论文部分内容阅读
针对车载设备采集驾驶员图像中包含大量冗余信息,导致驾驶员行为识别准确率低的问题,提出一种使用驾驶员局部定位信息来帮助卷积神经网络识别驾驶员分心驾驶的方法。利用驾驶员局部定位信息,可以减少冗余信息干扰,卷积神经网络能够更加有效地关注驾驶姿态。在VGG16、InceptionV3、Mobilenet分类模型的基础上,探讨将驾驶员局部信息作为卷积输入的识别率,实验结果表明,在相同的数据集,对上述三个模型均有不同程度的提升,最高识别率可提升至96.10%。