《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：A training-free, physics-based framework for ego-centric spatio-temporal traffic accident localization
编辑推荐：
•我们为包含事故的车载摄像头视频定义了碰撞车辆识别与定位（CVIL）任务，旨在确定碰撞时间、识别涉及车辆，并在事故发生后定位其空间位置。•我们提出了一个无需训练、基于物理原理的CVIL框架，该框架利用运动和几何线索，而不需要特定于事故的训练数据。•我们开发了一种从粗到细的流程，整
- •
我们为包含事故的车载摄像头视频定义了碰撞车辆识别与定位（CVIL）任务，旨在确定碰撞时间、识别涉及车辆，并在事故发生后定位其空间位置。
- •
我们提出了一个无需训练、基于物理原理的CVIL框架，该框架利用运动和几何线索，而不需要特定于事故的训练数据。
- •
我们开发了一种从粗到细的流程，整合了流动波动分析、空间尺度滤波和基于3D距离的评分方法，以实现时间定位、车辆识别和空间定位。
- •
我们在两个真实世界的车载摄像头数据集上评估了该框架，并证明了其在无需额外训练的情况下进行CVIL的有效性。
引言
交通事故还可能导致严重的二次碰撞，这些二次碰撞占报告事故的10-15%，在州际高速公路上甚至高达45%，部分原因是紧急救援响应延迟（Motagi等人，2023年；Pecheux等人，2023年）。车载摄像头日益普及，为事故后分析提供了宝贵的视觉信息。然而，在碰撞发生后，有效的事故调查需要确定碰撞发生的时间、涉及的车辆以及车辆的位置。现有的基于视频的事故分析方法主要集中在检测异常事件或跟踪车辆上，但它们通常不会同时确定这些与碰撞相关的方面。
现有的方法并不能直接提供进行详细碰撞分析所需的信息。视频异常检测（VAD）技术（Bogdoll等人，2024年；Fang等人，2022年；Hasan等人，2016年；Le等人，2025年；Le和Kim，2023年；Liao等人，2024a年；Qiu等人，2025年）可以识别视频中的异常时间模式，但它们并非专为确定碰撞中的具体车辆而设计。多目标跟踪（MOT）方法（Maggiolino等人，2023年；Zhang等人，2022年）可以维护车辆轨迹，但并不能直接指出哪些车辆参与了碰撞。此外，数据驱动的事故分析方法通常需要大规模的分类事故数据集，而现实世界中的碰撞事件很少见、多样且难以收集，这限制了它们对新场景的适应性（Banerjee等人，2024年；Liao等人，2024b年）。因此，一种能够在不依赖特定于事故的注释的情况下定位包含事故视频中的碰撞相关信息的方法仍然非常受欢迎。图1总结了这种任务层面的差异。
为应对这些挑战，我们引入了碰撞车辆识别与定位（CVIL），这是一个针对包含两车碰撞的事载摄像头视频设计的目标。与传统的事故检测任务不同，CVIL专注于在事故发生后定位与碰撞相关的信息，包括碰撞时间、涉及车辆及其空间位置。为了实现这一目标而无需依赖特定于事故的训练数据，我们提出了一种无需训练、基于物理原理的框架，该框架利用了从光流（Teed和Deng，2020年）、单目深度估计（Yang等人，2024a年）和多目标跟踪（Zhang等人，2022年）获得的运动和几何信息。该框架首先通过分析车辆引擎盖上的突然运动变化来定位潜在的碰撞时间窗口，然后根据空间和时间一致性过滤掉无关车辆，最后使用基于3D距离的评分方法识别碰撞车辆。通过结合运动和几何线索而无需额外训练，所提出的框架为包含事故的车载摄像头视频中的碰撞相关信息定位提供了实用的解决方案。
我们的贡献总结如下：
1.我们为包含事故的车载摄像头视频定义了碰撞车辆识别与定位（CVIL）任务，旨在确定碰撞时间、识别涉及车辆，并在事故发生后定位其空间位置。
2.我们提出了一种无需训练、基于物理原理的CVIL框架，该框架利用运动和几何线索，而不需要特定于事故的训练数据。
3.我们开发了一种从粗到细的流程，整合了流动波动分析、空间尺度滤波和基于3D距离的评分方法，以实现时间定位、车辆识别和空间定位。
4.我们在两个真实世界的车载摄像头数据集上评估了该框架，并证明了其在无需额外训练的情况下进行CVIL的有效性。
章节片段
从车载摄像头视频中理解交通事故
从车载摄像头视频中理解交通事故已被广泛研究，用于检测异常驾驶事件和分析与碰撞相关的信息。早期研究主要遵循视频异常检测（VAD）范式，其中模型学习正常驾驶模式并将偏差识别为潜在事故。基于重建的方法，如Conv-AE（Hasan等人，2016年）和ConvLSTM-AE（Chong和Tay，2017年），通过测量重建误差来检测异常事件
方法论
我们的框架通过一个无需训练的碰撞相关信息定位流程处理车载摄像头视频。它将原始视频转换为碰撞三元组，而无需特定于事故的训练数据。如图2所示，该框架首先提取场景深度信息和车辆轨迹以捕捉几何和时间特征。然后，它通过分析车辆自身区域内的运动变化来检测潜在的碰撞时刻
数据集
我们在三个公开的车载摄像头数据集上评估了我们的框架：CCD（Bao等人，2020a年）、DoTA（Yao等人，2022年）和CADD（Shen和Wu，2025年）。由于CVIL关注的是涉及自身车辆的碰撞，我们选择了包含两车碰撞事件且有碰撞时间和涉及车辆注释的视频。所选子集的统计信息总结在表1中。
汽车碰撞数据集（CCD）（Bao等人，2020a年）包含1500个碰撞视频。我们选择了580个涉及
结论
本文介绍了碰撞车辆识别与定位（CVIL）任务，并提出了一个无需训练、基于物理原理的框架，用于在包含事故的车载摄像头视频中定位碰撞相关信息。通过结合运动分析和3D几何推理，所提出的框架能够定位碰撞时刻、识别涉及车辆并使用明确的运动和几何线索确定其空间位置。在多个真实世界数据集上的实验表明
资金支持
本工作得到了中国国家自然科学基金（项目编号62572166和62402157）、中央高校基本科研业务费（项目编号JZ2025HGTB0219）以及中央政府指导的地方科技发展专项资金—高水平新型研发机构（项目编号202407a12020002）的支持。
CRediT作者贡献声明
沈云飞：撰写——原始草案。李文静：撰写——审阅与编辑。张军：资源整理。吴忠成：指导。
沈云飞|李文静|张军|吴忠成
