[发明专利]基于多源数据的斑马线前避让行为识别方法

权利要求书

1.基于多源数据的斑马线前避让行为识别方法，其特征在于，包括以下步骤：

S1、获取驾驶人员的特征数据，利用工具进行分析；

S2、获取车辆信息数据，利用小波理论进行处理；

S3、获取道路信息数据；

S4、对步骤S1、S2、S3中获得数据采用回归分析的方法确定各自的权重，分别得到步骤S1、S2、S3中各自的输入参数；

S5、将步骤S4中得到的部分输入参数分别输入BP神经网络进行训练；

S6、将步骤S4中得到的另一部分输入参数分别输入步骤S5中BP神经网络进行验证，获得可识别斑马线前驾驶人的避让行为的BP神经网络。

2.根据权利要求1所述的基于多源数据的斑马线前避让行为识别方法，其特征在于：BP神经网络采用粒子群算法进行优化。

3.根据权利要求1所述的基于多源数据的斑马线前避让行为识别方法，其特征在于：BP神经网络如下：

A、确定参数

输入向量：X＝[x₁,x₂,...,x_n]^T(n为输入层单元个数)；

输出向量：Y＝[y₁,y₂,...,y_q]^T(q为输出层单元数)；

希望输出向量：O＝[o₁,o₂,...,o_q]^T；

确定隐含层输出向量：C_j＝[c₁,c₂,...,c_p]^T，j＝1，2，…，p；

初始化输入层至隐含层的连接权值：W_j＝[w_j1，w_j2，...，w_jq]^T，j＝1，2，…，p；

初始化隐含层至输出层的连接权值：A_k＝[a_k1,a_k2,...,a_kp]^T，k＝1，2，…，q；

B、输入模式

隐含层各个神经元的激活值：

激活函数采用S型函数，连续可微分，g(x)为S型激活函数；

其中β_k为阈值；

S型函数为：

将激活值代入激活函数中可得隐含层j单元的输出值：

其中，w_ji为输入层至隐含层的连接权，β_j为隐含层单元的阈值；

输出层第k个单元的实际输出值为：

y_k＝g(s_k)(k＝1,2,...,q)；

C、输出模式

当输出值与预设的输出值不一样时或者误差大于所预设的数值时，要对神经网络进行校正；先通过输出层到隐含层，再从隐含层到输入层，循环往复直至误差或者输出的实际值和输出的预设值一致为止；

输出层的校正误差为：

d_k＝(o_k-y_k)y_k(1-y_k)(k＝1，2，...，q)，

其中，o_k为希望输出，y_k为实际输出；

隐含层各单元的校正误差为：

对于输出层至隐含层连接权和输出层阈值的校正量为：

Δa_kj＝σ.d_k.c_j

Δβ_k＝σd_k，

其中，c_j为隐含层j单元的输出；d_k为输出层的校正误差；σ为学习系数，σ＞0；

隐含层至输入层的校正量为：

Δw_ji＝γ.e_j.x_i

Δβ_j＝γ.e_j，

其中，e_j为隐含层j单元的校正误差，γ为学习系数，0＜γ＜1。