-
题名基于生成对抗网络的驾驶行为风险监测方法
被引量：1
- 1
-
-
作者
赵栓峰
王梦维
罗志健
-
机构
西安科技大学机械工程学院
-
出处
《现代电子技术》
北大核心
2024年第18期133-138,共6页
-
基金
陕西省重点研发计划项目(2020ZDLGY04-06)
陕西省秦创原“科学家+工程师”队伍建设项目(2023KXJ-249)。
-
文摘
针对真实驾驶场景下驾驶行为风险难以准确判断的问题,提出一种基于生成对抗网络的生成序列评估框架,旨在通过车辆行驶状态数据与驾驶场景信息匹配度评估来提高驾驶行为风险判断的准确性。构建真实驾驶场景数据匹配序列框架,利用生成对抗网络增加不同驾驶场景的数据量,提出一个驾驶员个性化情景感知样本数据集,对比分析真实数据和生成数据,并验证生成对抗网络检索与生成框架在匹配车辆行驶状态数据与驾驶场景信息方面的有效性和准确性。采用无监督学习生成评估框架,结合自回归模型中的监督训练控制策略来解决数据扩增问题,并通过迭代更新样本序列进行策略集成以保持模型鲁棒性。实验结果表明,相较于现有方法,所提研究框架在识别危险驾驶状态方面具有明显优势,为车辆行驶状态数据与驾驶场景信息的匹配评估提供了一种新的视角。
-
关键词
生成对抗网络
驾驶行为
风险监测
评估框架
数据匹配
无监督学习
车辆行驶状态
-
Keywords
generate adversarial network
driving behavior
risk monitoring
evaluation framework
data matching
unsupervised learning
vehicle driving status
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
U491
[交通运输工程—交通运输规划与管理]
-
-
题名基于视频图像驱动的驾驶人注意力估计方法
- 2
-
-
作者
赵栓峰
李小雨
罗志健
唐增辉
王梦维
王力
-
机构
西安科技大学机械工程学院
-
出处
《现代电子技术》
北大核心
2024年第22期179-186,共8页
-
基金
陕西省重点研发计划项目(2020ZDLGY04-06)
陕西省秦创原“科学家+工程师”队伍建设项目(2023KXJ-249)。
-
文摘
驾驶人视觉注意力的深入研究对于预测不安全驾驶行为和理解驾驶行为具有重要意义。为此,提出一种基于视频图像驱动的驾驶人注意力估计方法,以估计驾驶人在行车时注意到视域内的行人或车辆等各种对象。该方法利用深度神经网络学习交通场景视频与驾驶员注意力特征之间的映射关系,并融入引导学习模块来提取与驾驶员注意力最相关的特征。考虑到驾驶的动态性,使用动态交通场景视频作为模型输入,设计时空特征提取模块。在稀疏、密集、低照度等常见的交通场景中,将估计的驾驶员注意力模型与收集的驾驶员注意力数据点进行对比。实验结果表明,所提方法能够准确估计驾驶员在驾驶过程中的注意力,对于预测不安全驾驶行为以及促进人们更好地理解驾驶行为具有重要的理论和实用价值。
-
关键词
驾驶人注意力估计
深度学习
视频图像驱动
引导学习
动态交通场景
时空特征提取
-
Keywords
driver attention estimation
deep learning
video image-driven
guidance learning
dynamic traffic scenarios
spatio-temporal feature extraction
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
U491
[交通运输工程—交通运输规划与管理]
-
