文章详情

摘要

为解决复杂交通环境下尾随车辆行为识别精度低、实时性差的问题，本文提出基于多模态融合与时空聚类的智能分析算法。该算法先通过高清摄像头系统采集车辆多维度数据，再启动三级筛选流程：以车牌完成初始分组，当车辆抓拍次数达到预设阈值（如3次）时，通过特征匹配度模型校验信息一致性，最后采用改进的DBSCAN聚类算法开展轨迹分析。相较于传统人工排查（平均耗时超48小时、漏判率35%），该算法大幅提升了尾随行为识别的效率与精度，且依托硬件与算法协同架构，保障了复杂场景下的鲁棒性，最终为智能交通安防提供了可靠的技术方案。

关键词

尾随车辆检测；多模态特征融合；时空轨迹分析

参考文献

1. [1] 史时喜.基于视频检测的高风险区域门禁防尾随预警 [J].机械设计与制造工程，2021，50（11）：91-97.
2. [2] 张亚姝.基于大数据分析的时空模式识别方法 [J].无线互联科技，2025，22（6）：16-19.
3. [3] 鲍金玉.基于视频分析的车辆智能监测技术研究 [D].北京：北方工业大学，2019.
4. [4] 王桂林，陈晓玲，岳佳豪，等.DBSCAN-SMOTEENN-RF联合算法及在三维地质建模中的应用 [J].地理与地理信息科学，2025，41（3）：19-26.
5. [5] 李哲宇.基于需求精细时空聚类的定制公交路径优化方法 [D].苏州：苏州大学，2025.
6. [6] 湖南师范大学.一种基于多模态时序聚类的工业质量指标测量方法：202510831830.7 [P].2025-12-02.
7. [7] 朱仕梁.基于深度学习的遥感目标检测算法研究及应用 [D].北京：北京信息科技大学，2024.
8. [8] 王明道.面向骨骼序列的人体动作识别技术研究 [D].北京：北京邮电大学，2024.
9. [9] 王腾辉.北斗与5G联合定位方法研究 [D].西安：中国科学院大学（中国科学院国家授时中心），2021.
10. [10] 谢志豪，李国刚.软硬件协同设计的异构CNN加速器 [J].华侨大学学报（自然科学版），2025，46（2）：209-216.

作者简介

林建民（1983—），男，汉族，浙江绍兴人，人工智能工程师，本科，研究方向：人工智能、新材料。