[發明專利]一種基于卷積神經網絡的駕駛行為識別系統的搭建方法

在審

• 申請號: 201810959518.6
• 申請日: 2018-08-22
• 公開（公告）號: CN109214438A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 龍小輝;嚴岳欣
• 申請（專利權）人: 重慶信絡威科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 曾太平

1.一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，依次進行以下步驟：

A、采集駕駛行為樣本數據；

B、數據濾波，分析駕駛行為樣本數據中的噪聲組成，通過濾波器對數據進行濾波，消除噪聲對系統的影響；

C、數據格式規整，將濾波后的駕駛行為樣本數據規整成m×n的矩陣，以滿足卷積神經網絡的輸入要求；

D、駕駛行為識別，將規整后的駕駛行為樣本數據矩陣輸入到卷積神經網絡，對樣本數據矩陣進行池化采樣，首先執行1×2的池化，池化的具體操作就是以1×2的窗口在m×n的特征層進行步長1×2的移動，每次取窗口中的最大值作為輸出得到的池化層輸出，而后執行1×3的池化，池化的具體操作就是以1×3的窗口在的特征層進行步長1×3的移動，每次取窗口中的最大值作為輸出得到的池化層輸出，最后輸出駕駛行為種類；

E、通過卷積神經網絡對駕駛行為進行訓練，完成整個駕駛行為識別系統的搭建。

2.根據權利要求1所述的一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，所述步驟A中的駕駛行為樣本數據包括加速度數據和角速度數據。

3.根據權利要求1所述的一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，所述步驟B中的濾波器為低通濾波器。

4.根據權利要求1所述的一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，所述步驟D中的卷積神經網絡包括輸入層、卷積層一、卷積層二、全連接層一、全連接層二和輸出層。

5.根據權利要求1所述的一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，所述步驟D中的卷積神經網絡中，Batch值為64。

6.根據權利要求1所述的一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，所述步驟D中的卷積神經網絡中，采用采用ReLU作為激活函數。

7.根據權利要求1所述的一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，采用交叉熵函數作為損失函數。

8.根據權利要求1所述的一種基于卷積神經網絡的駕駛行為識別系統的搭建方法，其特征在于，所述步驟E中：通過卷積神經網絡對駕駛行為進行訓練，采用隨機梯度優化的方式進行訓練。