[发明专利]一种基于移动终端的驾驶行为识别方法

说明书

本发明提供一种基于智能手机自动识别驾驶行为的方法，所述方法包括：采用从手机传感器中获取的实时三轴加速度数据，进行预处理后利用端点检测算法确定行为切换点，通过滑动窗实时提取时间序列信息并计算序列片段的时频域特征，选取有效特征后，融合原始行为信息与特征建立完整时间序列段作为受限玻尔兹曼机的输入端，隐层转换为网络可识别的伯努力分布方式，优化预设参数的多隐层受限玻尔兹曼机对输入端信息的特征进行提取，最终通过DBN（Deep Belief Network，深信度网络）实现驾驶行为的识别。实验结果表明，改进的滑动窗特征融合的深信度网络驾驶行为识别算法整体识别率为85.2%，能有效进行驾驶行为的识别。

技术领域

本发明涉及智能终端技术领域，特别涉及一种行为识别方法及移动终端。

背景技术

现如今汽车的普及率越来越高，也越来越智能化。汽车与移动终端的结合是一个很好的市场应用热点，移动终端能为驾驶者提供辅助信息,帮助用户进行更安全的驾驶，获得更好的用户体验，例如手机识别到用户处于驾驶状态后，自动连接车载蓝牙来接听电话，并自动打开地图，询问用户要去何处，并开始导航，获取汽车当前速度并在超速情况下予以提示，或者在用户急刹车后提示用户减速驾驶。

现有的技术中，如果需要手机连接车载蓝牙来接听电话，需要在上车后将手机的模式设置为开车模式；如果需要手机导航，用户上车后要将地图APP打开，并输入用户目的地，地图APP能进行导航，路况信息提示和安全驾驶提示。当用户结束驾驶，下车后需要结束导航，并将地图APP关闭，将手机调节成普通模式，解除与车载蓝牙的连接。现有技术存在着一些限制，需要提前设定开车模式，手动打开导航，人机交互显得不够智能简单。如果能自动识别用户何时开始驾车，自动进行车载蓝牙连接并开启导航，自动识别用户已经下车，自动关闭开车模式和导航系统，这样获得的用户体验将更好。

经过对现有技术的检索发现，目前已有的驾驶行为识别专利有以下几类：1、使用图像识别算法来区别疲劳驾驶与正常驾驶行为；2、安装加速度计或陀螺仪等组合传感器，使用机器学习算法来识别异常驾驶行为；3、使用移动终端中自带的传感器，使用机器学习算法来识别异常驾驶行为；已有专利均是从安全的角度考虑，识别异常驾驶行为，本专利识别正常行为如点火、驾驶和熄火，目的在于为用户提供更好的使用体验。

发明内容

本发明要解决的技术问题是提供一种基于智能手机自动识别驾驶行为的方法，利用智能手机上的内置加速度传感器采集信息，通过深度学习算法来进行行为识别，使得移动终端能获取当前用户的行为，判断用户的点火、驾驶、熄火等行为。

为解决上述技术问题，本发明的实施例提供一种判断方法，包括：

由于在驾驶过程中，点火和熄火的样本数非常少，行为不易区分，浅层结构分类算法分类正确率较低的问题，提出一种改进的基于滑动窗特征融合的深信度网络驾驶行为识别方法。采用从手机传感器中获取的实时三轴加速度数据，进行预处理后利用端点检测算法确定行为切换点，通过滑动窗实时提取时间序列信息并计算序列片段的时频域特征，选取有效特征后，融合原始行为信息与特征建立完整时间序列段作为受限玻尔兹曼机的输入端，隐层转换为网络可识别的伯努力分布方式，优化预设参数的多隐层受限玻尔兹曼机对输入端信息的特征进行提取，最终通过DBN（Deep Belief Network，深信度网络）实现驾驶行为的识别。实验结果表明，改进的滑动窗特征融合的深信度网络驾驶行为识别算法整体识别率为85.2%，能有效进行驾驶行为的识别。

为解决上述技术问题，本发明的实施例还提供一种移动终端，移动终端可以携带在用户的身上，或者放置在车内，包括：