[发明专利]一种基于3D卷积神经网络的分心驾驶识别方法

摘要

本发明公开了一种基于3D卷积神经网络的分心驾驶识别方法，属于深度学习、模式识别领域，尤其涉及基于深度卷积神经网络的分心驾驶识别方法。对驾驶姿态图片做叠加处理构建输入层。首先对图片立方体做卷积计算为C1卷积层;然后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；最后将C5输出的两类特征图做合并操作，再依次经过两个全连接层L1、L2，计算softmax，最后输出对应的分心驾驶类别。本发明将2D图片叠加构建3D输入，同时使用了两路不同的卷积核提出特征，网络具有泛化能力强，识别精度高的优点。

主权项

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。