融合递进式域适应和交叉注意力的事故检测方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（6）349

融合递进式域适应和交叉注意力的事故检测方法

12+11

张奇，周威，胡伟超，于鹏程

1.公安部道路交通安全研究中心，北京100062

2.东南大学交通学院，南京211189

+通信作者E-mail：vvgod@

摘要：道路交通事故是导致财产损失、人员伤亡和交通拥堵的主要原因之一。快速准确地检测事故对于提高应急

救援速度和降低人员伤亡率至关重要。近年来，基于视觉的事故检测方法成为主流，且随深度学习技术的应用取得

了显著进展。然而，现有方法应用于国内监控场景时存在精度不高的问题，主要原因是用于模型训练的开源数据与

国内监控事故视频数据间存在较大的域偏移。为了避免重新构建并标注一个大型国内监控事故数据集的繁琐性，

提出了一种域适应双流网络，充分利用现有开源事故数据集实现面向国内监控场景的道路事故检测。具体地提出

了一种“由粗到细”递进式域适应方法，指导模型以捕捉域不变事故外观特征。构建交叉注意力融合网络实现外观

特征和运动特征的关联与交互，缓解因场景差异导致的特征偏差问题。实验结果表明，所提方法在国内监控场景下

取得了较高的检测性能，验证了其有效性和可靠性。有望为提升人民生命安全和交通效率提供了重要的技术支持。

关键词：智能交通；计算机视觉；事故检测；域适应双流网络

文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.2311-0109

AccidentDetectionMethodIntegratingProgressiveDomainAdaptationandCross-Attention

12+11

ZHANGQi,ZHOUWei,HUWeichao,YUPengcheng

1.RoadTrafficSafetyResearchCenteroftheMinistryofPublicSecurity,Beijing100062,China

2.SchoolofTransportation,SoutheastUniversity,Nanjing211189,China

Abstract：Roadtrafficaccidentsareoneofthemajorcausesofpropertydamage,casualties,andtrafficcongestion.Rapid

andaccuratedetectionofaccidentsiscrucialforimprovingemergencyresponsespeedandreducingthefatalityrate.In

recentyears,vision-basedaccidentdetectionmethodshavebecomethemainstream,achievingsignificantprogress

throughtheapplicationofdeeplearningtechniques.However,existingmethodssufferfromlowaccuracyindomestic

surveillancescenesduetosignificantdomainshiftbetweentheopen-sourcetrainingdataanddomesticsurveillance

accidentvideodata.Toavoidthelaborioustaskofconstructingandannotatingalarge-scaledomesticsurveillance

accidentdataset,thispaperproposesadomainadaptationdual-streamnetworkt