基于分割区域框架的复杂场景中驾驶员行为识别方法技术

本发明专利技术提出了一种基于分割区域框架的复杂场景中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子数据集；研究图像当中的核心驾驶员区域，并对所有数据集图像当中的驾驶员区域进行标注；构建基于YOLOv11的驾驶员区域检测分割模型，将图像当中的驾驶员区域进行分割，从而构建分割数据集；研究基于分割数据集的驾驶员行为识别模型，构建基于ConvNeXt的识别网络；使用softmax激活函数对ConvNeXt堆叠模块提取到的深度特征进行解码并输出最终的识别结果。分割区域框架在SAA13综合数据集上实现了95.55％的精度和62.5的FPS，在special子数据集上实现了95.96％的识别精度，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。

【技术实现步骤摘要】

本专利技术属于智能交通、智能驾驶研究领域，具体涉及一种基于分割区域框架的复杂场景中驾驶员行为识别方法。

技术介绍

1、随着工业技术的持续升级与创新，智能驾驶系统已在电动汽车领域实现了广泛的普及与应用。这一技术的迅猛发展给汽车行业带来了翻天覆地的变化，尤其是在纯电动汽车领域，特斯拉等汽车品牌已成功地将智能驾驶技术深度融入其车辆产品中。在这些智能驾驶系统中，adas(高级驾驶辅助系统)通过集成多种尖端传感器和先进模型，提供了诸如车道巡航辅助(lcc)和智驾领航辅助(nca)等一系列功能。这些功能不仅大幅减轻了驾驶员的操控负担，为驾驶员带来了更加轻松愉悦的驾驶体验，还为行车安全提供了坚实的保障。然而，根据who(世界卫生组织)2023年的报告，全球每年仍有约130万人死于交通事故。尽管adas的应用在很大程度上提升了驾驶的便捷性，但交通事故的数量并未因此呈现显著的线性减少趋势。这表明，在紧急情况下，仍需人为接管驾驶权以确保行车安全。接管决策的主要依据是根据周围道路的实际状况来判断驾驶员当前的状态是否适合继续执行智能驾驶功能。而实现这一判断的关键技术之一就是驾驶员本文档来自技高网...

【技术保护点】

1.基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：所述步骤S1的具体方法如下：

3.根据权利要求1所述的基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：所述步骤S2的具体方法为：

4.根据权利要求1所述的基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：所述步骤S3的具体方法为：采用YOLOv11精准检测并有效分割本文数据集中的驾驶员区域；经过这一处理流程，驾驶员区域图像成功剥离了原始图像中的冗余背景信息，为后续分析提...

【技术特征摘要】

1.基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：所述步骤s1的具体方法如下：

3.根据权利要求1所述的基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：所述步骤s2的具体方法为：

4.根据权利要求1所述的基于分割区域框架的复杂场景中驾驶员行为识别方法，其特征在于：所述步骤s3的具体方法为：采用yolov11精准检测并有效分割本文数据集中的驾驶员区域；经过这一处理流程，驾驶员区域图像成功剥离了原始图像中的冗余背景信息，为后续分析提供了更为清晰、聚焦于驾驶员本身的图像数据，从而极大地提升了后续处理步骤的效率和准确性；使用yolov11对标注数据集进行训练和验证，之后使用训练好的模型对数据...

【专利技术属性】
技术研发人员：赵池航，邓文浩，卿入鑫，王珺珺，
申请(专利权)人：东南大学，
类型：发明
国别省市：