基于深度学习的高速公路异常交通事件实时检测方法

摘要

针对高速公路监控场景中的微小异常目标受背景杂波掩盖导致的漏报问题，本文提出了一种基于注意力机制的多尺度特征增强实时检测方法。构建内嵌空间的注意力模块，改进特征金字塔网络，通过自适应抑制路面纹理杂波并聚焦显著性区域，提升目标表征能力。设计动态阈值判定策略，优化小目标置信度计算方法。在某高速公路开展的实验结果表明：在雨雾及夜晚等低照度天气情况下，本方法对车辆抛锚、路面散落物的检测准确率高达94.4%。研究成果提高了智能交通的感知水平，为避免二次事故的发生提供了技术参考。

关键词

深度学习 / 异常交通事件检测 / 注意力机制 / 特征金字塔网络 / 实时检测

基金资助

甘肃省交通运输厅2025年兰州市科研项目“G212线七道梁连续纵坡路段交通运行风险识别与监测技术研究”(2025-42)