背景提升丨国内科研-交通视频异常检测关键技术研究

　　计算机科学

　　一封专属导师推荐信

　　一封完整的科研报告

　　一次完整的科研经历

　　【计算机科学】

　　交通视频异常检测关键技术研究

　　1、项目介绍

　　正式科研：1v1线上定制辅导

　　项目收获：科研报告、导师推荐信

　　科研补充包：48课时科研基础课+15课时学术写作基础课

　　2、涉及领域

　　本课题涉及到图像处理 | 深度学习 | 视频处理 | 异常检测 等方面的知识，适合申请深度学习 | 计算机视觉 | 多媒体 | 人工智能 | 模式识别 | 计算机科学等相关专业的学生

　　3、适合人群

　　有意提高自身知识水平及学术能力的学生

　　有意掌握最前沿科研热点及科研方法的学生

　　有留学意向、跨专业深造的学生

　　4、研究前沿性

　　近年来，随着人工智能技术的飞速发展，通过融合计算机视觉和物联网等技术，智慧交通正在不断取代人力，以自动、高效的方式提高城市交通的通行质量。其中，基于视频监控的城市道路交通异常检测，成为智慧交通领域的一项重要且极具挑战性的任务。该任务通过不间断获取城市道路交通监控视频信息，并将这些数据送入计算机视觉处理模型中，计算出交通异常信号并报告其发生的准确时间，进而将信息反馈给救援与事故处理人员，可以在节约人力成本的同时，提高事故响应速度。因此，研究完备的交通视频异常检测算法具有重要意义。

　　5、研究介绍

　　本项目基于深度学习方法，构建一个全面的基于视频监控的城市交通异常检测框架，并对当前具有代表性的交通异常检测算法，进行探索和改进。通过该项目，学生可以全面了解视频内容分析、异常检测、生成式人工智能等相关领域的基础知识、经典模型和研究进展。首先学习常见的基于规则的和基于未来帧预测的异常检测方法;然后通过实验比较不同方法，对于异常检测的性能和优缺点;最后对现有方法进行分析和改进。

　　6、课题要点

　　课题研究方法

　　文献阅读、实验设计、数据处理、算法改进、性能测试与分析、文档写作

　　课题难点需要较强的计算机基础知识和编程动手能力，具备使用PyTorch等深度学习框架进行模型搭建的经验

　　7、1v1定制化辅导参考任务

　　任务一

　　掌握查阅文献和研究方法

　　· 掌握查阅文献和面向文献学习的方法;

　　· 掌握文献管理的方法;

　　· 通过查阅文献，学习该方向的研究热点和方向;

　　· 掌握快速提炼文献重要信息的方法。

　　任务二

　　学习视频处理和分析算法

　　· 阅读文献，了解常见的视频序列模型，如LSTM、Transformer等;

　　· 了解常见的异常检测算法。

　　任务三

　　掌握视频异常检测算法

　　· 熟悉基于预定义规则和基于未来帧预测的视频异常检测方法;

　　· 通过实例分析对比不同方法的优缺点。

　　任务四

　　通过算法实现和实验，研究对比不同方法的性能

　　· 总结现有方法的工作机理和适合的工作场景;

　　· 通过复现相关算法和实验对比不同方法的性能。

　　任务五

　　模型分析与提高

　　· 分析前期实验结果，总结不同模型的具体性能;

　　· 针对发现的问题和不足进行模型改进和提高，例如如何处理标注数据不足的问题等。

　　任务六

　　项目收尾

　　· 撰写整体报告;

　　· 准备一次20~30分钟的presentation。

　　(以上任务仅供参考，实际辅导根据定制化要求展开)