[发明专利]一种基于HMM-SVM双层改进模型的复杂路况下周边车辆行为识别方法

权利要求书

1.一种基于HMM-SVM双层改进模型的复杂路况下周边车辆行为识别方法，其特征在于，具体包括：

步骤(1)：离线训练阶段

划分N种典型周边车辆行为，提取出周边车辆的状态特征信息，通过车联网传至本车，将本车及周边车辆的状态特征信息均转化为道路联合坐标系下的状态特征信息，并生成新的特征向量X(△X，△Y，△V_X，△V_Y，△a_X，△a_Y)，将同一类别周边车辆行为的特征向量X作为观测序列输入到HMM模型，获取各个车辆行为类别的HMM；周边车辆行为两两为一组，将每组中两种行为类别对应的特征向量输给每个SVM模型进行参数学习，获取每组SVM模型；

步骤(2)：模型改进阶段

将训练好的HMM模型与SVM模型组成双层模型，并在两层模型中间安置阈值处理器，当阈值处理器得出概率值之间的差异性较大时，则直接输出HMM层识别结果；反之，将概率值最大的两个HMM模型对应的行为提取出来，选择相应的SVM模型进行二分类，输出SVM层识别结果，使用NSGA-II算法进行优化，获得最佳差异因子σ，最终得出HMM-SVM双层改进模型；所述NSGA-II算法以识别正确率和识别时间为优化目标；所述优化目标函数为f＝T₀-u₁-u₂-…u_N，其中u₁，u₂，…，u_N是训练样本各行为的识别正确率，T₀为识别总时间；

具体地，把各个周边车辆行为的多维输出概率(P₁，P₂，…，P_n)作为阈值处理器的输入，阈值处理器对各输出概率进行比较，提取出最大的两个概率P_max-i、P_max-ii；当P_max-ii/P_max-i≤σ时，直接输出各个模型输出概率最大P_max-i所对应的行为；当P_max-ii/P_max-i≥σ时，将P_max-i、P_max-ii对应的行为Q_i、Q_ii提取，将特征向量X输入到行为Q_i、Q_ii所在的那组SVM模型中，由SVM模型分类器方程f(x)＝sign(ω^T·X+b)输出训练样本所在的行为类别，将此结果作为最终的识别结果；其中ω是可调的权值向量，b是偏置量，T是矩阵的转置符号；

步骤(3)：在线测试阶段

被跟踪目标车辆将采集到的自车行驶信息通过车联网实时传输给本车，本车利用训练好的HMM-SVM双层改进模型辨别被跟踪车辆所属行为模式。

2.根据权利要求1所述的一种基于HMM-SVM双层改进模型的复杂路况下周边车辆行为识别方法，其特征在于，所述典型周边车辆行为包括跟驰、左换道、右换道、超车。

3.根据权利要求1所述的一种基于HMM-SVM双层改进模型的复杂路况下周边车辆行为识别方法，其特征在于，所述道路联合坐标系是以车道的中心线为坐标轴X，与坐标轴X的切线垂直的线为坐标轴Y。

4.根据权利要求1或3所述的一种基于HMM-SVM双层改进模型的复杂路况下周边车辆行为识别方法，其特征在于，所述道路联合坐标系下的特征向量包括t时刻本车的位置(Xego，Yego)、速度(V_Xego，V_Yego)、加速度(a_Xego，a_Yego)以及周边车辆的位置(Xaro，Yaro)、速度(V_Xaro，V_Yaro)、加速度(a_Xaro，a_Yaro)。

5.根据权利要求4所述的一种基于HMM-SVM双层改进模型的复杂路况下周边车辆行为识别方法，其特征在于，所述特征向量X中，△X＝Xaro-Xego、△Y＝Yaro-Yego、△V_X＝V_Xaro-V_Xego、△V_Y＝V_Yaro-V_Yego、△a_X＝a_Xaro-a_Xego、△a_Y＝a_Yaro-a_Yego。