SF-CNN在驾驶行为识别中的应用研究

• 作者: 张瑶 王忠民 衡霞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 稀疏滤波 卷积神经网络 模式识别 驾驶行为
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 128-132,160
• 页数: 6页
• 分类号: TP391.4
• 字数: 4815字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1701-0196

摘要

为了减少不良驾驶行为的潜在危险,通过智能手机内置传感器对驾驶行为进行实时监测,辅助驾驶者安全驾驶,提出了一种优化特征分布的无监督特征学习算法模型——稀疏滤波-卷积神经网络模型(Sparse Filter-Convo-lutional Neural Network,SF-CNN).该方法利用移动终端在车辆行驶中采集的三轴加速度数据,通过稀疏滤波进行范数联合约束,得到紧凑的初级特征表达,将该表达矩阵作为卷积神经网络首层的输入,进行非线性分类来识别驾驶行为.实验结果表明,稀疏滤波-神经网络的识别模型对驾驶行为具有更高的识别率和鲁棒性,优于传统神经网络模型,对辅助驾驶系统的效能评价有重要的理论意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王忠民	西安邮电大学计算机学院	88	745	14.0	23.0
2	张瑶	西安邮电大学计算机学院	4	8	2.0	2.0
3	衡霞	西安邮电大学计算机学院	9	67	3.0	8.0