Abstract We investigates the performance of deep Convolutional Neural Network (CNN) for recognizing highway traffic congestion state in surveillance camera images. Different from the usual images in ImageNet, images generated by highway surveillance cameras usually have much more extensive range of perspective and thus larger area of background. Therefore the objective road and vehicles are not as prominent as target object in ImageNet images. And also these images from cameras across a large number of highway sites could show a very rich variance of scenes, road configurations. We are very interested to study whether convolutional networks are still reliably able to classify such images, without any special previous processing such as segmentation of objective roads. Two classic convolutional networks, AlexNet and GoogLeNet are employed to classify congestion state. We build a highway imagery dataset using real-life traffic videos to evaluate the CNNs recognition performance. These images cover a wide range of road configurations, times of the day, weather and lighting conditions, and have been labeled with one of the two states, congestion or non-congestion. The experimental results indicate that under the current strategy of feeding images directly into networks, both AlexNet and GoogLeNet can achieve an excellent recognition accuracy of 98% on held-out test samples. And many of the misclassified images turn out to be borderline cases. More results include that scale and perspective in photography could affect the recognition result.

中文翻译：

---

用于识别高速公路交通拥堵的卷积神经网络

摘要 我们研究了深度卷积神经网络 (CNN) 在识别监控摄像机图像中的高速公路交通拥堵状态方面的性能。与 ImageNet 中通常的图像不同，高速公路监控摄像头生成的图像通常具有更广泛的视角范围，因此具有更大的背景区域。因此，目标道路和车辆在 ImageNet 图像中不如目标对象突出。而且这些来自大量高速公路站点的摄像机的图像可以显示出非常丰富的场景和道路配置变化。我们非常有兴趣研究卷积网络是否仍然能够可靠地对此类图像进行分类，而无需任何特殊的先前处理，例如目标道路的分割。两个经典的卷积网络，AlexNet 和 GoogLeNet 用于对拥塞状态进行分类。我们使用现实生活中的交通视频构建高速公路图像数据集来评估 CNN 的识别性能。这些图像涵盖了广泛的道路配置、一天中的时间、天气和照明条件，并标有两种状态之一，拥堵或非拥堵。实验结果表明，在当前将图像直接输入网络的策略下，AlexNet 和 GoogLeNet 在留存的测试样本上都可以达到 98% 的出色识别准确率。并且许多错误分类的图像被证明是边缘情况。更多的结果包括摄影中的比例和视角会影响识别结果。我们使用现实生活中的交通视频构建高速公路图像数据集来评估 CNN 的识别性能。这些图像涵盖了广泛的道路配置、一天中的时间、天气和照明条件，并标有两种状态之一，拥堵或非拥堵。实验结果表明，在当前将图像直接输入网络的策略下，AlexNet 和 GoogLeNet 在留存的测试样本上都可以达到 98% 的出色识别准确率。并且许多错误分类的图像被证明是边缘情况。更多的结果包括摄影中的比例和视角会影响识别结果。我们使用现实生活中的交通视频构建高速公路图像数据集来评估 CNN 的识别性能。这些图像涵盖了广泛的道路配置、一天中的时间、天气和照明条件，并标有两种状态之一，拥堵或非拥堵。实验结果表明，在当前将图像直接输入网络的策略下，AlexNet 和 GoogLeNet 在留存的测试样本上都可以达到 98% 的出色识别准确率。并且许多错误分类的图像被证明是边缘情况。更多的结果包括摄影中的比例和视角会影响识别结果。拥塞或非拥塞。实验结果表明，在当前将图像直接输入网络的策略下，AlexNet 和 GoogLeNet 在留存的测试样本上都可以达到 98% 的出色识别准确率。并且许多错误分类的图像被证明是边缘情况。更多的结果包括摄影中的比例和视角会影响识别结果。拥塞或非拥塞。实验结果表明，在当前将图像直接输入网络的策略下，AlexNet 和 GoogLeNet 在留存的测试样本上都可以达到 98% 的出色识别准确率。并且许多错误分类的图像被证明是边缘情况。更多的结果包括摄影中的比例和视角会影响识别结果。