基于深度学习的驾驶行为识别算法研究

发布时间：2022-07-04 21:04

　　随着私家车的普及,交通事故数量与日俱增,其中大约有五分之一交通事故是由于驾驶员在驾驶过程中存在打电话、打字、吃东西、与人交流等分心驾驶行为引起的,在驾驶过程中,驾驶员的驾驶行为直接关系到全车人的生命安全,所以对驾驶员进行行为状态识别是非常有必要的。目前的驾驶行为识别方法识别状态少且分类识别准确率低,加之在公共安全研究中由于嵌入式设备内存小等原因,驾驶员检测仍然是一个棘手的问题。驾驶行为状态识别的任务可以看作是一个多类别的分类问题,考虑到计算机视觉在预测驾驶员行为方面的最新进展以及深度神经网络可以更快更高效率地提取数据特征的优势,本文试图研究最佳的深度学习网络体系结构,以通过计算机视觉准确地检测驾驶员状态,用以监督该类危险驾驶行为。在本文中,我们研究了使用深度学习方法在单个图像中自动识别驾驶状态（例如正常驾驶,打电话,发短信,喝水和与乘客交谈）,为此我们提出了一种快速下采样网络（MF-Net）,它是一种高效且准确的网络,由深度可分离卷积网络改进而成,其关键思想是将快速下采样策略应用于深度可分离卷积网络,在12层内执行32倍下采样,此设计具有显著降低计算成本、增加信息容量并实现性能改进、所... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究意义
    1.4 论文章节安排
第2章 总体架构设计及相关技术
    2.1 状态识别系统总体架构
    2.2 驾驶员目标检测技术
    2.3 图像处理技术
    2.4 分类构建块的确定-可分离卷积
        2.4.1 空间可分离卷积
        2.4.2 深度可分离卷积
    2.5 迁移学习
        2.5.1 转导迁移学习
        2.5.2 归纳迁移学习
    2.6 本章小结
第3章 数据处理和特征表示
    3.1 数据增强
    3.2 图像预处理
    3.3 数据的特征表示
        3.3.1 传统特征学习
        3.3.2 深度学习特征学习
    3.4 特征可视化
    3.5 本章小结
第4章 基于深度学习的驾驶行为模型
    4.1 几种典型的卷积神经网络模型
        4.1.1 VGG16模型
        4.1.2 残差网络模型
        4.1.3 Xception模型
    4.2 MF-Net架构设计
        4.2.1 快速下采样策略
        4.2.2 构造MF-Net网络结构
    4.3 优化算法
        4.3.1 AdaGrad算法
        4.3.2 RMSprop算法
        4.3.3 Adam算法
    4.4 本章小结
第5章 实验结果分析
    5.1 评价指标
    5.2 实验结果及分析
        5.2.1 实验环境
        5.2.2 实验结果
    5.3 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果



本文编号：3655921