本文關(guān)鍵詞：基于智能手機的車輛行為實時判別與漸進矯正方法研究　出處：《計算機科學》2017年03期 　論文類型：期刊論文

  更多相關(guān)文章： 車輛行為識別 SVM 實時判別

【摘要】：目前基于智能手機的車輛行為識別算法存在著魯棒性較差、識別率較低、無法應(yīng)用于實時行駛判斷等問題。針對上述問題,提出了基于智能手機的車輛行為實時判別與漸進矯正方法,以提高車輛行為識別的準確率和實時性。該方法利用車輛行為發(fā)生時存在的漸進變化數(shù)據(jù)來進行車輛行為的識別與漸進矯正分類,并通過采集過程數(shù)據(jù)作為分類器訓練樣本,提高支持向量機(SVM)分類器的車輛行為識別和預測能力。同時,針對傳統(tǒng)滑動窗口檢測的局限性,該方法采用了端點檢測算法,從而能快速地從車輛行駛數(shù)據(jù)中截取并識別行為軌跡信息,以減少車輛行為的誤判。實驗結(jié)果表明,基于時間分段矯正的行為識別算法能夠有效地對車輛行為進行預測,并最終達到較高的識別率,證明了該方法的有效性。
[Abstract]:At present, the vehicle behavior recognition algorithm based on smart phone has some problems, such as poor robustness and low recognition rate, which can not be applied to real-time driving judgment and so on. A method of real-time discrimination and progressive correction of vehicle behavior based on smart phone is proposed. In order to improve the accuracy and real-time of vehicle behavior recognition, the method uses the progressive change data when the vehicle behavior occurs to identify and classify the vehicle behavior. Through collecting process data as classifier training samples to improve the support vector machine (SVM) classifier vehicle behavior recognition and prediction ability. At the same time, aiming at the limitations of traditional sliding window detection. The endpoint detection algorithm is used in this method, which can quickly intercept and identify the behavior track information from the vehicle driving data, in order to reduce the misjudgment of the vehicle behavior. The experimental results show that. The behavior recognition algorithm based on time segment correction can effectively predict the vehicle behavior and achieve a higher recognition rate, which proves the effectiveness of the method.
【作者單位】： 浙江工業(yè)大學計算機科學與技術(shù)學院;
【基金】：浙江省重大科技專項重大工業(yè)項目(2013C01112)資助
【分類號】：U495;TN929.53
【正文快照】： 到稿日期:2016-02-29返修日期:2016-05-30本文受浙江省重大科技專項重大工業(yè)項目(2013C01112)資助。1引言隨著車聯(lián)網(wǎng)研究的不斷推進,車輛行為識別技術(shù)作為智能交通領(lǐng)域中場景理解的重要內(nèi)容,成為車輛檢測和跟蹤之外的又一研究熱點。車輛行為識別主要通過學習運動車輛的行為模

【相似文獻】

相關(guān)期刊論文 前10條

1 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測模型的多人行為識別[J];清華大學學報(自然科學版);2009年07期

2 曾青松;余明輝;賀衛(wèi)國;李玲;;一種行為識別的新方法[J];昆明理工大學學報(理工版);2009年06期

3 徐勤軍;吳鎮(zhèn)揚;;視頻序列中的行為識別研究進展[J];電子測量與儀器學報;2014年04期

4 田國會;尹建芹;韓旭;于靜;;一種基于關(guān)節(jié)點信息的人體行為識別新方法[J];機器人;2014年03期

5 陳嫣;;兩級融合系統(tǒng)中目標身份與行為識別技術(shù)[J];火力與指揮控制;2011年09期

6 張麗霞;;人體異常行為識別在電力生產(chǎn)中的應(yīng)用[J];生物技術(shù)世界;2013年03期

7 肖保英;孫湘明;;探析城市精神與城市行為識別的互動性[J];藝術(shù)與設(shè)計(理論);2007年01期

8 司文慧;魏建平;;基于投影和質(zhì)心運動特征的人體行為識別算法[J];山東交通學院學報;2010年04期

9 谷利;;視頻監(jiān)控的新軍——智能化行為識別[J];智能建筑;2005年10期

10 宋堅;關(guān)于設(shè)計與市場的講座[J];昆明大學學報;1999年02期

相關(guān)會議論文 前7條

1 苗強;周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術(shù)研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強;劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

4 黃紫藤;吳玲達;;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

5 安國成;羅志強;李洪研;;改進運動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用研究[A];2013年全國通信軟件學術(shù)會議論文集[C];2013年

7 劉威;李石堅;潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

相關(guān)重要報紙文章 前4條

1 李晨光;導入CIS要注意什么？[N];河北經(jīng)濟日報;2001年

2 農(nóng)發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農(nóng)[N];周口日報;2007年

3 東林;行為識別新技術(shù)讓監(jiān)控沒有“死角”[N];人民公安報;2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經(jīng)驗[N];中國文物報;2014年

相關(guān)博士學位論文 前10條

1 邵延華;基于計算機視覺的人體行為識別研究[D];重慶大學;2015年

2 仝鈺;基于條件隨機場的智能家居行為識別研究[D];大連海事大學;2015年

3 馮銀付;多模態(tài)人體行為識別技術(shù)研究[D];浙江大學;2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學;2015年

5 韓姍姍;基于視覺的運動人體特征描述與行為識別研究[D];浙江工業(yè)大學;2015年

6 裴利沈;視頻中人體行為識別若干問題研究[D];電子科技大學;2016年

7 周同馳;行為識別中基于局部時空關(guān)系的特征模型研究[D];東南大學;2016年

8 徐海燕;復雜環(huán)境下行為識別特征提取方法研究[D];東南大學;2016年

9 何衛(wèi)華;人體行為識別關(guān)鍵技術(shù)研究[D];重慶大學;2012年

10 吳秋霞;復雜場景下的人體行為識別[D];華南理工大學;2012年

相關(guān)碩士學位論文 前10條

1 唐小琴;基于全局和局部運動模式的人體行為識別研究[D];西南大學;2015年

2 胡秋揚;可穿戴式個人室內(nèi)位置和行為監(jiān)測系統(tǒng)[D];浙江大學;2015年

3 陳鈺昕;基于時空特性的人體行為識別研究[D];燕山大學;2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學;2015年

5 金澤豪;并行化的人體行為識別方法研究與實現(xiàn)[D];華南理工大學;2015年

6 王呈;穿戴式多傳感器人體日常活動監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[D];南京理工大學;2015年

7 王露;基于稀疏時空特征的人體行為識別研究[D];蘇州大學;2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學;2015年

9 章瑜;人體運動行為識別相關(guān)方法研究[D];南京師范大學;2015年

10 趙揚;家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學;2015年

，

本文編號：1412745