公开(公告)号：CN115082698B

公开(公告)日：2024-04-16

申请号：CN202210744125.X

申请日：2022-06-28

Applicant: 华南理工大学

Inventor： 姜立标 ,  张通 ,  张伟林 ,  姜思羽

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种基于多尺度注意力模块的分心驾驶行为检测方法，包括以下步骤：得到标注对应的分心驾驶行为信息的图像数据集；结合多尺度注意力模块MPSA，改进MoblieNetV2特征网络模型，用于提取分心驾驶行为特征并输出预测驾驶行为概率，其中，改进的MoblieNetV2特征网络模型包括多个串联的倒瓶颈残差模块，且在每个倒瓶颈残差模块中加入多尺度注意力模块，定义为多尺度倒瓶颈残差模块，多尺度倒瓶颈残差模块包括分组卷积层、多尺度注意力模块层MPSA以及特征提取层，设置训练超参数，将训练集图像输入到改进后的MoblieNetV2特征网络模型，得到训练完备的分心驾驶行为检测模型；将待测图像输入训练得到的分心驾驶行为检测模型中，输出驾驶行为类型。稳定性好，鲁棒性强。

公开(公告)号：CN115082698A

公开(公告)日：2022-09-20

申请号：CN202210744125.X

申请日：2022-06-28

Applicant: 华南理工大学

Inventor： 姜立标 ,  张通 ,  张伟林 ,  姜思羽

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于多尺度注意力模块的分心驾驶行为检测方法，包括以下步骤：得到标注对应的分心驾驶行为信息的图像数据集；结合多尺度注意力模块MPSA，改进MoblieNetV2特征网络模型，用于提取分心驾驶行为特征并输出预测驾驶行为概率，其中，改进的MoblieNetV2特征网络模型包括多个串联的倒瓶颈残差模块，且在每个倒瓶颈残差模块中加入多尺度注意力模块，定义为多尺度倒瓶颈残差模块，多尺度倒瓶颈残差模块包括分组卷积层、多尺度注意力模块层MPSA以及特征提取层，设置训练超参数，将训练集图像输入到改进后的MoblieNetV2特征网络模型，得到训练完备的分心驾驶行为检测模型；将待测图像输入训练得到的分心驾驶行为检测模型中，输出驾驶行为类型。稳定性好，鲁棒性强。