基于卷积神经网络的自行车骑行行为识别

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于卷积神经网络的自行车骑行行为识别

邵壮壮, 谷远利, 姜若琳

文章导航 > 交通信息与安全 > 2019 > 37(1): 72-79

邵壮壮, 谷远利, 姜若琳. 基于卷积神经网络的自行车骑行行为识别[J]. 交通信息与安全, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

引用本文:

邵壮壮, 谷远利, 姜若琳. 基于卷积神经网络的自行车骑行行为识别[J]. 交通信息与安全, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

SHAO Zhuangzhuang, GU Yuanli, JIANG Ruolin. A Recognition Method of Cycling Behavior Based on Convolutional Neural Network[J]. Journal of Transport Information and Safety, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

Citation:

SHAO Zhuangzhuang, GU Yuanli, JIANG Ruolin. A Recognition Method of Cycling Behavior Based on Convolutional Neural Network[J]. Journal of Transport Information and Safety, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

邵壮壮, 谷远利, 姜若琳. 基于卷积神经网络的自行车骑行行为识别[J]. 交通信息与安全, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

引用本文:

邵壮壮, 谷远利, 姜若琳. 基于卷积神经网络的自行车骑行行为识别[J]. 交通信息与安全, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

SHAO Zhuangzhuang, GU Yuanli, JIANG Ruolin. A Recognition Method of Cycling Behavior Based on Convolutional Neural Network[J]. Journal of Transport Information and Safety, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

Citation:

SHAO Zhuangzhuang, GU Yuanli, JIANG Ruolin. A Recognition Method of Cycling Behavior Based on Convolutional Neural Network[J]. Journal of Transport Information and Safety, 2019, 37(1): 72-79. doi: 10.3963/j.issn.1674-4861.2019.01.010

基于卷积神经网络的自行车骑行行为识别

doi: 10.3963/j.issn.1674-4861.2019.01.010

北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044
北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044
北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044

基金项目:

国家自然科学基金面上项目

中图分类号: U491
计量
- 文章访问数: 342
- HTML全文浏览量: 71
- PDF下载量: 6
- 被引次数: 0
出版历程
- 刊出日期: 2019-02-28

A Recognition Method of Cycling Behavior Based on Convolutional Neural Network

摘要: 为研究适合我国城市交通的自行车骑行行为分类识别方法,实施骑行行为视频调查试验,并提取骑行者骑行特征信息.结合我国交通现状和自行车交通特点,提出一种新的骑行行为分类方法,新的行为分类可基本覆盖我国自行车交通的所有骑行行为场景.采用提出的行为分类方法对试验个体骑行行为进行人工分类标记,得到不同骑行场景下的骑行行为分类数据集.基于卷积神经网络(CNN)建立自行车骑行行为识别模型,考虑模型输入特征特性以及分类任务复杂度对模型结构进行迭代设计选优,调整模型网络组成和卷积参数,得到分类效果显著的模型结构.对比分析多元Logit分类模型、三层全连接层BP神经网络模型,与本文的卷积网络模型在骑行行为分类预测的表现,在20 000次迭代训练之后,3个模型均得到收敛结果.结果表明,提出的骑行行为分类模型准确率分别高于多元Logit模型20%,高于BP网络模型15%,显著优于对比模型的识别效果.卷积网络模型可有效解析骑行行为与各骑行特征因素之间的关系.
- 城市交通 /
- 骑行行为识别 /
- 卷积神经网络 /
- 自行车骑行 /
- 深度学习

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 342
HTML全文浏览量: 71
PDF下载量: 6
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发