一种基于多流特征融合和域自适应的分心行为检测方法

本发明公开了一种基于多流特征融合和域自适应的分心行为检测方法，通过预训练的Openpose和yolov5模型对驾驶员进行姿态估计和检测驾驶过程中经常使用或相互作用的目标物体；计算代表身体关节特征和人体‑物体交互的语义特征，通过分析身体关节的相对位置和方向，以及驾驶员与物体的交互，可以更准确地识别驾驶员分心行为；构建轻量级多流特征融合网络，引入域自适应网络，提高模型跨驾驶员和跨数据集的泛化能力，增强模型的适应性；调整MSFDA‑Net模型参数并进行训练，以获得最优结果，完成分心行为的准确检测。本发明在现有技术的基础上，进一步提高了在有限数据集和模糊场景下分心新闻给检测的泛化性能和识别精度，为减少交通事故和提升道路安全提供技术支持。