基于滑动窗特征融合的深信度网络驾驶行为识别-计算机应用研究.PDFVIP

第３５卷第４期 计 算 机 应 用 研 究 Ｖｏｌ．３５Ｎｏ．４ ２０１８年４月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ａｐｒ．２０１８ 基于滑动窗特征融合的深信度网络驾驶行为识别 王忠民，李　卓，范　琳 （西安邮电大学计算机学院，西安７１０１２１） 摘　要：针对动态突变行为原始信息量较少造成的行为不易区分以及浅层结构分类算法分类正确率较低的问 题，提出一种基于滑动窗特征融合的深信度网络驾驶行为识别算法。采用从手机传感器中获取的三轴加速度数 据进行预处理后，利用端点检测算法确定行为切换点，通过滑动窗实时提取时间序列信息并计算序列片段的时 频域特征，选取有效特征后，融合原始行为信息与特征建立完整时间序列段作为受限玻尔兹曼机的输入，优化预 设参数的多隐层受限玻尔兹曼机对输入端信息的特征进行提取，最终通过深信度网络（ｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ， ＤＢＮ）实现驾驶行为的识别。实验结果表明，改进的滑动窗特征融合的深信度网络驾驶行为识别算法整体识别 率为９８．４％，能有效进行驾驶行为的识别。 关键词：深信度网络；驾驶行为识别；加速度；特征融合；滑动窗 中图分类号：ＴＰ３９１．４　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１８）０４１０９６０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１８．０４．０３０ Ｄｒｉｖｉｎｇｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ ｂａｓｅｄｏｎｓｌｉｄｉｎｇｗｉｎｄｏｗｆｅａｔｕｒｅｆｕｓｉｏｎ ＷａｎｇＺｈｏｎｇｍｉｎ，ＬｉＺｈｕｏ，ＦａｎＬｉｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ’ａｎ７１０１２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｄｒｉｖｉｎｇｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｅａｔｕｒｅｆｕｓｉｏｎｏｆａｃｃｅｌｅｒａｔｉｏｎｄａｔａｆｏｒｄｅｅｐ ｂｅｌｉｅｆｎｅｔｗｏｒｋｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｏｒｉｇｉｎａｌｓｍａｌｌａｍｏｕｎｔｏｆｉｎｆｏｒｍａｔｉｏｎｆｏｒｄｙｎａｍｉｃｍｕｔａｔｉｏｎｂｅｈａｖｉｏｒ，ｄｉｆｆｉｃｕｌｔｔｏｄｉｓ ｔｉｎｇｕｉｓｈｔｈｅｂｅｈａｖｉｏｒａｎｄｔｏｏｋｔｈｅｍａｊｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｓｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎ．Ｉｔｏｂｔａｉｎｅｄｔｈｅｔｈｒｅｅａｘｉｓａｃｃｅｌｅｒａｔｉｏｎｄａｔａ ｆｒｏｍｔｈｅｍｏｂｉｌｅｐｈｏｎｅａｎｄａｆｔｅｒｐｒｅｔｒｅａｔｍｅｎｔｕｔｉｌｉｚｉｎｇｅｎｄｐｏｉｎｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｄｅｔｅｒｍｉｎｅｔｈｅｓｗｉｔｃｈｉｎｇｐｏｉｎｔ，ｔｈｅｔｉｍｅ ｆｒｅｑｕｅｎｃｙｄｏｍａｉｎｆｅａｔｕｒｅｃａｌｃｕｌａｔｅｄｗｈｅｎｔｉｍｅｓｅｒｉｅｓｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｅｄｔｈｒｏｕｇｈａｓｌｉｄｉｎｇｗｉｎｄｏｗｉｎｒｅａｌｔｉｍｅ，ｆｕｓｉｎｇｏｒｉｇｉ ｎａｌｓｉｇｎａｌｓｗｉｔｈｆｅａｔｕｒｅａｓｒｅｓｔｒｉｃｔｅｄＢｏｌｔｚｍａｎｎｍａｃｈｉｎｅ’ｓｉｎｐｕｔ，ｏｐｔｉｍｉｚｅｄｔｈｅｍｕｌｔｉｐｌｅｈｉｄｄｅｎｌａｙｅｒｓｒｅｓｔｒｉｃｔｅｄＢｏｌｔｚｍａｎｎ ｍａｃｈｉｎｅｆｏｒｉｎｐｕｔ’ｓｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ，ａｎｄｔｈｅｎｔｈｒｏｕｇｈｔｈｅＤＢＮｔｏａｃｈｉｅｖｅｒｅｃｏｇｎｉｔｉｏｎ．Ｄｒｉｖｉｎｇｂｅｈａｖｉｏｒｒｅｓｕｌｔｓ ｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｄｒｉｖｉｎｇｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎａｃｃｕ