《基于手机惯性传感器与多特征CNN的驾驶行为识别算法》PDF+DOC
作者:谢非,汪壬甲,沈世斌,孙蕊,张斌,刘锡祥
单位:中国惯性技术学会
出版:《中国惯性技术学报》2019年第03期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFZGXJ2019030020
DOC编号:DOCZGXJ2019030029
下载格式:PDF + Word/doc 文字可复制、可编辑
《融合深度图像的卷积神经网络语义分割方法》PDF+DOC2018年第05期 王孙平,陈世峰
《基于贝叶斯模型的驾驶行为识别与预测》PDF+DOC2018年第03期 王新胜,卞震
《基于深度卷积和门控循环神经网络的传感器运动识别》PDF+DOC2020年第01期 王震宇,张雷
《基于RBF神经网络的跌倒检测算法研究》PDF+DOC2019年第11期 王晓雷,李栋豪,郑晓婉,娄泰山,丁国强,焦玉召,赵红梅
《基于卷积神经网络的人体步态识别算法研究》PDF+DOC2020年第19期 陈法权,樊军
《基于特征自动提取的跌倒检测算法》PDF+DOC2018年第12期 胡双杰,秦建邦,郭薇
《基于卷积神经网络与注意力模型的人体步态识别》PDF+DOC2019年第07期 汪涛,汪泓章,夏懿,张德祥
《围栏的人类活动识别优化算法》PDF+DOC2019年第01期 胡科路,王营冠
《PSO-BP网络模型在温室数据融合中的应用研究》PDF+DOC2008年第12期 张酉军,熊伟丽,张林,徐保国
《广义神经网络在联体秤台中的应用》PDF+DOC2013年第05期 张建新
不良驾驶行为识别对于减少交通事故的发生及实现智能交通具有重要意义。针对目前驾驶行为识别精度不高及系统稳定性不好问题,提出了一种基于多特征卷积神经网络和智能手机惯性传感器的新型驾驶行为识别方法。通过获取手机惯性传感器数据,利用多特征卷积神经网络对数据集进行特征提取和分析,来实现对多种驾驶行为的识别。最后,利用实际采集的车载数据进行不同方法试验对比,该算法对驾驶行为的分类精度达到97.14%,在识别精度上有一定优势。此外,MFCNN测试结果的方差仅为0.014 391,小于其它3种网络模型,可见所研究的网络模型及方法更加稳定可靠。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。