[发明专利]基于受限玻尔兹曼机的驾驶员活跃程度识别方法及系统

权利要求书

1.一种基于受限玻尔兹曼机的驾驶员活跃程度识别方法，其特征在于，包括：

构建三个独立的GB-RBM网络，分别为第一GB-RBM网络、第二GB-RBM网络和第三GB-RBM网络，所述第一GB-RBM网络和所述第二GB-RBM网络形成第一级网络，所述第三GB-RBM网络形成第二级网络；

获取纵向速度v_x、纵向加速度a_x、方向盘转向角δ_d和方向盘转向角的变化率

所述第一GB-RBM网络通过纵向速度v_x和纵向加速度a_x对驾驶员的纵向活跃度进行监测，得到纵向活跃度指数P₁；同时所述第二GB-RBM网络通过方向盘转向角δ_d和方向盘转向角的变化率对驾驶员的横向活跃度进行监测，得到横向活跃度指数P₂；

将所述纵向活跃度指数P₁和所述横向活跃度指数P₂输入到所述第三GB-RBM网络，得到综合活跃度指数P₃；

通过所述综合活跃度指数P₃对驾驶员活跃程度进行识别；

其中，所述第一GB-RBM网络的输入为(v_x,a_x)，输出为H₁，H₁由P₁通过激活概率层得到，进行反向传播更新所述第一GB-RBM网络的能量函数E_net；所述第二GB-RBM网络的输入为输出为H₂，H₂由P₂通过激活概率层得到，进行反向传播更新所述第二GB-RBM网络的能量函数E_net；所述第三GB-RBM网络的输入为(P₁,P₂)，输出为H₃，H₃由P₃通过激活概率层得到，进行反向传播更新所述第三GB-RBM网络的能量函数E_net；

所述纵向活跃度指数P₁与纵向速度v_x和纵向加速度a_x成正相关关系；所述横向活跃度指数P₂与方向盘转向角δ_d和转向角变化率成正相关关系。

2.如权利要求1所述的驾驶员活跃程度识别方法，其特征在于，所述第一GB-RBM网络、所述第二GB-RBM网络和第三GB-RBM网络的能量函数表示为：

其中，m表示每一个GB-RBM网络的输入层神经元个数，n表示每一个GB-RBM网络的输出层神经元个数，且m＝2，n＝1；v表示输入，h表示输出，θ表示每一次获取的参数向量[a_i,b_j,ω_ij]，ω_ij表示GB-RBM网络输入层与输出层的连接权重，a_i表示GB-RBM网络输入层的偏置，b_j表示GB-RBM网络输出层的偏置，σ_i表示输入层高斯噪声的标准差；

对所述能量函数进行最小化，建立GB-RBM网络的输入-输出映射关系，则输入-输出间的联合概率分布表示为：

其中，Z(θ)＝∑exp(-E_net(v,h|θ))表示标准化参数。

3.如权利要求2所述的驾驶员活跃程度识别方法，其特征在于，当已知输入，则输出的条件概率分布表示为：

其中，h＝1表示绝对驾驶活跃，h＝0表示绝对驾驶不活跃；

当已知输出，则输入的条件概率分布表示为：

其中，Ν(μ,σ²)表示均值为μ、方差为σ²的高斯分布。