نیاز روزافزون به نظارت، کنترل و مدیریت هوشمند باعث پیشرفت تحقیقات در حوزه سامانه‌های نظارت تصویری برای مثال در سیستم‌های حمل و نقل هوشمند شده است. با توجه به مقدار زیاد داده‌های این سامانه‌ها، استخراج الگوها و برچسب‌گذاری خودکار آنها از چالش‌های پیش رو است. در این مقاله به منظور آشکار‌سازی و استخراج الگوهای ترافیکی در تقاطع‌ها از مدل موضوعی استفاده گردید به طوری که الگوهای بصری به کلمات بصری تبدیل می‌شوند. ابتدا ویدئوی ورودی به کلیپ‌ها تقسیم می‌شوند. سپس ویژگی‌های شار ‌نوری کلیپ‌ها که مبتنی بر اطلاعات فراوان بردار حرکات محلی هستند، با استفاده از الگوریتم شار نوری محاسبه و به کلمات بصری تبدیل می‌شوند. بعد از آن، با یک مدل موضوعی غیر احتمالی به روش کدگذاری موضوعی تُنُک گروهی، الگوهای ترافیکی به سیستم طراحی‌شده آموزش داده می‌شود. این الگوها، نشان‌دهنده حرکت قابل مشاهده هستند که می‌تواند برای توصیف یک صحنه، با پاسخ به سؤال رفتاری مانند "یک وسیله نقلیه به کجا می‌رود؟" مورد استفاده قرار بگیرند. نتایج پیاده‌سازی روش پیشنهادی بر روی بانک داده ویدئوی QMUL نشان داد که روش پیشنهادی می‌تواند الگوهای معنادار ترافیکی مانند گردش به چپ، گردش به راست و گذر از چهارراه ‏را به درستی آشکار کند و نمایش دهد. Manuscript profile