【发明公布】权重优化下的局部多尺度特征融合的驾驶员行为识别方法_淮阴工学院_202210294364.X 

申请/专利权人:淮阴工学院

申请日:2022-03-24

公开(公告)日:2022-08-09

公开(公告)号:CN114882478A

主分类号:G06V20/59

分类号:G06V20/59;G06V10/26;G06V10/46;G06V10/42;G06V10/44;G06V10/80;G06V10/774;G06V10/82

优先权:

专利状态码:在审-公开

法律状态:2022.08.09#公开

摘要:本发明公开了一种权重优化下的局部多尺度特征融合的驾驶员行为识别方法,首先用YOLOv5对驾驶员进行检测,得到驾驶人体检测框相对位置信息;将原图片送入ResNet50中进行特征提取,在主干网络ResNet50的三个不同尺度利用驾驶人相对位置信息进行ROI+Poing操作,得到三个不同尺度的驾员人体的特征,并进行重复多尺度特征融合;最后将Resnet最终得到的全局特征与多尺度特征融合后的驾驶员人体特征进行权重优化策略后结合,通过Softmax层预测相应的类别。本发明在结合目标检测和局部多尺度重复融合结构充分提取人体特征的同时,也兼顾了全局背景对预测产生的效应;在复杂驾驶环境下的检测效果良好,准确度高,具有较好的鲁棒性。

主权项:1.一种权重优化下的局部多尺度特征融合的驾驶员行为识别方法,其特征在于,包括以下步骤:1预先获取驾驶室的监控视频,选取其中的分心驾驶行为并分割成相应图片,作为数据集;2采用YOLOv5对驾驶员进行检测,得到驾驶人体检测框相对位置信息;3将原图片送入ResNet50网络中进行特征提取;4分别在ResNet50网络的28*28、14*14和7*7尺度的特征图上,利用步骤2所得到人体检测框相对位置,进行ROI+Pooing得到驾驶人的底层细节特征和高层抽象特征,并对三个尺度的特征进行重复多尺度融合,得到更加全面丰富的驾驶人特征;5提出一种权重分配方法用于对驾驶人特征和全局特征进权衡,将分配后的驾驶人的特征和全局特征相结合,并对驾驶员行为进行识别。

全文数据:

权利要求:

百度查询: 淮阴工学院 权重优化下的局部多尺度特征融合的驾驶员行为识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。