基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法

(長安大學(xué) 信息工程學(xué)院，西安 710064)

0 引言

電子化操作性能的提高衍生出了無人汽車這一技術(shù)理念，然而無人汽車操作技術(shù)依舊處于萌芽階段，對(duì)于汽車的制動(dòng)掌控技術(shù)研究較少[1]。無人汽車制動(dòng)意圖內(nèi)部數(shù)據(jù)由于識(shí)別深度增加，會(huì)出現(xiàn)過度膨脹現(xiàn)象，導(dǎo)致制動(dòng)識(shí)別準(zhǔn)確率下降，引發(fā)交通事故，為此，不少學(xué)者不斷強(qiáng)化對(duì)無人汽車制動(dòng)意圖識(shí)別方法的研究力度[2]。

傳統(tǒng)無人汽車制動(dòng)意圖識(shí)別方法選用較為先進(jìn)的數(shù)據(jù)操作手段對(duì)數(shù)據(jù)進(jìn)行集中化處理，不斷提升系統(tǒng)的操作精準(zhǔn)度，同時(shí)監(jiān)控系統(tǒng)的操作方向以及操作力度，并加快完善速率，控制系統(tǒng)操作處于研究允許范圍內(nèi)，根據(jù)追蹤的數(shù)據(jù)進(jìn)行圖像整合，增強(qiáng)系統(tǒng)數(shù)據(jù)操作的科學(xué)性[3]。但在研究過程中，忽視了對(duì)基礎(chǔ)數(shù)據(jù)的完整性收集，導(dǎo)致數(shù)據(jù)的處理效果較差，無法滿足系統(tǒng)的操作需求，且數(shù)據(jù)操作投入成本較高，不符合可持續(xù)發(fā)展的需要[4]。為此，針對(duì)上述問題，本文提出一種新式基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法對(duì)以上問題進(jìn)行分析與解決[5]。

本文識(shí)別方法首先獲取初始無人汽車制動(dòng)意圖數(shù)據(jù)，提升系統(tǒng)內(nèi)部數(shù)據(jù)的可操作能力，在系統(tǒng)數(shù)據(jù)追蹤的同時(shí)進(jìn)行數(shù)據(jù)處理操作，增強(qiáng)數(shù)據(jù)的可操控性，優(yōu)化系統(tǒng)內(nèi)部結(jié)構(gòu)，按照相應(yīng)的結(jié)構(gòu)參數(shù)進(jìn)行數(shù)據(jù)查找，并集中存儲(chǔ)系統(tǒng)所需數(shù)據(jù)，以收集的數(shù)據(jù)為標(biāo)準(zhǔn)進(jìn)行無人汽車制動(dòng)意圖數(shù)據(jù)分析，研究數(shù)據(jù)間存在的基礎(chǔ)關(guān)系，并不斷加強(qiáng)關(guān)系數(shù)據(jù)的聯(lián)系，整合關(guān)聯(lián)數(shù)據(jù)，并將其進(jìn)行分類操作，將屬于同一類別的關(guān)聯(lián)數(shù)據(jù)進(jìn)行集合劃分，由此提高研究系統(tǒng)對(duì)數(shù)據(jù)的精準(zhǔn)處理性能，最后，利用研究數(shù)據(jù)進(jìn)行精確識(shí)別，根據(jù)不同的圖像狀態(tài)查找圖像存儲(chǔ)位置，同時(shí)簡便操作程序，獲取較為精簡的操作步驟，達(dá)到對(duì)無人汽車制動(dòng)意圖識(shí)別的研究目的[6]。

該識(shí)別方法能夠在一定程度上實(shí)現(xiàn)對(duì)初始數(shù)據(jù)的精準(zhǔn)處理，簡便操作步驟，縮減實(shí)驗(yàn)所需時(shí)間，節(jié)約成本，具備較為廣闊的發(fā)展前景[7]。

1 無人汽車制動(dòng)意圖內(nèi)部數(shù)據(jù)獲取

圖1 內(nèi)部數(shù)據(jù)交流圖

在實(shí)現(xiàn)數(shù)據(jù)間的交流后，對(duì)數(shù)據(jù)進(jìn)行初步整合，將制動(dòng)意圖數(shù)據(jù)進(jìn)行初始采集操作，并過濾數(shù)據(jù)，將與數(shù)據(jù)信息不符的數(shù)據(jù)進(jìn)行濾除操作，由此確保數(shù)據(jù)的純潔度，保證系統(tǒng)處理數(shù)據(jù)處于系統(tǒng)允許操作范圍內(nèi)。加大對(duì)系統(tǒng)的檢測力度，對(duì)不符合系統(tǒng)發(fā)展需求的系統(tǒng)元件進(jìn)行改良操作，直至元件符合系統(tǒng)運(yùn)行原理[9]。對(duì)完成改造的元件進(jìn)行二次調(diào)整，根據(jù)系統(tǒng)內(nèi)部的結(jié)構(gòu)與數(shù)據(jù)流動(dòng)方向進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)劃分，改進(jìn)數(shù)據(jù)信息，并綜合數(shù)據(jù)傳導(dǎo)方式進(jìn)行數(shù)據(jù)傳導(dǎo)，將收集的數(shù)據(jù)存儲(chǔ)至同一存儲(chǔ)空間中，對(duì)存儲(chǔ)空間外的結(jié)構(gòu)進(jìn)行組裝式處理[10]。

精簡空間結(jié)構(gòu)，由此擴(kuò)展數(shù)據(jù)流通同道，優(yōu)化數(shù)據(jù)的流通方式，對(duì)數(shù)據(jù)進(jìn)行參數(shù)標(biāo)定處理，并研究標(biāo)定數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)間存在的差異，研究差異的大小，將差異過大的數(shù)據(jù)進(jìn)行隔離，并分解出差異較小的參數(shù)進(jìn)行數(shù)據(jù)混合操作，對(duì)于駕駛意圖的下坡輔助控制方式進(jìn)行查找，并按照標(biāo)準(zhǔn)查找的顯示結(jié)果進(jìn)行數(shù)據(jù)比對(duì)。結(jié)合電池保護(hù)模型對(duì)汽車運(yùn)行過程的能耗進(jìn)行分解，由此獲取相應(yīng)的制動(dòng)操作所需能耗數(shù)量，在制動(dòng)過程中注重對(duì)駕駛方向的動(dòng)態(tài)調(diào)整，并進(jìn)行分配策略整合操作，在低能耗的條件下控制制動(dòng)數(shù)據(jù)處于系統(tǒng)收集要求下，同時(shí)將制動(dòng)意圖與理論意圖分離，操控下坡路段的制動(dòng)意圖，設(shè)置數(shù)據(jù)操控如圖2所示。

圖2 數(shù)據(jù)操控圖

在實(shí)現(xiàn)對(duì)數(shù)據(jù)的初始操控后，完成對(duì)制動(dòng)意圖數(shù)據(jù)的獲取，并進(jìn)行下一步驟的研究操作[11]。

2 無人汽車制動(dòng)意圖識(shí)別數(shù)據(jù)整合

以收集的初始數(shù)據(jù)為標(biāo)準(zhǔn)，進(jìn)行無人汽車制動(dòng)意圖識(shí)別數(shù)據(jù)分析，將整合的數(shù)據(jù)進(jìn)行拆分，同時(shí)進(jìn)一步完善系統(tǒng)對(duì)下坡路段的駕駛員心理分析性能，將分析的數(shù)據(jù)安裝至無人汽車自動(dòng)系統(tǒng)中，提出數(shù)據(jù)內(nèi)部處理機(jī)制，并按照相應(yīng)的機(jī)制準(zhǔn)則進(jìn)行數(shù)據(jù)掌控與監(jiān)測，對(duì)制動(dòng)意圖進(jìn)行能量管理，強(qiáng)化管理性能[12]。設(shè)計(jì)數(shù)據(jù)管理如圖3所示。

圖3 數(shù)據(jù)管理圖

在圖3中，加深系統(tǒng)對(duì)制動(dòng)意圖數(shù)據(jù)的了解，并進(jìn)行識(shí)別數(shù)據(jù)的分析操作。對(duì)制動(dòng)過程中的舒適度與安全度進(jìn)行考慮，并設(shè)置考慮公式如下：

(1)

式中，K為考慮參數(shù)，m為制動(dòng)因素，n為整體數(shù)據(jù)數(shù)量，G為輔助參數(shù)，利用上述公式進(jìn)行數(shù)據(jù)考慮，強(qiáng)化數(shù)據(jù)與系統(tǒng)內(nèi)部功能間的聯(lián)系，進(jìn)而提升系統(tǒng)操作速度，增強(qiáng)操作的可行性。將制動(dòng)意圖分為常規(guī)制動(dòng)意圖與滑行制動(dòng)意圖倆類，按照制動(dòng)特點(diǎn)進(jìn)行標(biāo)記，在實(shí)現(xiàn)整體標(biāo)記后，依照制動(dòng)的處理準(zhǔn)則進(jìn)行原則性劃分，同時(shí)對(duì)汽車車速以及制動(dòng)踏板位移進(jìn)行測量，在測量過程中注意不斷觀察測量數(shù)據(jù)間的聯(lián)系，對(duì)信號(hào)特征進(jìn)行排除，加大對(duì)制動(dòng)信號(hào)的管理力度，由此得到最佳的制動(dòng)意圖識(shí)別數(shù)據(jù)[13]。

虛擬人體解剖系統(tǒng)采用3Dmax建立骨骼模型，通過Uni?ty3D融合，建立了完整清晰的模型，此模型將用于AR/VR和疾病查詢?cè)\斷功能。當(dāng)啟用疾病查詢?cè)\斷時(shí)，通過疾病知識(shí)庫的過濾，返回用戶相關(guān)疾病的致病原因和治療方法等信息。虛擬人體解剖系統(tǒng)功能實(shí)現(xiàn)如圖1所示。

由于在實(shí)際汽車制動(dòng)過程中，汽車輪胎會(huì)與地面產(chǎn)生一定的摩擦附著力，為此，在制動(dòng)數(shù)據(jù)測量時(shí)需進(jìn)行多次測量，以避免偶然性，同時(shí)加大對(duì)制動(dòng)踏板位移距離的精準(zhǔn)測量力度，減少位置誤差對(duì)實(shí)驗(yàn)研究帶來的影響，根據(jù)制動(dòng)踏板深度對(duì)無人汽車進(jìn)行踏板力度預(yù)估，并將預(yù)估數(shù)據(jù)進(jìn)行整合，設(shè)置整合公式：

(2)

式中，J代表整合參數(shù)，L代表預(yù)估值，P代表實(shí)際參數(shù)值，a表示內(nèi)部操作系統(tǒng)整合參數(shù)[14]。在實(shí)現(xiàn)上述系統(tǒng)操作后，對(duì)制動(dòng)意圖識(shí)別數(shù)據(jù)進(jìn)行二次分析，如圖4所示。

圖4 數(shù)據(jù)二次分析圖

在經(jīng)過對(duì)數(shù)據(jù)的二次分析后，得到最終的意圖分析數(shù)據(jù)。

3 基于DenseNet的無人汽車制動(dòng)意圖識(shí)別

DenseNet(稠密卷積網(wǎng)絡(luò))每個(gè)層直接訪問來自損失函數(shù)和原始輸入信號(hào)的梯度，帶來了隱式深度監(jiān)控，引入了具有相同特征映射大小的任意兩個(gè)層之間的直接連接。為了改變特征映射大小的下采樣層，將網(wǎng)絡(luò)劃分為多個(gè)緊密連接的密集塊；將塊之間的層稱為過渡層，它執(zhí)行卷積和合并。實(shí)驗(yàn)中使用的過渡層由批量歸一化層和1×1卷積層以及2×2平均池化層組成。深度DenseNet結(jié)構(gòu)如圖5所示。

圖5 DenseNet結(jié)構(gòu)圖

假設(shè)輸入圖像x0，設(shè)網(wǎng)絡(luò)包括L層，每一層都實(shí)現(xiàn)了一個(gè)非線性變換Hi(·)，其中i表示第i層，Hi(·)表示一個(gè)組合操作，將第i層的輸出記作xi。

第i層得到了之間所有層的特征映射x0，x1,...,xi-1作為輸入：

xi=Hi([x0,x1,...,xi-1])

(3)

式中，[x0,x1,...,xi-1]表示特征映射的級(jí)聯(lián)。

在實(shí)現(xiàn)對(duì)無人汽車制動(dòng)意圖識(shí)別數(shù)據(jù)的映射分析后，根據(jù)不同的數(shù)據(jù)處理類型進(jìn)行識(shí)別方案選擇。在車輛行駛的過程中，由于無人汽車判斷性能較弱，需在操作過程中注重系統(tǒng)的整體安全性，并不斷查找安全參數(shù)進(jìn)行綜合分析[15]。對(duì)于清晰度較差的位置數(shù)據(jù)進(jìn)行模糊度推理，利用數(shù)學(xué)邊界算法優(yōu)化系統(tǒng)結(jié)構(gòu)，設(shè)置數(shù)據(jù)結(jié)構(gòu)優(yōu)化如圖6所示。

圖6 數(shù)據(jù)結(jié)構(gòu)優(yōu)化圖

在實(shí)現(xiàn)對(duì)數(shù)據(jù)結(jié)構(gòu)的優(yōu)化后，分別管理不同的制動(dòng)信息，并保留系統(tǒng)中心信息，對(duì)數(shù)據(jù)輸入量以及輸入原因進(jìn)行管理，同時(shí)查找其隸屬度函數(shù)，對(duì)隸屬度進(jìn)行整理，查找隸屬度相關(guān)信息，由此獲取標(biāo)準(zhǔn)的處理參數(shù)數(shù)據(jù)。結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)操作，挖掘系統(tǒng)數(shù)據(jù)內(nèi)部的關(guān)聯(lián)點(diǎn)，并設(shè)置數(shù)據(jù)點(diǎn)追蹤系統(tǒng)進(jìn)行數(shù)據(jù)點(diǎn)的實(shí)時(shí)監(jiān)控操作。

對(duì)數(shù)據(jù)間的隱含層進(jìn)行網(wǎng)絡(luò)劃分，對(duì)于數(shù)據(jù)輸出量進(jìn)行精準(zhǔn)賦值操作，對(duì)數(shù)據(jù)間的非線性映射關(guān)系進(jìn)行設(shè)置，同時(shí)排除干擾數(shù)據(jù)的存在，對(duì)意圖的特征參數(shù)進(jìn)行標(biāo)定，設(shè)置參數(shù)標(biāo)定如圖7所示。

圖7 參數(shù)標(biāo)定圖

在圖7中，強(qiáng)化內(nèi)部數(shù)據(jù)標(biāo)定力度，防止數(shù)據(jù)的泄露，對(duì)算法進(jìn)行加強(qiáng)訓(xùn)練操作，調(diào)控制動(dòng)意圖的制動(dòng)速度，并利用訓(xùn)練后的算法參數(shù)對(duì)意圖進(jìn)行識(shí)別，將識(shí)別后的對(duì)照關(guān)系進(jìn)行調(diào)換，改變路面附著條件，優(yōu)化系統(tǒng)操作環(huán)境，避免無關(guān)因素的影響。對(duì)人工客觀參數(shù)進(jìn)行查找，分配不同的查找法則，定義制動(dòng)意圖識(shí)別輸入量，并分析輸入量信息，在完善信息的基礎(chǔ)上實(shí)施比例劃分操作，由此提升整體系統(tǒng)的識(shí)別性能，確保數(shù)據(jù)的獨(dú)立操作，完成對(duì)無人汽車制動(dòng)意圖的識(shí)別研究。

4 實(shí)驗(yàn)與研究

4.1 實(shí)驗(yàn)?zāi)康?/h3>

為了檢測基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別效果，與傳統(tǒng)無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別效果進(jìn)行對(duì)比，并分析實(shí)驗(yàn)結(jié)果。

4.2 實(shí)驗(yàn)參數(shù)設(shè)置

針對(duì)無人汽車制造的特殊性，以及制動(dòng)意圖識(shí)別方法研究的操作復(fù)雜性，需對(duì)其進(jìn)行實(shí)驗(yàn)參數(shù)和環(huán)境的設(shè)置，實(shí)驗(yàn)參數(shù)如表1所示。

表1 實(shí)驗(yàn)參數(shù)

4.3 實(shí)驗(yàn)結(jié)果與分析

根據(jù)上述實(shí)驗(yàn)參數(shù)進(jìn)行實(shí)驗(yàn)對(duì)比，將基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別效果，與傳統(tǒng)的識(shí)別效果進(jìn)行比較，得到的制動(dòng)意圖數(shù)據(jù)收集完整度對(duì)比以及識(shí)別準(zhǔn)確率對(duì)比分別如圖8和圖9所示。

圖8 制動(dòng)意圖數(shù)據(jù)收集完整度對(duì)比圖

圖9 識(shí)別準(zhǔn)確率對(duì)比圖

對(duì)比圖9可知，在相同的參數(shù)條件下，本文識(shí)別方法的識(shí)別準(zhǔn)確率較高，傳統(tǒng)識(shí)別方法的識(shí)別準(zhǔn)確率較低，造成此種差異的主要原因在于，本文識(shí)別方法在操作過程中進(jìn)行無人汽車制動(dòng)意圖數(shù)據(jù)獲取，獲得較為完整的初始操作數(shù)據(jù)，并在數(shù)據(jù)操作的同時(shí)對(duì)數(shù)據(jù)的內(nèi)部關(guān)系進(jìn)行查找與分析，主動(dòng)建立與數(shù)據(jù)相關(guān)的數(shù)據(jù)關(guān)聯(lián)點(diǎn)，并分析內(nèi)部關(guān)聯(lián)點(diǎn)的屬性，將屬于同一屬性的數(shù)據(jù)點(diǎn)進(jìn)行點(diǎn)集劃分，并存儲(chǔ)至相同的數(shù)據(jù)集合中，按照內(nèi)部調(diào)節(jié)機(jī)制進(jìn)行系統(tǒng)調(diào)節(jié)，探索中間參數(shù)的存在條件，并構(gòu)造相應(yīng)的數(shù)據(jù)連接線，進(jìn)行數(shù)據(jù)中心的實(shí)時(shí)連接操作，防止數(shù)據(jù)的外泄，保證數(shù)據(jù)處于較為安全的系統(tǒng)操作狀態(tài)中。完善系統(tǒng)操作準(zhǔn)則，并規(guī)定較為標(biāo)準(zhǔn)的數(shù)據(jù)處理模式法則對(duì)數(shù)據(jù)進(jìn)行集中管控，保持?jǐn)?shù)據(jù)流通的一致性，不斷優(yōu)化中心處理機(jī)制，在實(shí)現(xiàn)對(duì)數(shù)據(jù)的標(biāo)準(zhǔn)處理的前提下進(jìn)行數(shù)據(jù)篩選，由此將無關(guān)數(shù)據(jù)過濾，保持操作數(shù)據(jù)的純潔度，達(dá)到對(duì)初始數(shù)據(jù)處理的目的，進(jìn)而增強(qiáng)數(shù)據(jù)的處理效果，獲取完整度較高的制動(dòng)意圖數(shù)據(jù)。

對(duì)比圖9可知，在實(shí)驗(yàn)時(shí)間為10 d時(shí)，本文基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別準(zhǔn)確率為0.4，傳統(tǒng)無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別準(zhǔn)確率為0.2，在實(shí)驗(yàn)時(shí)間為20 d時(shí)，本文基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別準(zhǔn)確率為0.48，傳統(tǒng)無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別準(zhǔn)確率為0.38。

由于本文對(duì)無人汽車制動(dòng)意圖識(shí)別數(shù)據(jù)進(jìn)行精準(zhǔn)分析，掌握內(nèi)部數(shù)據(jù)結(jié)構(gòu)，并根據(jù)結(jié)構(gòu)進(jìn)行數(shù)據(jù)調(diào)整，集中強(qiáng)化對(duì)標(biāo)準(zhǔn)數(shù)據(jù)的操作力度，選取操作性較強(qiáng)的數(shù)據(jù)進(jìn)行系統(tǒng)操作，減少不必要的操作浪費(fèi)，縮減操作所需時(shí)間，加強(qiáng)系統(tǒng)理論性功能，用實(shí)時(shí)較為精確的數(shù)據(jù)追蹤方法進(jìn)行數(shù)據(jù)向量查找，為數(shù)據(jù)的內(nèi)部操作提供良好的數(shù)據(jù)基礎(chǔ)，并在規(guī)定的操作時(shí)間內(nèi)提高系統(tǒng)運(yùn)行效率，增強(qiáng)內(nèi)部識(shí)別的有效率，并輔助系統(tǒng)自主維護(hù)性能，提高系統(tǒng)的自我修復(fù)力度，完成對(duì)數(shù)據(jù)的基礎(chǔ)識(shí)別操作，提升主系統(tǒng)識(shí)別能力，進(jìn)而獲得較高的識(shí)別準(zhǔn)確率，而傳統(tǒng)研究方法缺少此步驟的研究，對(duì)于收集數(shù)據(jù)的初始處理效果較差，得到的識(shí)別準(zhǔn)確率較低。

隨著實(shí)驗(yàn)時(shí)間的不斷增加，本文基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法的識(shí)別準(zhǔn)確率也不斷提升，且一直位于傳統(tǒng)識(shí)別方法之上。除以上原因外，本文選用不同的操作模式對(duì)過濾后的數(shù)據(jù)進(jìn)行識(shí)別，按照數(shù)據(jù)點(diǎn)識(shí)別順序進(jìn)行排序，優(yōu)化操作步驟，簡便操作方式，降低系統(tǒng)的操作困難程度，由此提高系統(tǒng)操作的效率，并為后續(xù)操作提供較為完整的操作方案，在調(diào)節(jié)系統(tǒng)操作的同時(shí)整合識(shí)別信息，破除了外界因素的影響，識(shí)別的結(jié)果較為完整，促使識(shí)別的準(zhǔn)確率較高。

經(jīng)過以上對(duì)比分析可知，本文基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法的制動(dòng)意圖數(shù)據(jù)收集完整度以及識(shí)別準(zhǔn)確率均高于傳統(tǒng)識(shí)別方法，能夠更好地提升系統(tǒng)的操作性能，為后續(xù)研究的開展打下夯實(shí)的基礎(chǔ)，更好地為使用者所使用。

5 結(jié)束語

本文在傳統(tǒng)識(shí)別方法的基礎(chǔ)上提出了一種新式基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法，該識(shí)別方法的識(shí)別效果明顯優(yōu)于傳統(tǒng)識(shí)別方法。

本文對(duì)無人汽車制動(dòng)意圖的識(shí)別分為3個(gè)步驟進(jìn)行，首先對(duì)無人汽車制動(dòng)意圖內(nèi)部數(shù)據(jù)進(jìn)行獲取，隨機(jī)控制數(shù)據(jù)的流轉(zhuǎn)方向，并在數(shù)據(jù)監(jiān)測同時(shí)進(jìn)行數(shù)據(jù)管理，不斷控制數(shù)據(jù)的內(nèi)部存儲(chǔ)方式，確保數(shù)據(jù)的存儲(chǔ)安全，以此獲取較為完整的收集數(shù)據(jù)，在收集的數(shù)據(jù)的基礎(chǔ)上進(jìn)行識(shí)別數(shù)據(jù)分析，按照不同的識(shí)別數(shù)據(jù)進(jìn)行數(shù)據(jù)點(diǎn)對(duì)照組合操作，不斷優(yōu)化數(shù)據(jù)點(diǎn)間的操作聯(lián)系，在獲得較為良好的數(shù)據(jù)內(nèi)部連接信息的過程中對(duì)數(shù)據(jù)位置進(jìn)行系統(tǒng)固定操作，時(shí)刻監(jiān)控?cái)?shù)據(jù)的流動(dòng)位置，防止內(nèi)部數(shù)據(jù)過度膨脹，最后，選取相應(yīng)的識(shí)別方案對(duì)數(shù)據(jù)進(jìn)行最終識(shí)別，不斷提升系統(tǒng)的操作力度，加強(qiáng)理論操作，實(shí)現(xiàn)對(duì)無人汽車制動(dòng)意圖的識(shí)別。

相較于傳統(tǒng)識(shí)別方法，本文基于DenseNet的無人汽車制動(dòng)意圖識(shí)別方法能夠在較高程度上優(yōu)化系統(tǒng)信息，不斷更新系統(tǒng)數(shù)據(jù)，保持系統(tǒng)內(nèi)部的先進(jìn)性，獲取準(zhǔn)確率較高的操作數(shù)據(jù)，具備較佳的研究空間。