文章提出一种基于深度学习的工业车辆驾驶行为识别的方法。该方法对工业车辆在实际工厂环境中行驶的特点进行分析,将三轴加速度传感器和三轴角速度传感器采集到的数据进行预处理,根据处理结果将数据送入深度神经网络训练,完成对工业车辆驾驶行为的识别。系统先对样本数据使用数据插值、标准化处理等方法进行预处理,通过数据增强算法减少过拟合的影响,再基于长短期记忆网络（LSTM）处理时间序列数据,构建出CNN+LSTM的深度网络模型,用于驾驶行为的识别。测试结果表明,所提模型识别整体准确率可达96.51%,能够准确地识别出工业车辆行驶的状态。
类型: 期刊论文
作者: 李俊杰,邓海勤,高志勇,张勇
关键词: 深度学习,驾驶行为识别,工业车辆
来源: 信息通信技术 2019年01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: 北京邮电大学,爱动超越人工智能科技(北京)有限责任公司
基金: 国家重大专项No.2014ZX03004002
分类号: TP391.41;TP18;U471.1
页码: 26-32+38
总页数: 8
文件大小: 3506K
下载量: 184
本文来源: https://www.lunwen90.cn/article/d21db977e9ff8e9182c7417e.html