基于CNN-LSTM时空特征融合的异常驾驶行为识别方法

摘要

本发明公开基于CNN‑LSTM时空特征融合的异常驾驶行为识别方法，包括图像采集处理系统、卷积神经网络层、长短时记忆网络层、全连接层和Softmax层，并包括步骤一、初步特征图像提取；步骤二、初步特征图像分组；步骤三、空间特征提取；步骤四、时间序列特征提取和融合；步骤五、识别判断；本发明通过卷积神经网络层和长短时记忆网络层提取多帧驾驶员异常行为图像的空间特征和时间序列特征并进行融合传输，使驾驶员驾驶行为状态的识别有更高的准确率，利用全连接层和Softmax层对驾驶员异常行为图像进行识别和判断，且长短时记忆网络层相比于传统的循环神经网络，解决了梯度消失的问题，能降低训练模型的难度。