-
公开(公告)号：CN108550279B
公开(公告)日：2019-10-18
申请号：CN201810287172.X
申请日：2018-04-03
Applicant: 同济大学
Abstract: 基于机器学习的车辆驾驶行为预测方法，涉及车联网领域，意在利用机器学习技术，挖掘车辆属性、道路信息以及行驶环境信息与车辆驾驶行为之间的关系，提高车辆驾驶行为预测的准确性。具体步骤包括：步骤1，定义特征集：车辆特征定义，道路特征定义，车辆行驶环境定义；步骤2，车辆位移预测模型：特征提取与数据预处理：车辆与前方路口距离特征提取，路口允许转向动作特征提取，标签提取；车辆位移预测模型：训练样本集定义，车辆位移预测模型训练；步骤3，车辆驾驶行为预测模型：高斯分量定义；步骤4，车辆驾驶行为预测。
-
公开(公告)号：CN108550279A
公开(公告)日：2018-09-18
申请号：CN201810287172.X
申请日：2018-04-03
Applicant: 同济大学
Abstract: 基于机器学习的车辆驾驶行为预测方法，涉及车联网领域，意在利用机器学习技术，挖掘车辆属性、道路信息以及行驶环境信息与车辆驾驶行为之间的关系，提高车辆驾驶行为预测的准确性。具体步骤包括：步骤1，定义特征集：车辆特征定义，道路特征定义，车辆行驶环境定义；步骤2，车辆位移预测模型：特征提取与数据预处理：车辆与前方路口距离特征提取，路口允许转向动作特征提取，标签提取；车辆位移预测模型：训练样本集定义，车辆位移预测模型训练；步骤3，车辆驾驶行为预测模型：高斯分量定义；步骤4，车辆驾驶行为预测。
-
公开(公告)号：CN108805177A
公开(公告)日：2018-11-13
申请号：CN201810492190.1
申请日：2018-05-22
Applicant: 同济大学
CPC classification number: G06K9/6269 , G06K9/6223 , G06K2209/23 , G06N3/0454 , G06N3/084
Abstract: 基于深度学习的复杂环境背景下车辆型号识别方法，涉及机器视觉目标识别技术领域。本发明针对现有车辆型号识别方法对复杂环境背景适应性不足的问题，对车辆图像进行ZCA白化处理以降低复杂环境背景干扰，基于改进的k‑means算法学习图像的低层次特征，在低层次特征基础上采用卷积神经网络进行深度学习构建车辆图像的最终特征向量，通过SVM分类器识别车辆的品牌及其具体型号。能够提高复杂环境背景下车辆型号识别的准确性。
-
-
Search Results
3
records
(took 0.017 seconds)
