于预防和减少交通事故的发生。

技术普适性强：系统对硬件要求友好，可部署于现有监控基础设施，具备大规模推广应用的潜力。

为智慧城市赋能：作为智能交通系统（ITS）的核心组成部分，为城市交通的数字化、智能化管理提供了强有力的技术支撑。

“智途守护”系统通过一套完整、创新的技术链条，实现了从视频输入到异常行为告警的全流程自动化，是计算机视觉技术在智慧交通领域的一次成功实践。