[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

摘要

本发明公开了一种基于HMM‑SVM双层改进模型的复杂路况下周边车辆行为识别方法，包括1)离线训练：划分典型周边车辆行为，提取出周边车辆的状态特征信息，通过车联网传至本车，结合本车信息转化为道路联合坐标系下的状态特征信息，生成特征向量X，将X分别输入给HMM和SVM参数学习；2)模型改进：在HMM与SVM中间安置阈值处理器，使用NSGA‑II算法优化获得最佳差异因子，得出HMM‑SVM双层改进模型；3)在线测试：本车利用HMM‑SVM双层改进模型辨别被跟踪车辆所属行为模式。本发明利用高精度地图构建的道路联合坐标系，拓展周边车辆行为系统的应用场合；将HMM优良的时序建模能力和SVM极强的二分类能力有机结合，并对双层模型进行改进，提高车辆行为识别的准确率和识别速度。

主权项

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转化均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；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。