基于协方差流形的异常驾驶行为识别方法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 数字工厂研究室

	基于协方差流形的异常驾驶行为识别方法
	李此君 ; 刘云鹏 ; Ku T(库涛); Cheng XD(程晓鼎); Zhang L(张磊); Zhang DY(张丁一)
刊名	太赫兹科学与电子信息学报
	2018
卷号	16 期号:2 页码:323-329
关键词	异常驾驶行为识别协方差描述子黎曼流形多类LogitBoost分类器
ISSN号	2095-4980
其他题名	Abnormal driving behavior detection based on covariance manifold
通讯作者	李此君
产权排序	1
中文摘要	研究一种高效的异常驾驶行为正确识别分类的识别方法,对预防由于异常驾驶行为导致的交通事故具有重要意义。提出了一种新的基于协方差流形的异常驾驶行为识别方法。首先提取图像的纹理、颜色和梯度方向特征,以克服基于单一特征识别驾驶行为的不足;并利用协方差流形进行多特征融合,以消除特征冗余以及不同特征数值悬殊对图像识别的影响;最后使用多类LogitBoost分类器进行分类识别。针对相同检测目标的正确识别率可达98%以上,对不同检测目标的正确识别率可达70%以上。实验结果表明该方法有效提高了驾驶行为识别的效果。
英文摘要	Abnormal driving behavior recognition is to find a method to recognize abnormal driving behaviors correctly by analyzing the driver’s activities using image processing and pattern recognition technology. This method is composed of a structure of covariance matrices of image features, which is able to extract information from data. The proposed classification framework consists in a new multi-class boosting method, working on the manifold Sym+d of symmetric positive definite d *d (covariance) matrices. The correct recognition rate for the same target can reach 98%, and above 70% for different targets. The result shows that this method effectively improves the accuracy of abnormal driving behavior recognition.
语种	中文
内容类型	期刊论文
源URL	[http://ir.sia.cn/handle/173321/21860]
专题	沈阳自动化研究所_数字工厂研究室
通讯作者	Zhang DY(张丁一)
作者单位	1.中国科学院沈阳自动化研究所 2.中国科学院大学 3.中国科学院光电信息处理重点实验室 4.辽宁省图像理解与视觉计算重点实验室
推荐引用方式 GB/T 7714	李此君,刘云鹏,Ku T(库涛),等. 基于协方差流形的异常驾驶行为识别方法[J]. 太赫兹科学与电子信息学报,2018,16(2):323-329.
APA	李此君,刘云鹏,Ku T,Cheng XD,Zhang L,&Zhang DY.(2018).基于协方差流形的异常驾驶行为识别方法.太赫兹科学与电子信息学报,16(2),323-329.
MLA	李此君,et al."基于协方差流形的异常驾驶行为识别方法".太赫兹科学与电子信息学报 16.2(2018):323-329.