[发明专利]一种基于3D卷积神经网络的分心驾驶识别方法

权利要求书

1.一种基于3D卷积神经网络的分心驾驶识别方法，其特征在于该方法包括

步骤1：将分心驾驶行为定义为n类；对原始驾驶图片预处理，将2D图片输入转为3D输入；

步骤2：使用步骤1获得的训练样本训练3D卷积神经网络；

步骤2.1：输入立方体经过卷积计算，为C1卷积层，

步骤2.2：对步骤2.1输出的特征图立方体，通过两路不同的卷积核做卷积计算，再做最大池化计算，连续重复四次，为网络的C2、C3、C4、C5卷积层，

步骤2.3：将步骤2.2输出的两个特征图立方体合并为一个特征图立方体，

步骤2.4：对步骤2.3输出的特征图立方体连续做两次全连接计算，为F1、F2全连接层，

步骤2.5：根据步骤2.4的输出计算Softmax、loss，并根据loss反向修正网络参数；重复步骤2.1-步骤2.5，直至loss收敛；

步骤3：将测试图片做复制叠加处理，构建3D立方体结构；利用步骤2得到的3D卷积神经网络测试分类结果。

2.如权利要求1所述的一种基于3D卷积神经网络的分心驾驶识别方法，其特征在于所述步骤1将二维图片输入转为三维输入包括：首先将图片缩放为统一尺寸大小，然后将同一类分心驾驶图片做叠加处理后输入3D网络。

3.如权利要求1所述的一种基于3D卷积神经网络的分心驾驶识别方法，步骤2.3使用了两路不同卷积核，其特征是：C2层卷积核尺寸为64@8*8*3和64@6*6*2；C3层卷积核尺寸为128@5*3*2和128@7*3*3；C4层卷积核尺寸为256@6*3*2和256@5*3*1；C5层卷积核尺寸为512@3*3*3和512@6*5*3。