2019年3月21日下午17点,TOPS课题组第61期组会在通达馆A436顺利召开。本次组会由2018级硕士生张一豪对其在《跟驰条件下基于车辆运动特征的分心驾驶行为识别方法》上的研究成果进行汇报。与会成员有孙剑教授、倪颖副教授、田野副研究员及课题组成员。
汇报时刻
汇报人张一豪首先介绍了驾驶分心的研究背景,提出使用自然驾驶数据中车辆运动特征和半侵入式特征,基于机器学习对驾驶分心行为离线识别的方法。研究将驾驶分心分为三种场景(跟太紧、跟不紧、车道偏移摆动),基于规则初步识别符合场景描述的跟驰片段,再通过人工视频比对提取分心片段;选取了横向加速度、方向盘角速度、转向率熵等多个车辆运动特征作为指标,对跟驰片段进行SVM、Adaboost、Stacked-LSTMs的二分类和多分类机器学习,二分类时Adaboost对分心的识别准确率最高,而多分类时LSTM的各类准确率都比较高;在此基础上,研究加入驾驶员面部特征指标(嘴巴张合度、眼部张合度、头部转角)进行LSTM多分类机器学习,结果相比仅学习轨迹特征,对场景一、场景三的识别和整体分心场景的识别都有明显提升。
认真聆听
汇报结束后,叶颖俊和蒙艺玮在加入了面部特征后场景二的识别效果没有提升上进行了讨论;徐一鸣认为可能与三个场景划分并不完全互斥有关;刘启远也对场景划分提出了疑问;孙杰和黄秀玲在模型算法上提出了各自的意见。倪颖副教授认为可以增加对环境条件和道路条件的考虑,田野副研究员讨论了该研究实现在线识别的前景。最后,孙剑教授对汇报内容进行了总结,强调数据驱动是研究交通问题的必然趋势,肯定了张一豪的研究成果。