[發明專利]一種基于視覺特性的GM?HMM預測駕駛行為方法

在審

• 申請號: 201710351618.6
• 申請日: 2017-05-18
• 公開（公告）號: CN107273805A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 劉志強;吳雪剛;倪捷;張騰
• 申請（專利權）人: 江蘇大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/32
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于視覺特性的GM-HMM預測駕駛行為方法，其特征在于，包括如下步驟：

步驟1：對駕駛人的駕駛行為進行分類；

步驟2：對駕駛人興趣視野區域的分布進行劃分；

步驟3：確定駕駛人的視覺表征參數；

步驟4：建立GM-HMM駕駛行為預測模型，并分析GM-HMM駕駛行為預測模型的可信度。

2.根據權利要求1所述的一種基于視覺特性的GM-HMM預測駕駛行為方法，其特征在于，所述步驟1中駕駛人的駕駛行為，分為跟馳、左換道、右換道和超車。

3.根據權利要求1所述的一種基于視覺特性的GM-HMM預測駕駛行為方法，其特征在于，所述步驟2，采用模糊K-means動態聚類算法對駕駛人興趣視野區域的分布進行劃分，然后再采用改進貝塞爾公式的Pauta準則剔除所劃分的各駕駛人興趣視野區域間無明確界限的異常視線點。

4.根據權利要3所述的一種基于視覺特性的GM-HMM預測駕駛行為方法，其特征在于，所述模糊K-means動態聚類算法對駕駛人興趣視野區域的分布進行劃分的具體步驟如下：

步驟2-1：確定駕駛人興趣視野區域數為K個，第i個駕駛人興趣視野區域標記為ω_i，其中1＜K≤N，1≤i≤K,N為駕駛人視線點總個數；

步驟2-2：確定駕駛人視線點X_j從屬于各駕駛人興趣視野區域的隸屬度π_ij；建立初始隸屬度矩陣Π＝[π_ij]，其中i為駕駛人興趣視野區域的區域編號，j為駕駛人視線點的編號；π_ij表示第j個駕駛人視線點X_j對第i個駕駛人興趣視野區域的隸屬度,1≤j≤N；隸屬度矩陣Π第j列表示第j個駕駛人視線點分別對各駕駛人興趣視野區域的隸屬度，隸屬度矩陣Π的每列元素之和為1；

步驟2-3：求各駕駛人興趣視野區域的聚類中心Ο_i(Λ)，其中Λ為迭代次數；

Oi(Λ)=Σj=1N[πij(Λ)]mXj/Σj=1N[πij(Λ)]m]]>

其中，i＝1,2,...,K，m為控制聚類結果模糊程度參數，m≥2；

步驟2-4：計算新隸屬度矩陣Π(Λ+1)，矩陣元素計算如下，

πij(Λ+1)=1/Σp=1K(dijdpj)2/(m-1)]]>

其中，i＝1,2,...,K；j＝1,2,...，N,m≥2；d_ij是完成第Λ次迭代時，第j個駕駛人視線點到第i個駕駛人興趣視野區域聚類中心Ο_i(Λ)的距離；為避免分母為零，特別的，若d_ij＝0，則若p＝i時,π_ij(Λ+1)＝1,若p≠i時,π_ij(Λ+1)＝0；

步驟2-5：回到步驟2-3求聚類中心，重復至收斂，收斂條件為：

maxij{|πij(Λ+1)-πij(Λ)|}≤ϵ]]>

其中ε為收斂參數；當算法滿足收斂條件時，得到駕駛人興趣視野區域的聚類中心Ο_i(Λ)以及表示每個駕駛人視線點對各駕駛人興趣視野區域隸屬程度的隸屬度矩陣Π＝[π_ij]，模糊K-means動態聚類算法到此結束；模糊K-means動態聚類算法中的聚類準則J為：

J=minΣi=1KΣj=1N[πij(Λ+1)]m||Xj-Oi||2]]> 1

步驟2-6：根據新隸屬度矩陣Π(Λ+1)聚類駕駛人視線點，按照隸屬原則進行駕駛人興趣視野區域劃分，即若則X_j∈ω_i，否則其中，

i＝1,2,...,K；j＝1,2,...,N。