[发明专利]一种基于人体特征细分类的驾驶员行为识别方法

摘要

本发明提供了一种基于人体特征细分类的驾驶员行为识别方法，包括：建立驾驶员行为识别的图像数据集；构建基于人体特征细分类的识别模型；训练基于人体特征细分类的识别模型；对基于人体特征细分类的识别模型进行测试。本发明能够对人体关键点部位进行正确的动作分类，结合局部特征和图像全局特征进行驾驶员行为细分类，在交通安全领域有重要的应用价值。本发明通过Stacked Hourglass Networks模型进行关键点定位，随后，对关键点区域进行学习，将人体部位的具体动作作为卷积分类的中层特征，显著地提升了模型的识别精度。

主权项

1.一种基于人体特征细分类的驾驶员行为识别方法，其特征在于，包括如下步骤：步骤1：建立驾驶员行为识别的图像数据集获取样本图像数据，建立图像数据集，样本图像中包含各种驾驶员行为，将图片数据集划分为训练集和测试集，且测试样本图片中驾驶员与训练样本中的驾驶员独立；步骤2：构建基于人体特征细分类的识别模型所述模型包括关键点区域定位模块以及驾驶员行为识别模块，所述关键点区域定位模块采用Stacked Hourglass Networks模型，所述驾驶员行为识别模块采用VGG‑19模型；步骤3：训练基于人体特征细分类的识别模型搭建网络模型，通过随机梯度下降方法优化网络参数；步骤4：对基于人体特征细分类的识别模型进行测试给定一张驾驶员行为图像，将测试图像归一化尺寸后作为模型的输入，通过前向传播获得测试图像的行为识别结果。