基于改进DNN-LSTM算法的车辆前方行人行为识别方法

• 作者: 季鑫盛 王硕 窦雪婷
• 来源期刊: 计算机测量与控制
• 关键词: 行为识别 经验模态分解 深度神经网络 长短时记忆网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 设计与应用
• 页码范围: 175-179
• 页数: 5页
• 分类号: TP3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.11.038

摘要

为提高行驶车辆前方行人行为识别精度,提出了基于经验模态分解的深度神经网络与长短时记忆网络相结合的行人行为识别方法;该方法在分析骨架节点表征参数的基础上,采用势能、相对位置、加速度、角加速度作为表征参量描述行人行为,利用经验模态分解可以平滑数据的优点,建立深度神经网络与长短时记忆网络融合的识别模型,实现对车辆前方行人行为的准确识别;采用Weizmann数据集和KTH数据集对该方法有效性检验;结果表明,该方法基于两个数据集对车辆前方行人行为识别准确率分别为98.58％和98％,能够为辅助驾驶系统等提供有效的数据支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	窦雪婷	上海工程技术大学机械与汽车工程学院	2	0	0.0	0.0
2	王硕	上海工程技术大学机械与汽车工程学院	3	0	0.0	0.0
3	季鑫盛	上海工程技术大学机械与汽车工程学院	3	0	0.0	0.0