SF-CNN在驾驶行为识别中的应用研究

来源：计算机工程与应用杂志2018年第11期北京时间：

作者：王忠民，张 瑶，衡 霞

单位：西安邮电大学 计算机学院，西安 710121

摘要：为了减少不良驾驶行为的潜在危险，通过智能手机内置传感器对驾驶行为进行实时监测，辅助驾驶者安全驾驶，提出了一种优化特征分布的无监督特征学习算法模型——稀疏滤波-卷积神经网络模型（Sparse Filter-Convolutional Neural Network，SF-CNN）。该方法利用移动终端在车辆行驶中采集的三轴加速度数据，通过稀疏滤波进行范数联合约束，得到紧凑的初级特征表达，将该表达矩阵作为卷积神经网络首层的输入，进行非线性分类来识别驾驶行为。实验结果表明，稀疏滤波-神经网络的识别模型对驾驶行为具有更高的识别率和鲁棒性，优于传统神经网络模型，对辅助驾驶系统的效能评价有重要的理论意义。

关键词：稀疏滤波,卷积神经网络,模式识别,驾驶行为