基于改进LSTM优化超维计算的分心驾驶行为分类方法

本发明涉及图像分类领域，公开了一种基于改进LSTM优化超维计算的分心驾驶行为分类方法，收集驾驶员在开车时，进行不同类型的危险驾驶行为的图像；构建超维计算模型，对不同类别的图像分别进行编码，对提取的信息特征进行特征聚类，完成图像特征二值化，对相同的类别进行分类，形成类别超维向量；对划分好的训练集与测试集的数据样本进行超维计算的训练与测试，对训练测试好的样本进行AdaptHD模型再训练；构建改进的LSTM神经网络，利用北极光优化器替换LSTM模型中ADAM优化器；根据改进的LSTM神经网络输出的不同类型的危险驾驶行为的概率值进行图像分类。与现有技术相比，本发明在检测精确度可接受的范围内大大提高了效率，缩短的检测时间。