基于几何空间融合特征深度注意力网络的驾驶员行为识别方法

本发明提出了一种基于几何空间融合特征深度注意力网络的驾驶员行为识别方法，包括：构建驾驶员行为标准图像数据集SAA13和special；构建基于YOLO‑pose的驾驶员骨干空间特征生成模型；研究结合图像的上下文几何特征与驾驶员的骨干空间特征作为输入的双流融合特征；研究并设计专门用于复杂驾驶场景当中的多源协同注意力MCA‑DBR模块；研究将MCA‑DBR模块嵌入网络浅层位置以加强网络对驾驶员局部细节特征的提取能力；将强化后的特征图输入到分类网络的搭建模块当中进行深层语义特征提取；使用softmax激活函数对DAN‑GSFF提取到的深度特征进行解码并输出最终的识别结果。DAN‑GSFF在SAA13综合数据集上实现了90.11％的精度和96.2的FPS，这为提高网络对驾驶员行为的识别能力提供了一种可行方法。