典型文献
基于深度学习的驾驶员分心行为识别
文献摘要：
分心驾驶行为识别是提高驾驶安全的主要方法之一.针对分心驾驶行为识别精度低的问题,本文提出一种基于深度学习的驾驶员分心行为识别算法,由目标检测网络和行为精确识别网络级联构成.基于State Farm公开数据集,第一级利用目标检测算法SSD(Single Shot Multibox Detector)对数据集中的驾驶员原始图像进行局部信息提取,确定行为识别候选区域;第二级分别利用迁移学习VGG19、ResNet50和MobileNetV2模型对候选区域内的行为信息进行精确识别;最后,实验对比级联架构与单模型架构对分心驾驶行为的识别精度.结果表明,提出的级联网络模型相较于主流单模型检测方法,驾驶员行为识别的准确率总体上提升4～7％个百分点.该算法不仅减少噪声和其他背景区域对模型的影响,提高分心行为识别准确率,还可以有效识别更多的行为类别以避免动作的误分类.
文献关键词：
驾驶安全;分心驾驶行为识别;级联卷积神经网络模型;迁移学习
中图分类号：
作者姓名：
何丽雯;张锐驰
作者机构：
长安大学信息工程学院,陕西 西安710061
文献出处：
引用格式：
[1]何丽雯;张锐驰-.基于深度学习的驾驶员分心行为识别)[J].计算机与现代化,2022(06):67-74
A类：
级联架构,级联卷积神经网络模型
B类：
驾驶员分心,分心行为识别,分心驾驶行为识别,驾驶安全,主要方法,识别精度,识别算法,目标检测网络,精确识别,识别网络,State,Farm,公开数据集,第一级,目标检测算法,SSD,Single,Shot,Multibox,Detector,原始图像,局部信息,信息提取,候选区域,第二级,迁移学习,VGG19,ResNet50,MobileNetV2,实验对比,单模,模型架构,级联网络,模型检测,驾驶员行为,百分点,背景区域,识别准确率,行为类别,误分类
AB值：
0.314969
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
