计算机应用

作者：卫星, 乐越, 韩江洪, 陆阳

单位：1. 合肥工业大学 计算机与信息学院, 合肥 230601;2. 安全关键工业测控技术教育部工程研究中心(合肥工业大学), 合肥 230601

关键词：车辆行为,长短期记忆网络,高级辅助驾驶,深度学习,卷积神经网络

基金：国家重点研发计划专项（2018YFC0604404）。

高级辅助驾驶装置采用机器视觉技术实时处理摄录的行车前方车辆视频，动态识别并预估其姿态和行为。针对该类识别算法精度低、延迟大的问题，提出一种基于长短期记忆（LSTM）的车辆行为动态识别深度学习算法。首先，提取车辆行为视频中的关键帧；其次，引入双卷积网络并行对关键帧的特征信息进行分析，再利用LSTM网络对提取出的特性信息进行序列建模；最后，通过输出的预测得分判断出车辆行为类别。实验结果表明，所提算法识别准确率可达95.6%，对于单个视频的识别时间只要1.72 s；基于自建数据集，改进的双卷积算法相比普通卷积网络在准确率上提高8.02%，与传统车辆行为识别算法相比准确率提高6.36%。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期