[发明专利]一种基于分支卷积神经网络的驾驶员行为分类方法

说明书

本发明涉及一种基于分支卷积神经网络的驾驶员行为分类方法，包括以下内容：1)基于构造的主干卷积神经网络对测试样本进行处理，得到驾驶员行为的初步分类结果；2)根据驾驶员行为的细分要求，基于构造的分支卷积神经网络对测试样本再次进行处理，实现驾驶员行为的细分。本发明基于深度学习的驾驶员行为的分类方法不需要人工提取关于驾驶员类型的特征参数，且本发明可以根据实际分类的要求来减少计算量，并能够提取足够有效的关于驾驶员类型的特征参数，准确完成驾驶员行为分类。

技术领域

本发明涉及一种驾驶员行为分类方法，特别是涉及一种基于分支卷积神经网络的驾驶员行为分类方法，属于智能交通系统中道路安全研究技术领域。

背景技术

驾驶员的驾驶行为极大影响着道路的安全性，多数交通事故都是由驾驶员的错误行为引起的。不同的驾驶员有着不同的驾驶习惯，因此识别驾驶员的类型是一个重要的研究方向。

传统的驾驶员行为分类方法多用聚类方法和神经网络方法，聚类方法一般需要人工提取表征驾驶员类型的特征参数，这导致前期需要大量的专业的预备工作才能得到合适的参数集。而普通的神经网络方法计算量很大或者提取不到足够有效的特征参数，从而影响分类的效果。

发明内容

针对上述问题，本发明的目的是提供一种能够有效提取驾驶员类型特征参数进而准确完成驾驶员行为分类的基于分支卷积神经网络的驾驶员行为分类方法。

为实现上述目的，本发明采取以下技术方案：一种基于分支卷积神经网络的驾驶员行为分类方法，包括以下内容：

1)基于构造的主干卷积神经网络对测试样本进行处理，得到驾驶员行为的初步分类结果；

2)根据驾驶员行为的细分要求，基于构造的分支卷积神经网络对测试样本再次进行处理，实现驾驶员行为的细分。

进一步地，所述步骤1)的具体过程为：

1.1)初步确定驾驶员的具体类型，包括A₁型，A₂型，…，A_k型；

1.2)选择训练样本：(x₁,y₁),(x₂,y₂),…,(x_n,y_n)，其中，x_i表示驾驶员行为的特征参数，y_i表示驾驶员行为的类型；

1.3)构造主干卷积神经网络：

1.4)采用主干卷积神经网络对测试样本进行处理，建立目标函数

式中，f(x_i,θ₁)表示主干神经网络的模型,θ₁为主干神经网络的参数，采用随机梯度下降法求出目标函数里的θ₁，得到驾驶员行为初步分类的分类机器。

进一步地，所述步骤1.3)的具体过程为：

1.3.1)构造输入层：用于确定输入层的神经元个数，输入层的神经元个数根据驾驶员的特征参数进行确定；

1.3.2)构造卷积层：构造卷积层是对卷积核的大小和步长进行确定，根据输入数据规模的大小和数据的类型来确定卷积核的大小；

1.3.3)构造池化层：构造池化层是完成对池化尺寸和步长以及池化类型的确定；

1.3.4)构造全连接层；

1.3.5)设置单个卷积层、单个池化层和单个全连接层对训练样本进行测试；