%0 Journal Article
%A 毕晓君
%A 虎浩媛
%A 柳长源
%T 双线性融合网络的驾驶员分心行为识别
%D 
%R 10.13190/j.jbupt.2021-171
%J 北京邮电大学学报
%P 79-84
%V 45
%N 2
%X 准确识别驾驶员的分心行为能够从源头上减少交通事故的发生。传统的识别方法类别少,准确率不高,对此,引入并改进残差神经网络(ResNet-50)对驾驶员分心行为进行识别。为了进一步提高模型特征的提取能力,从改进后的ResNet-50和EfficientNet-B0模型中提取特征,并将其双线性融合,从而进一步提高模型的识别准确率。通过对正常驾驶、玩手机、打电话、喝水、向后座拿东西、与副驾交谈6种驾驶员的行为进行测试,改进后ResNet-50模型的平均识别准确率达94.2%。将改进后的ResNet-50与EfficientNet-B0模型进行融合,融合模型的平均识别准确率高达96.7%。实验结果表明,该方法对驾驶员分心行为的检测有较好的分类效果。
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2021-171