基于卷积神经网络的驾驶员不安全行为识别

摘要：

提出了一种基于卷积神经网络的驾驶员违规行为识别方法.首先,利用特定卷积神经网络对驾驶员的实时图像提取特征,然后并行对多种行为分别进行二分类.建立了一个真实场景下的驾驶员违规数据集,在此数据集上的测试说明了该方法的高效和良好的泛化能力.实验结果表明,该方法在约10万张图像的数据集中对打电话、吸烟、不系安全带3种行为分别达到了99.85％、99.62％、98.68％的识别率,同时使用当前较先进的Inception-v3和Xception模型测试,也获得了类似的识别效果.

关键词：卷积神经网络、深度学习、模式识别、驾驶员不安全行为识别

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61672136, 61828202;四川省科技支撑计划2016GZ0322

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：381-387