一种基于卷积神经网络的高精度自动识别驾驶员不安全行为的方法与装置

摘要

本发明实施例公开了一种基于卷积神经网络的高精度自动识别驾驶员不安全行为的方法与装置，涉及图像识别、模式识别及自动化领域。本发明针对重要货物运输或者载人客车驾驶员的不安全行为检测问题，提出了DriverBeCog的解决方法：利用胶囊神经网络和卷积神经网络对驾驶员的实时图像提取特征；并行对多种行为分别进行二分类；通过监控设备传回画面进行实时监测，对不安全行为进行警告，同时相关信息记录进数据库。本发明采用多个模型并发处理；提出一种网络层次少、参数少、计算量小且易于实用的卷积神经网络模型；对于不安全行为的识别率超出已有成果，利于实用；并采用权重参数调整方法解决正反类数据量差距过大的问题。