摘要
一种基于时序建模的疲劳驾驶行为识别方法,包括以下步骤:步骤一,疲劳行为数据采集与特征构建;步骤二,样本不均衡处理与数据增强;步骤三,序列分类模型构建;步骤四,注意力机制增强信息提取;步骤五,分类与损失计算;步骤六,将数据集划分为训练集与验证集,采用Adam优化器进行参数更新,基于验证集准确率动态保存最佳模型,训练过程中记录损失变化、准确率与各类别召回率。本发明能够充分挖掘驾驶员疲劳行为在时间维度上的演化规律,增强模型对关键疲劳特征的聚焦能力,并缓解样本分布不均对分类性能的影响,从而实现对驾驶疲劳状态的高效、准确识别。
技术关键词
识别方法
双向长短期记忆网络
时序
样本
分类模型构建
引入注意力机制
焦点损失函数
Softmax函数
序列
驾驶疲劳状态
计算机摄像头
头部姿态估计
驾驶员面部
面部关键点
关键帧
疲劳特征
优化器
数据
系统为您推荐了相关专利信息
循环神经网络模型
资源分配策略
网络流量特征
长短期记忆网络
时间序列特征
高级持续性威胁
病毒
虚拟机管理器
虚拟网络
互联网
环形缓冲区
状态识别方法
高频特征
谐波幅值
有功功率
异常信号
时间序列特征
异常识别方法
学习模型识别
心脏健康
学生
监督分割方法
教师
多模态
医学图像分割技术