吉林大学学报(信息科学版) ›› 2020, Vol. 38 ›› Issue (3): 353-359.
赵维1,沈柏杉2,张宇2,孔俊2
ZHAO Wei1,SHEN Baishan2,ZHANG Yu2,KONG Jun2
摘要: 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%。
中图分类号: