摘要
本申请提供一种基于多模态融合的驾驶行为分类方法和装置。该方法包括:获取车辆的时间序列数据,该时间序列数据包括该车辆运行过程中按时域采集的运动状态数据;确定该时间序列数据对应的时域分支向量,其中,该时域分支向量基于时序特征向量和该时间序列数据对应的特征向量进行残差连接得到;确定该时间序列数据对应的频域分支向量,其中,该频域分支向量基于频域特征向量和该时间序列数据对应的特征向量进行残差连接得到;根据该时域分支向量和该频域分支向量的加权融合向量,确定该车辆的驾驶行为分类结果。通过该方案,提高了驾驶行为分类结果的准确率,而且降低了计算消耗。
技术关键词
分支
序列
数据
车辆
分类方法
多模态
频域特征
时序特征
可读存储介质
分类装置
电子设备
处理器
指令
处理单元
计算机
运动
加速度
车道
存储器
系统为您推荐了相关专利信息
多任务学习模型
联合损失函数
异质
动态权重分配
数据分布
库存周转率
深度强化学习
商品特征
深度Q网络
更新网络参数
岩体结构面
强度评估方法
多尺度神经网络
多尺度特征融合
分布特征