基于级联卷积神经网络的驾驶员分心驾驶行为检测

摘要：

针对驾驶员分心驾驶行为检测,设计一种级联卷积神经网络检测框架.检测框架由第一级分心行为预筛选卷积网络和第二级分心行为精确检测卷积网络两个全卷积网络级联构成.预筛选卷积网络是一个轻量级的图像分类网络,负责对原始数据进行快速筛选,其网络层数少、训练速度快,结构特征冗余较少,能够减少后续网络的计算负担;分心行为精确检测卷积网络采用VGG(Visual geometry group)模型特征提取的深度迁移学习检测算法网络,通过迁移学习重新训练分类器和部分卷积层.提出的级联神经网络最终可以实现9 种驾驶员分心驾驶行为的准确识别检测.实验结果表明,相比主流单模型检测方法,在保证算法效率的同时准确率均有明显提升,准确率达到93.3％,有效降低了误检率.该方法具有较好的鲁棒性和泛化能力.

关键词：分心驾驶、卷积神经、特征提取、迁移学习、级联网络

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北省数字装备重点实验公开项目DTL2018023

在线出版日期：2020-06-28（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：5702-5708