基于卷积神经网络的分心驾驶行为识别

• 作者: 罗冠泰 陈新伟 肖旺辉 林文伟 赵紫阳 张陈涛
• 来源期刊: 机电技术
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 迁移学习 模式识别 分心驾驶行为
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 数字化与智能化
• 页码范围: 33-37
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19508/j.cnki.1672-4801.2022.01.009

摘要

针对分心驾驶行为识别,提出基于ResNet18的多标签分心驾驶行为识别方法和基于迁移学习的多分类分心驾驶行为识别方法.首先基于ResNet18模型连接多个全连接层,对多种行为进行多标签识别;然后利用迁移学习,提出基于改进的ResNet34模型进行多分类识别.实验结果表明:文章提出的改进算法对分心驾驶行为识别的准确率最高可达93.5％,该改进算法对分心驾驶识别具有较好的可行性和有效性.