基于改进DNN-LSTM算法的车辆前方行人行为识别方法

基于改进DNN-LSTM算法的车辆前方行人行为识别方法

论文摘要

为提高行驶车辆前方行人行为识别精度,提出了基于经验模态分解的深度神经网络与长短时记忆网络相结合的行人行为识别方法;该方法在分析骨架节点表征参数的基础上,采用势能、相对位置、加速度、角加速度作为表征参量描述行人行为,利用经验模态分解可以平滑数据的优点,建立深度神经网络与长短时记忆网络融合的识别模型,实现对车辆前方行人行为的准确识别;采用Weizmann数据集和KTH数据集对该方法有效性检验;结果表明,该方法基于两个数据集对车辆前方行人行为识别准确率分别为98.58%和98%,能够为辅助驾驶系统等提供有效的数据支持。

论文目录

  • 0 引言
  • 1 骨架节点特征提取
  • 2 基于EMD的DNN-LSTM模型
  •   2.1 模型原理
  •   2.2 模型的训练
  • 3 实验结果与分析
  •   3.1 Weizmann数据集
  •   3.2 预处理结果分析
  •   3.3 实验结果分析
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 窦雪婷,王硕,季鑫盛

    关键词: 行为识别,经验模态分解,深度神经网络,长短时记忆网络

    来源: 计算机测量与控制 2019年11期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 汽车工业,计算机软件及计算机应用,自动化技术

    单位: 上海工程技术大学机械与汽车工程学院

    基金: 国家自然科学基金项目(51675324)

    分类号: TP391.41;TP183;U463.6

    DOI: 10.16526/j.cnki.11-4762/tp.2019.11.038

    页码: 175-179

    总页数: 5

    文件大小: 1017K

    下载量: 158

    相关论文文献

    标签:;  ;  ;  ;  

    基于改进DNN-LSTM算法的车辆前方行人行为识别方法
    下载Doc文档

    猜你喜欢