[发明专利]一种基于多特征卷积神经网络的不良驾驶状态识别方法有效
| 申请号： | 201910510060.0 | 申请日： | 2019-06-13 |
| 公开（公告）号： | CN110263836B | 公开（公告）日： | 2021-02-19 |
| 发明（设计）人： | 谢非;汪壬甲;刘文慧;杨继全;吴俊;章悦;刘益剑;陆飞;汪璠 | 申请（专利权）人： | 南京师范大学;南京智能高端装备产业研究院有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 江苏圣典律师事务所 32237 | 代理人： | 胡建华;于瀚文 |
| 地址： | 210042 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多特征卷积神经网络的不良驾驶状态识别方法，包括：采集车载智能手机惯性传感器数据，进行预处理，得到源数据集；将源数据集划分成一个个的数据单元，对每一个数据单元进行统计学特征提取，并打上标签制成数据集，命名为特征数据集；搭建多特征卷积神经网络，选择合适的网络参数与优化器，并使用源数据集与特征数据集对多特征卷积神经网络进行充分训练，得到训练好的多特征卷积神经网络模型；使用训练好的多特征卷积神经网络模型对车载手机惯性传感器数据进行分类，从而实现对汽车当前驾驶状态的识别，判断汽车当前驾驶状态是否为不良驾驶状态，并在后台进行数据记录与处理。本发明具有运算速度快、识别率高、抗环境干扰能力强的优点。 | ||
| 搜索关键词： | 一种 基于 特征 卷积 神经网络 不良 驾驶 状态 识别 方法 | ||
【主权项】：
1.一种基于多特征卷积神经网络的不良驾驶状态识别方法，其特征在于，包括以下步骤：步骤1：采集并保存车载智能手机惯性传感器数据，对所采集的车载智能手机惯性传感器数据进行预处理，打上标签制成数据集，并记为源数据集；步骤2：完成对源数据集的数据划分，将源数据集划分成数据单元，对每一个数据单元进行统计学特征提取，得到特征数据集；步骤3：搭建多特征卷积神经网络，并使用源数据集与特征数据集对多特征卷积神经网络进行充分训练，得到训练好的多特征卷积神经网络模型；步骤4，使用训练好的多特征卷积神经网络模型对车载智能手机惯性传感器数据进行分类，根据分类结果判断汽车当前驾驶状态是否为不良驾驶状态。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京师范大学;南京智能高端装备产业研究院有限公司，未经南京师范大学;南京智能高端装备产业研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910510060.0/，转载请声明来源钻瓜专利网。
