基于改进DenseNet的驾驶行为识别

为提高道路交通安全,解决司机分心驾驶问题,对基于卷积神经网络的驾驶员行为识别模型进行了改进。首先对基于DenseNet的驾驶行为识别模型进行研究,在其基础上引入注意力机制对其进行改进;将注意力机制模块化后设计了三种改进模型;最后将实验结果进行对比分析,确定性能较优的改进模型为SE-PRE模型。实验结果显示,提出的改进模型在相关数据集上达到了94.21%的准确率,上述模型能够准确且高效的识别驾驶行为,为后续的车辆智能化研究奠定了基础。