中文摘要：

在人口密集的大城市，交通管理和行车安全是备受关注的问题。虽然视频监控系统已经被广泛应用于交通管理，但是大部分现有系统不具有智能性，依靠人工浏览海量视频数据搜索信息。随着城市规模的迅速扩展，我国迫切需要开发智能视频监控系统以节省巨大的人力资源，有效提取信息，及时响应突发事故，预警危险活动。这类产品在我国的潜在市场规模特别巨大。但目前尚未有成熟产品出现。 本项目旨在研究和开发用于交通管理的智能视频监控系统。该系统可自动检测行人和车辆的各种活动，识别不同的交通状态，提供不同时间段的各种交通统计信息，检测危险活动并发出警告讯息。这些功能在交通控制，道路设计,节约能源和行车安等全方面有着重要应用。该系统最突出的特点是在拥挤混乱的场景下依然可以很好的工作，并实现了完全自动化。项目的研究成果将推动新一代智能视频监控系统的开发。

结论摘要：

本项目针对拥挤复杂场景中智能视频视频监控的若干重要问题进行了深入研究，并用于智能交通管理。研究内容主要包括对车辆和行人进行自动监测、跟踪和行为分析。我们提出了一系列新方法和新模型，主要包括（1）用于车辆与行人行为分析的双重分层狄利克雷过程模型；（2）基于轨迹片断和随机场的物体行为分析模型；（3）基于贝叶斯主体模型的一致性群体行为分析方法；（4）用于群体运动模式检测的相干滤波器；（5）基于群体流行度量群体行为的一致性和混乱程度；（6）基于物体运动模型和场景语义分割的车辆计数；（7）利用字典学习在复杂场景下对运动物体分割；（8）基于深度学习的物体检测；（9）基于迁移学习的物体检测；（10）基于显著性区域的跨摄像头物体匹配与跟踪；（11）基于迁移学习的跨摄像头物体匹配与跟踪。 基于以上成果，我们已经发表了25篇论文，其中（1）一流国际期刊5篇(IEEE Transactions on Pattern Analysis and Machine Intelligence(PAMI), IEEE Transactions on Intelligent Transportation Systems, Pattern Recognition, Pattern Recognition Letters, EURASIP Journal on Image and Video Processing)；（2）一流国际会议19篇(IEEE Conf. on Computer Vision and Pattern Recognition (CVPR)，IEEE Int’l Conf. Computer Vision (ICCV), European Conf. Computer Vision)；（3）二流国际会议1篇（Asian Conf. Computer Vision）。 我们的成果超过了13篇国际一流刊物和会议论文的主要指标，也完成了项目其它指标提出用于交通场景分析的模型，算法，实验评估和建立视频数据库。