论文部分内容阅读
驾驶员在行驶过程中看手机,与乘车人员交谈等违规行为,为安全行驶造成了极大的隐患。为了解决此类问题,提出了一种多角度行为识别方法,从3个角度同步捕捉驾驶员行为的视频,构建多角度驾驶员行为的视频和数据集,利用深度卷积神经网络,进行识别分类。实验结果表明,3D CNN相对于2D CNN的识别精度更加准确,在对比输入剪辑的帧数实验中,发现堆叠的视频帧数会影响准确度,并在具有较大优势的R2plus1D模型中(将3D卷积滤波器分解为单独的空间和时间分量),基于多角度驾驶人员行为识别精度达到87%。