基于深度学习的工业车辆驾驶行为识别

• 作者: 张勇 李俊杰 邓海勤 高志勇
• 来源期刊: 信息通信技术
• 关键词: 深度学习 驾驶行为识别 CNN+LSTM 工业车辆
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 研究与开发
• 页码范围: 26-32,38
• 页数: 8页
• 字数: 4072字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1285.2019.01.005

摘要

文章提出一种基于深度学习的工业车辆驾驶行为识别的方法.该方法对工业车辆在实际工厂环境中行驶的特点进行分析,将三轴加速度传感器和三轴角速度传感器采集到的数据进行预处理,根据处理结果将数据送入深度神经网络训练,完成对工业车辆驾驶行为的识别.系统先对样本数据使用数据插值、标准化处理等方法进行预处理,通过数据增强算法减少过拟合的影响,再基于长短期记忆网络(LSTM)处理时间序列数据,构建出CNN+LSTM的深度网络模型,用于驾驶行为的识别.测试结果表明,所提模型识别整体准确率可达96.51％,能够准确地识别出工业车辆行驶的状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张勇		55	252	9.0	13.0
2	李俊杰		6	68	2.0	6.0