• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的駕駛行為檢測(cè)方法研究*

    2021-08-31 03:21:16施冬梅
    汽車工程 2021年8期
    關(guān)鍵詞:檢測(cè)方法模型

    施冬梅,肖 鋒

    (1.蘇州信息職業(yè)技術(shù)學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系,蘇州215200;2.西安工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,西安710021)

    前言

    我國(guó)交通事業(yè)蓬勃發(fā)展,隨之而來(lái)的是交通事故頻繁發(fā)生,據(jù)統(tǒng)計(jì),這些事故中有69%的事故與駕駛員疲勞駕駛和不安全駕駛行為有關(guān)[1]。因此通過科技手段對(duì)駕駛員的駕駛行為進(jìn)行檢測(cè)并分析是當(dāng)今智能交通領(lǐng)域的研究熱點(diǎn)。疲勞駕駛和不安全駕駛行為的檢測(cè),主要是采用學(xué)習(xí)算法首先定位視頻序列中的人臉和肢體,然后再對(duì)人眼、嘴巴等小目標(biāo)進(jìn)行識(shí)別,分析其狀態(tài),從而判斷是否安全駕駛。在視頻序列圖像的人臉識(shí)別深度學(xué)習(xí)算法中,卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(recurrent neural networks,RNN)是目前常用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),RNN結(jié)構(gòu)將時(shí)間的先后順序信息加入到了神經(jīng)網(wǎng)絡(luò)中,可以實(shí)現(xiàn)視頻時(shí)序圖像的識(shí)別。目前疲勞駕駛和不安全駕駛行為,主要通過生理參數(shù)[2-3]、車輛軌跡[4-5]、肢體動(dòng)作特征[6]進(jìn)行檢測(cè),常見的生理參數(shù)檢測(cè)方法需要智能穿戴類檢測(cè)設(shè)備[7],且已有應(yīng)用,但受限于人的心理、情緒變化,存在一定的誤差。車輛軌跡行為檢測(cè)方法受限于路面因素,也易造成誤判且有一定的滯后[8]。而肢體動(dòng)作特征檢測(cè)方法主要采用機(jī)器視覺和深度學(xué)習(xí)算法判斷不安全行為[9-10],如通過閉眼時(shí)間比例(percentage of eyelid closure over the pupilover time,PERCLOS)[11]、眨眼頻率[12]、面部表情、肢體動(dòng)作等特征進(jìn)行檢測(cè),學(xué)者關(guān)注較多。如利用多尺度同態(tài)濾波圖像增強(qiáng)算法[13],針對(duì)復(fù)雜環(huán)境下捕捉到的圖像進(jìn)行增強(qiáng),并通過視覺定位,分析駕駛員眼睛所處狀態(tài)[14]、嘴部動(dòng)作,進(jìn)而分析駕駛員的駕駛行為[15]。通過深度學(xué)習(xí)算法分析視頻時(shí)序語(yǔ)義信息,判斷駕駛員的不安全行為[16]。

    在對(duì)時(shí)序信息建模時(shí),為了防止梯度爆炸的問題,在RNN的結(jié)構(gòu)基礎(chǔ)上引入了長(zhǎng)短時(shí)記憶(long short time memory,LSTM)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),LSTM的記憶和遺忘功能可以提高時(shí)序圖像的識(shí)別精度,因而LSTM模型通常被用來(lái)進(jìn)行視頻行為以及人臉識(shí)別[17],廣泛用于考勤、安保等監(jiān)控領(lǐng)域。文獻(xiàn)[18]中利用單層的相關(guān)濾波器來(lái)預(yù)測(cè)目標(biāo)位置,并使用LSTM自適應(yīng)地學(xué)習(xí)確定最終目標(biāo)位置。文獻(xiàn)[19]中將提取的卷積特征輸入到具有兩個(gè)不同方向的雙向LSTM中,正反兩個(gè)方向模擬演化過程,實(shí)現(xiàn)特征融合。文獻(xiàn)[20]中通過自適應(yīng)語(yǔ)義注意模型,將兩個(gè)獨(dú)立的LSTM網(wǎng)絡(luò)集成后用于圖像目標(biāo)捕捉。文獻(xiàn)[21]中提出了一種改進(jìn)的基于雙流結(jié)構(gòu)的時(shí)空注意模型來(lái)識(shí)別視頻中的不同行為。文獻(xiàn)[22]中提出一種基于雙流特征的時(shí)空關(guān)注度長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型,用于行為識(shí)別。文獻(xiàn)[23]中提出了一個(gè)基于時(shí)空層次卷積長(zhǎng)短期記憶網(wǎng)絡(luò)來(lái)模擬時(shí)空域的行為結(jié)構(gòu),用于行為識(shí)別?,F(xiàn)有視頻序列人體行為識(shí)別的難點(diǎn)在于目標(biāo)動(dòng)作僅占視頻序列中的一個(gè)小區(qū)域或者小部分,同時(shí)被識(shí)別人臉目標(biāo)易被周圍的背景信息干擾,如噪聲、光線、遮擋等,因此從視頻序列中提取人臉或人體行為的有效時(shí)空信息,成為行為識(shí)別的關(guān)鍵問題。注意力機(jī)制是一種內(nèi)部資源分配機(jī)制,在深度學(xué)習(xí)模型中,引入注意力機(jī)制(attention mechanism,AM),加強(qiáng)對(duì)關(guān)鍵語(yǔ)義信息的提取,能提高算法的識(shí)別準(zhǔn)確率[24]。目前描述LSTM模型應(yīng)用文獻(xiàn)中,主要集中在人體行為識(shí)別、人臉識(shí)別、物體識(shí)別等方面,而利用LSTM模型結(jié)構(gòu)和注意力機(jī)制有機(jī)融合進(jìn)行人臉與疲勞駕駛檢測(cè)的文獻(xiàn)比較少見。

    本文中針對(duì)視頻圖像序列識(shí)別方法中的不足,將對(duì)LSTM方法進(jìn)行改進(jìn),并引入注意力機(jī)制,設(shè)計(jì)了混合雙流通道AM?LSTM網(wǎng)絡(luò)結(jié)構(gòu),分為時(shí)間流和空間流兩個(gè)通道卷積神經(jīng)網(wǎng)絡(luò),采用不同的網(wǎng)絡(luò)算法,以空間金字塔池化層(spatial pyramid pooling,SPP)代替?zhèn)鹘y(tǒng)的均值池化,統(tǒng)一特征圖的尺度變換,用SSD進(jìn)行眼睛的定位,給出了眼睛狀態(tài)的檢測(cè)方法以及疲勞駕駛的判斷標(biāo)準(zhǔn),本算法主要用于對(duì)駕駛員的疲勞狀態(tài)以及不安全駕駛行為進(jìn)行檢測(cè),發(fā)現(xiàn)異常及時(shí)報(bào)警提醒,減少交通事故的發(fā)生。

    1 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)

    1.1 改進(jìn)LSTM網(wǎng)絡(luò)結(jié)構(gòu)

    在人臉圖像識(shí)別中,CNN無(wú)須圖像預(yù)處理,就可以直接輸入原始圖像,進(jìn)行卷積分類,因而得到了廣泛的應(yīng)用。但CNN在處理時(shí)間序列圖像存在一定不足,而LSTM模型含有記憶單元ct、輸入門it、遺忘門ft和輸出門ot,能有效解決這一問題。本文中對(duì)基本LSTM結(jié)構(gòu)進(jìn)行改進(jìn)[25],在當(dāng)前輸入增加單層卷積,假設(shè)xt為輸入,ht為隱含層的當(dāng)前值,網(wǎng)絡(luò)函數(shù)記為f,則LSTM模型的卷積計(jì)算表示如下:

    權(quán)矩陣;bf、bc、bo代表偏置;ht-1代表上一時(shí)刻狀態(tài)量,在這里使用tanh非線性函數(shù);σ為門函數(shù),σ輸出在0到1之間。為從復(fù)雜信息中選出目標(biāo)關(guān)鍵信息,進(jìn)一步在LSTM網(wǎng)絡(luò)結(jié)構(gòu)中的輸入門中引入注意力機(jī)制,構(gòu)成AM?LSTM結(jié)構(gòu),如圖1所示。

    圖1 AM?LSTM網(wǎng)絡(luò)結(jié)構(gòu)

    假設(shè)用殘差網(wǎng)絡(luò)對(duì)視頻序列每一幀圖像提取的目標(biāo)特征為{xi},目標(biāo)長(zhǎng)度為n1,則注意力機(jī)制動(dòng)態(tài)加權(quán)所有特征的總和為

    第t個(gè)時(shí)間,特征xi的權(quán)重為,則特征向量xi所對(duì)應(yīng)的權(quán)重計(jì)算如下:

    式中:fatt表示使用多層感知機(jī);ht-1表示上個(gè)時(shí)刻的狀態(tài);為一個(gè)中間變量。計(jì)算出權(quán)重之后,注意力機(jī)制開始對(duì)輸入序列進(jìn)行選擇,得到選擇后的序列ht,本文中注意力機(jī)制采用的是自適應(yīng)注意力模型,圖像描述框架如圖2所示。

    圖2 注意力機(jī)制的圖像描述框架

    1.2 雙流通道AM?LSTM網(wǎng)絡(luò)結(jié)構(gòu)算法

    由于駕駛圖像采集過程中,像人眼這樣的小目標(biāo),傳統(tǒng)的池化層會(huì)造成圖像部分信息缺失,所以在設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)時(shí),本文中以空間金字塔池化層代替?zhèn)鹘y(tǒng)的均值池化,把不同卷積層的特征圖轉(zhuǎn)換成固定大小的特征向量,實(shí)現(xiàn)對(duì)特征圖統(tǒng)一尺度變換。設(shè)計(jì)混合雙流通道AM?LSTM結(jié)構(gòu)算法進(jìn)行疲勞駕駛行為檢測(cè)。雙流網(wǎng)絡(luò)分別使用圖像和光流場(chǎng)來(lái)表示時(shí)間流和空間流信息,雖然增加了一定的計(jì)算量,但可以降低復(fù)雜環(huán)境對(duì)時(shí)光流視頻序列產(chǎn)生的噪聲,提高了識(shí)別準(zhǔn)確率。時(shí)間流基于VGG16+Inception網(wǎng)絡(luò)結(jié)構(gòu)采用SSD算法計(jì)算視頻序列中相鄰兩幀光流圖像,再提取多幀光流圖像時(shí)序信息,主要是針對(duì)人眼等小目標(biāo)的檢測(cè);空間流采用CNN方法對(duì)t幀時(shí)刻的RGB圖像提取空間特征,再經(jīng)過通道注意力和空間注意力模塊進(jìn)行關(guān)鍵信息的記憶、對(duì)比分析與提取,進(jìn)而實(shí)現(xiàn)特征融合,最后采用softmax分類,獲得駕駛行為狀態(tài)信息,混合雙流通道AM?LSTM如圖3所示。

    圖3 混合雙流通道CNN+AM?LSTM網(wǎng)絡(luò)結(jié)構(gòu)

    AM?LSTM模型的損失函數(shù)采用交叉熵函數(shù),再通過反向傳播方法訓(xùn)練模型參數(shù)。根據(jù)前面的推導(dǎo),可以通過前向傳播計(jì)算出在時(shí)刻t網(wǎng)絡(luò)的輸出向量y,總的誤差值L可定義如下:

    式中:dit為輸出層第i個(gè)神經(jīng)元的期望輸出;yit為輸出層第i個(gè)神經(jīng)元的實(shí)際輸出;Y為輸出層神經(jīng)元的個(gè)數(shù)。在LSTM中,需要計(jì)算隱層輸出的誤差梯度δht和記憶狀態(tài)δct的誤差梯度,方法如下。

    模型計(jì)算過程如下:初始化網(wǎng)絡(luò)權(quán)值,首先采用前向傳播,計(jì)算輸出值y和此時(shí)刻t的總誤差值;然后計(jì)算隱層單元的誤差梯度δht和記憶狀態(tài)δct;再計(jì)算遺忘門、輸入門、輸出門的權(quán)值更新ΔWf、ΔWi、ΔWo,最后更新權(quán)值Wf。

    將AM?LSTM模型的時(shí)間步長(zhǎng)設(shè)置為m,將最后一個(gè)時(shí)間步長(zhǎng)的隱層狀態(tài)輸出看作最具特征代表性的高層語(yǔ)義特征,在AM?LSTM網(wǎng)絡(luò)中加一個(gè)soft max層,變成最終分類任務(wù),針對(duì)最后的時(shí)間步長(zhǎng)可以將公式修改為

    式中:Wo表示隱含層到輸出層的權(quán)重矩陣;bo表示偏差;ym表示最終分類結(jié)果;hm表示步長(zhǎng)達(dá)到m時(shí)的h狀態(tài)值。AM?LSTM模型的損失函數(shù)采用傳統(tǒng)的交叉熵函數(shù),通過反向傳播方法訓(xùn)練參數(shù)。

    2 疲勞駕駛行為檢測(cè)

    當(dāng)駕駛員處于疲勞狀態(tài)時(shí),最能反映的就是眼睛和嘴巴,如打哈欠、瞇眼睛等,通過算法檢測(cè)人眼的開度、PERCLOS值和動(dòng)作頻率來(lái)判斷疲勞程度。其中,PERCLOS值與疲勞駕駛的相關(guān)性最大。本文中采用PERCLOS標(biāo)準(zhǔn),其含義是指在一個(gè)眨眼周期中,眼睛開度小于最大開度20%的時(shí)間與眼睛開度小于最大開度80%的時(shí)間的比值,以ρ表示:

    式中:t1代表眼睛從眼瞼閉合至最大開度20%到完全閉合,再睜開至最大開度20%的時(shí)間;t2代表眼睛從眼瞼閉合至最大開度80%到完全閉合,再睜開至最大開度80%的時(shí)間。計(jì)算人眼開度時(shí),首先要定位人臉,再利用SSD算法在人臉中搜索人眼,依據(jù)人眼上眼瞼與下眼瞼標(biāo)定的特征點(diǎn)來(lái)計(jì)算人眼開度,人眼的檢測(cè)點(diǎn)位如圖4所示。

    圖4 人眼檢測(cè)示意圖

    每只眼睛有8個(gè)檢測(cè)點(diǎn),每個(gè)點(diǎn)位對(duì)應(yīng)一個(gè)坐標(biāo),用(xEi,yEi)表示,首先計(jì)算出睜開眼時(shí)E1和E5、E2和E4、E6和E8之間的距離,取平均值作為正常駕駛?cè)搜郾犻_基準(zhǔn)值。

    某人第i次眼睛睜開值可表示為

    因?yàn)槊總€(gè)駕駛員人眼大小的狀態(tài)是不同的,同一輛車可能由多個(gè)駕駛員使用,針對(duì)不同人的眼睛大小、環(huán)境變化以及是否戴眼鏡等因素,實(shí)際的眼睛開度可用Eopen表示為

    Eopen作為眼睛開度指標(biāo),考慮光照等環(huán)境因素,測(cè)試結(jié)果為人眼開度處于0.8到0.65定位為輕度疲勞,0.65到0.45為疲勞,0.45以下為重度疲勞。人在疲勞情況下眨眼頻率會(huì)變快,眨眼頻率可以通過把時(shí)間轉(zhuǎn)換為該檢測(cè)時(shí)段里的視頻幀數(shù)比例來(lái)表示:

    FEopen作為一個(gè)閾值,是用來(lái)判斷疲勞狀態(tài)的依據(jù)。實(shí)際采用眼睛開度、PERCLOS值和眨眼頻率綜合來(lái)判斷疲勞狀態(tài),具體規(guī)則如表1所示。

    表1 不同方法的疲勞狀態(tài)判斷值

    3 實(shí)驗(yàn)結(jié)果分析

    本實(shí)驗(yàn)是在主頻為4.0GHz Intel CPU、GeForce GTX 1080顯卡上實(shí)現(xiàn)的,軟件采用Python3.0、Matlab2016a和Tensor flow1.3框架。在駕駛行為檢測(cè)時(shí),采用850 nm波長(zhǎng)的近紅外攝像頭采集視頻序列,采樣率為30 fps,視頻大小統(tǒng)一為320×240。在LFW數(shù)據(jù)集中進(jìn)行人臉圖像識(shí)別和在自建駕駛數(shù)據(jù)集進(jìn)行駕駛行為檢測(cè)實(shí)驗(yàn)。為便于分析測(cè)試數(shù)據(jù),根據(jù)測(cè)算數(shù)據(jù)繪制了ROC(receiver operating characteristic)曲線,ROC分析的是二元分類模型,根據(jù)分類結(jié)果和AUC(area under curve,AUC)面積判斷方法的好壞,AUC面積越大代表方法越好。

    3.1 疲勞狀態(tài)判斷參數(shù)實(shí)驗(yàn)

    通過近紅外攝像頭分別采集駕駛員正常狀態(tài)下的視頻以及處于疲勞狀態(tài)下的視頻,每隔0.2 s采集一幀圖像,采集時(shí)間10 s,50幅圖像為一組數(shù)據(jù)。檢測(cè)結(jié)果如圖5所示。

    從圖5可以看出,實(shí)測(cè)結(jié)果和表1的疲勞狀態(tài)判斷值很接近,驗(yàn)證了本方法的可行性。正常狀態(tài)的Eopen的值較大,疲勞狀態(tài)下,PERCLOS值和FEopen值較大,說明閉眼時(shí)間明顯加大,或處于瞇眼狀態(tài)。

    圖5 視頻序列圖像的眼睛開度示意圖

    3.2 LFW數(shù)據(jù)集實(shí)驗(yàn)

    LFW數(shù)據(jù)集共有13 233張人臉圖像,都是來(lái)自于自然場(chǎng)景,每張圖像均給出對(duì)應(yīng)的人名,共有5 749人,實(shí)驗(yàn)時(shí)選取了1 000張圖像,其中800張用于訓(xùn)練,200張用于測(cè)試。采用了CNN、SSD、LRCN、LSTM等方法進(jìn)行ROC值和準(zhǔn)確率實(shí)驗(yàn),結(jié)果如圖6所示。

    從圖6可知,本方法的人臉目標(biāo)識(shí)別的ROC曲線的真陽(yáng)率和準(zhǔn)確率分別達(dá)到了0.855和83.28%,比CNN方法分別提高了0.077和4.76個(gè)百分點(diǎn),比LSTM方法分別提高了0.016和1.36個(gè)百分點(diǎn),雖然增加了一定的計(jì)算量,但識(shí)別精度和成功率提高了。表2是不同方法在LFW數(shù)據(jù)集中的計(jì)算量對(duì)比。

    圖6 不同方法在LFW數(shù)據(jù)集中的實(shí)驗(yàn)結(jié)果

    表2 不同方法計(jì)算效率對(duì)比

    本方法在雙流LSTM網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,增加了注意力模塊,使得網(wǎng)絡(luò)參數(shù)量略有增加,雖然訓(xùn)練時(shí)間增加了1.4 s,F(xiàn)LOPS減少了0.132,但本方法的準(zhǔn)確率提升1.36個(gè)百分點(diǎn),在實(shí)施時(shí),可以采用嵌入式DSP處理器和FPGA技術(shù),能滿足疲勞駕駛檢測(cè)數(shù)據(jù)處理的精度和實(shí)時(shí)性需求。

    3.3 自建駕駛數(shù)據(jù)集實(shí)驗(yàn)

    為驗(yàn)證本文所提方法的準(zhǔn)確度和實(shí)用性,實(shí)驗(yàn)增加自建駕駛行為數(shù)據(jù)集,共采集到包括用手機(jī)、吃東西、雙手離開轉(zhuǎn)向盤、說話、扭頭、瞇眼睛、打哈欠、正常和其他違規(guī)動(dòng)作在內(nèi)的10種情形,每種情況采集3個(gè)視頻,共30個(gè)視頻,編號(hào)S1-S30。訓(xùn)練時(shí),設(shè)置初始學(xué)習(xí)速率為0.001,Relu作為激活函數(shù),用隨機(jī)梯度下降方法優(yōu)化,網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)為64。將訓(xùn)練視頻數(shù)據(jù)未進(jìn)行二次稀疏光流提取的光流圖分別以連續(xù)2幀、連續(xù)4幀、連續(xù)10幀采集光流圖輸入網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。在自建駕駛數(shù)據(jù)集上和其他方法進(jìn)行對(duì)比分析。

    選取4種狀態(tài)的6個(gè)視頻序列對(duì)眼睛進(jìn)行測(cè)試,編號(hào)為S16-S21樣本幀數(shù)為800,結(jié)果如表3所示。

    表3 眼睛狀態(tài)測(cè)試結(jié)果

    在自建數(shù)據(jù)庫(kù)中對(duì)5種不安全駕駛行為進(jìn)行了測(cè)試,結(jié)果如表4所示。

    表4 不同方法在自建數(shù)據(jù)庫(kù)中的測(cè)試結(jié)果

    從表4可知,本方法采用了VGG16 Inception Net基礎(chǔ)網(wǎng)絡(luò),融合了自適應(yīng)注意力機(jī)制,用混合雙流通道改進(jìn)了LSTM網(wǎng)絡(luò)結(jié)構(gòu),利用注意力機(jī)制加強(qiáng)關(guān)鍵語(yǔ)義信息的提取,網(wǎng)絡(luò)學(xué)習(xí)能力得到了增加,提升了視頻系列圖像識(shí)別準(zhǔn)確率。最難檢測(cè)的疲勞狀態(tài),SSD方法只有68.75%,LSTM為70.78%,本方法達(dá)到了73.36%,分別提高了4.61和2.58個(gè)百分點(diǎn)。

    為進(jìn)一步驗(yàn)證本文模型對(duì)不同駕駛行為的檢測(cè)能力,基于AM?LSTM結(jié)構(gòu)模型的檢測(cè)結(jié)果,分別對(duì)8種駕駛行為結(jié)果繪制了ROC曲線,如圖7所示。

    圖7 不同方法的ROC曲線

    從圖7的8種駕駛行為的ROC曲線總體走勢(shì)可以看出,采用了金字塔池化,融入了注意力機(jī)制的混合雙流通道的LSTM結(jié)構(gòu),具有較好的分類性能,尤其是對(duì)于用手機(jī)、說話、吃東西等AUC值達(dá)到了81%以上,疲勞駕駛中的打盹行為檢測(cè)也達(dá)到了72.7%。

    在自建駕駛行為數(shù)據(jù)集中進(jìn)行CNN、LRCN、SSD、AM?LSTM 4種方法的損失函數(shù)實(shí)驗(yàn)分析,數(shù)據(jù)的前75%用于訓(xùn)練,后25%用于測(cè)試,學(xué)習(xí)率設(shè)定為0.001。采用交叉熵?fù)p失函數(shù),利用Adam優(yōu)化器訓(xùn)練模型,500次迭代的損失函數(shù)曲線如圖8所示。

    圖8 4種模型訓(xùn)練損失函數(shù)曲線

    從圖8可以看到,4種模型的損失函數(shù)隨迭代次數(shù)增加逐漸減小并趨向0。CNN網(wǎng)絡(luò)損失函數(shù)值下降速度最慢,且最終的損失值大約為0.15。在剛開始階段,SSD的收斂速度比AM?LSTM快,這是因?yàn)榫W(wǎng)絡(luò)融入了注意力模塊,增加了計(jì)算量。但AM?LSTM的收斂速度逐漸加快,且最后收斂時(shí)的損失函數(shù)值要小于其他網(wǎng)絡(luò)。4種模型準(zhǔn)確率曲線如圖9所示。

    圖9 4種模型準(zhǔn)確率曲線

    從圖9看出,4種網(wǎng)絡(luò)的準(zhǔn)確率隨著迭代次數(shù)增加均不斷升高。初始階段,LRCN網(wǎng)絡(luò)的準(zhǔn)確率比AM?LSTM網(wǎng)絡(luò)準(zhǔn)確率上升速度略快,但最終AM?LSTM網(wǎng)絡(luò)的準(zhǔn)確率略高于其他網(wǎng)絡(luò)模型。

    4 結(jié)論

    疲勞駕駛和駕駛員的違規(guī)行為是造成交通事故的主要來(lái)源,本文中針對(duì)駕駛安全問題,采用人工智能技術(shù)和深度學(xué)習(xí)理論,基于CNN和LSTM相融合的方法,并融入注意力機(jī)制,提出了改進(jìn)的混合雙流CNN網(wǎng)絡(luò),用于駕駛安全行為檢測(cè)。在網(wǎng)絡(luò)中采用金字塔池化代替?zhèn)鹘y(tǒng)池化層,統(tǒng)一圖像尺寸,在LSTM網(wǎng)絡(luò)中引入注意力機(jī)制,有效選取語(yǔ)義信息。在雙通道設(shè)計(jì)時(shí),一個(gè)通道采用的是CNN算法,對(duì)視頻RGB圖像提取空間特征,一個(gè)通道采用SSD算法對(duì)視頻序列中相鄰兩幀計(jì)算光流圖像,用于對(duì)臉部眼睛等小目標(biāo)的檢測(cè),雙通道特征融合以后,分類,獲得檢測(cè)結(jié)果。在LFW數(shù)據(jù)集和自建駕駛行為數(shù)據(jù)集中進(jìn)行了實(shí)驗(yàn),獲得了不同方法和不同駕駛行為的ROC曲線、正確率和損失函數(shù),測(cè)試結(jié)果表明本方法有較好的優(yōu)越性,能有效提高疲勞駕駛和不安全駕駛行為的檢測(cè)率。

    猜你喜歡
    檢測(cè)方法模型
    一半模型
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    可能是方法不對(duì)
    3D打印中的模型分割與打包
    小波變換在PCB缺陷檢測(cè)中的應(yīng)用
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    久久国产乱子免费精品| 午夜免费激情av| 在线观看美女被高潮喷水网站| 色哟哟·www| 久久精品影院6| 久久精品影院6| 成人特级av手机在线观看| 亚洲熟妇中文字幕五十中出| 免费不卡的大黄色大毛片视频在线观看 | 日韩欧美精品免费久久| 男女边吃奶边做爰视频| 黑人高潮一二区| 中国国产av一级| 亚洲最大成人av| 丰满乱子伦码专区| 成年女人永久免费观看视频| 亚洲欧洲日产国产| 综合色av麻豆| av在线播放精品| 午夜老司机福利剧场| 99在线人妻在线中文字幕| videos熟女内射| 亚洲人成网站在线播| 天堂影院成人在线观看| 观看免费一级毛片| 免费人成在线观看视频色| 成年av动漫网址| 久久精品国产亚洲av天美| 国产精品久久电影中文字幕| 直男gayav资源| 日韩欧美国产在线观看| 最近最新中文字幕大全电影3| 国产成人精品一,二区| 秋霞伦理黄片| 人人妻人人看人人澡| 欧美激情国产日韩精品一区| 人人妻人人澡人人爽人人夜夜 | 日韩,欧美,国产一区二区三区 | 亚洲精品456在线播放app| 免费av观看视频| 国产女主播在线喷水免费视频网站 | 美女国产视频在线观看| 性色avwww在线观看| 亚洲精品乱码久久久v下载方式| 尾随美女入室| 尾随美女入室| 国产精品久久久久久精品电影小说 | 国产探花在线观看一区二区| 三级毛片av免费| 水蜜桃什么品种好| 国产精品久久视频播放| 精品久久久久久久末码| 18禁裸乳无遮挡免费网站照片| 久久久色成人| 人妻少妇偷人精品九色| 精品久久久久久成人av| 午夜福利在线观看吧| 色综合站精品国产| 国产黄片视频在线免费观看| 国产精品一二三区在线看| 亚洲精品乱码久久久v下载方式| 久久精品熟女亚洲av麻豆精品 | 综合色av麻豆| 日韩大片免费观看网站 | 国产老妇伦熟女老妇高清| 成人二区视频| 成人一区二区视频在线观看| 成人毛片60女人毛片免费| 久久亚洲精品不卡| 少妇裸体淫交视频免费看高清| 韩国av在线不卡| 亚洲成av人片在线播放无| 久久久午夜欧美精品| 乱人视频在线观看| 精品99又大又爽又粗少妇毛片| 中文资源天堂在线| 国产精品福利在线免费观看| 日日摸夜夜添夜夜爱| 成人亚洲精品av一区二区| 九草在线视频观看| 色综合亚洲欧美另类图片| 日本免费a在线| 99热6这里只有精品| 日韩欧美在线乱码| 热99在线观看视频| 亚洲欧美中文字幕日韩二区| 可以在线观看毛片的网站| 国产爱豆传媒在线观看| 国产黄片视频在线免费观看| 久热久热在线精品观看| 国语自产精品视频在线第100页| 亚洲欧洲国产日韩| 欧美成人a在线观看| 亚洲国产精品久久男人天堂| 99视频精品全部免费 在线| 99久久中文字幕三级久久日本| 亚洲va在线va天堂va国产| av在线老鸭窝| 男的添女的下面高潮视频| 欧美精品国产亚洲| 国产亚洲一区二区精品| 久久久久久久久久久免费av| 亚洲精品成人久久久久久| 女人十人毛片免费观看3o分钟| 久热久热在线精品观看| 亚洲欧美精品自产自拍| 中国国产av一级| 如何舔出高潮| av.在线天堂| 长腿黑丝高跟| 秋霞在线观看毛片| 亚洲成av人片在线播放无| 日本与韩国留学比较| 久久久精品94久久精品| 精品99又大又爽又粗少妇毛片| 最近中文字幕2019免费版| 免费不卡的大黄色大毛片视频在线观看 | 亚洲四区av| 欧美一级a爱片免费观看看| 久久久亚洲精品成人影院| 国产成年人精品一区二区| 九色成人免费人妻av| 看十八女毛片水多多多| 色网站视频免费| 夜夜看夜夜爽夜夜摸| 亚洲av成人精品一二三区| 精品免费久久久久久久清纯| 国产视频内射| 人人妻人人看人人澡| 22中文网久久字幕| 在线免费观看的www视频| 最近视频中文字幕2019在线8| 六月丁香七月| 久久精品久久久久久久性| 精品久久久久久久久久久久久| 国产在线男女| 亚洲成人av在线免费| av国产免费在线观看| 两个人视频免费观看高清| 又爽又黄a免费视频| 国产女主播在线喷水免费视频网站 | 亚洲美女视频黄频| 国产精品美女特级片免费视频播放器| 国语自产精品视频在线第100页| 免费不卡的大黄色大毛片视频在线观看 | 色视频www国产| 国内精品一区二区在线观看| 国产亚洲91精品色在线| 久热久热在线精品观看| 亚洲中文字幕一区二区三区有码在线看| 有码 亚洲区| 婷婷色av中文字幕| 国内精品美女久久久久久| 久久久久久大精品| 国产乱人偷精品视频| 日韩欧美 国产精品| 亚洲av一区综合| 九九爱精品视频在线观看| 国内精品美女久久久久久| av在线天堂中文字幕| 欧美成人午夜免费资源| 亚洲精品aⅴ在线观看| 欧美性猛交╳xxx乱大交人| 欧美另类亚洲清纯唯美| 天天躁夜夜躁狠狠久久av| av在线播放精品| 亚洲av成人精品一区久久| 日韩精品青青久久久久久| 丝袜美腿在线中文| 免费av观看视频| 婷婷六月久久综合丁香| 建设人人有责人人尽责人人享有的 | 日韩欧美精品v在线| av卡一久久| 夜夜爽夜夜爽视频| 亚洲av成人精品一二三区| 亚洲欧美中文字幕日韩二区| 免费av不卡在线播放| 久久人人爽人人爽人人片va| 亚洲av电影不卡..在线观看| 亚洲精品aⅴ在线观看| 观看美女的网站| 久久精品国产鲁丝片午夜精品| 成人毛片60女人毛片免费| 国产黄片视频在线免费观看| 亚洲av中文字字幕乱码综合| 91午夜精品亚洲一区二区三区| 高清日韩中文字幕在线| 欧美性猛交╳xxx乱大交人| 99热全是精品| av在线亚洲专区| 哪个播放器可以免费观看大片| 亚洲高清免费不卡视频| 亚洲久久久久久中文字幕| 伦精品一区二区三区| 国内精品美女久久久久久| 亚洲综合色惰| av在线播放精品| 婷婷色av中文字幕| 亚洲成av人片在线播放无| 22中文网久久字幕| 丰满乱子伦码专区| 亚洲国产精品成人久久小说| 成人鲁丝片一二三区免费| 欧美97在线视频| 身体一侧抽搐| 国产一区亚洲一区在线观看| 久久午夜福利片| 亚洲国产精品国产精品| 人人妻人人澡人人爽人人夜夜 | 人体艺术视频欧美日本| 七月丁香在线播放| 欧美成人a在线观看| 久久人妻av系列| 亚洲电影在线观看av| 国产精品一及| 男女边吃奶边做爰视频| 亚洲自拍偷在线| 亚洲av男天堂| videossex国产| 久久久国产成人精品二区| 亚洲成av人片在线播放无| 22中文网久久字幕| 国产av不卡久久| 国产亚洲av嫩草精品影院| 精品久久久噜噜| 男人舔奶头视频| videos熟女内射| av在线老鸭窝| 精品少妇黑人巨大在线播放 | 美女xxoo啪啪120秒动态图| 最近2019中文字幕mv第一页| 久久精品熟女亚洲av麻豆精品 | 美女大奶头视频| 看非洲黑人一级黄片| 亚洲精品影视一区二区三区av| videos熟女内射| 久久热精品热| 嫩草影院新地址| 蜜桃亚洲精品一区二区三区| 尾随美女入室| 国产成人91sexporn| 性色avwww在线观看| 99热精品在线国产| 亚洲精品亚洲一区二区| 日韩强制内射视频| 亚洲av不卡在线观看| 亚洲成色77777| 国产国拍精品亚洲av在线观看| 少妇熟女欧美另类| 亚洲无线观看免费| 热99在线观看视频| 男人和女人高潮做爰伦理| 99久久精品一区二区三区| 亚洲欧美日韩无卡精品| 免费搜索国产男女视频| 欧美成人精品欧美一级黄| 日本熟妇午夜| 亚洲成人精品中文字幕电影| 久久6这里有精品| 午夜精品在线福利| 啦啦啦观看免费观看视频高清| 2021天堂中文幕一二区在线观| 狠狠狠狠99中文字幕| 少妇熟女欧美另类| 内射极品少妇av片p| 人妻夜夜爽99麻豆av| 精品久久久久久久久亚洲| or卡值多少钱| 超碰97精品在线观看| 小蜜桃在线观看免费完整版高清| 国产精品一区二区性色av| 国产精品日韩av在线免费观看| 老司机影院成人| 级片在线观看| 91久久精品电影网| a级毛片免费高清观看在线播放| 婷婷色av中文字幕| 1000部很黄的大片| 久久久久久国产a免费观看| 国产美女午夜福利| 国产又色又爽无遮挡免| 国内少妇人妻偷人精品xxx网站| 中文精品一卡2卡3卡4更新| 性色avwww在线观看| 精品久久久久久久久久久久久| 日韩av在线免费看完整版不卡| 欧美一区二区亚洲| 亚洲国产精品久久男人天堂| 三级国产精品欧美在线观看| 麻豆国产97在线/欧美| 国产成人aa在线观看| 麻豆一二三区av精品| 男女啪啪激烈高潮av片| 舔av片在线| 亚洲av不卡在线观看| 你懂的网址亚洲精品在线观看 | 老司机影院成人| 欧美激情国产日韩精品一区| 亚州av有码| 欧美色视频一区免费| 亚洲人成网站在线播| 国产精品乱码一区二三区的特点| 国产精品福利在线免费观看| 我要搜黄色片| 国产大屁股一区二区在线视频| 亚洲性久久影院| 日本与韩国留学比较| 麻豆国产97在线/欧美| 午夜精品在线福利| 97超碰精品成人国产| 久久精品夜夜夜夜夜久久蜜豆| 日日摸夜夜添夜夜爱| 国产色爽女视频免费观看| 婷婷色麻豆天堂久久 | 国产精品99久久久久久久久| 国产 一区精品| 国产高清有码在线观看视频| 直男gayav资源| 国产女主播在线喷水免费视频网站 | 熟妇人妻久久中文字幕3abv| 国产三级在线视频| 少妇的逼好多水| 色播亚洲综合网| 99热这里只有是精品在线观看| av专区在线播放| av免费观看日本| 18禁裸乳无遮挡免费网站照片| 欧美极品一区二区三区四区| 人妻夜夜爽99麻豆av| 精品久久久久久久久av| 又爽又黄无遮挡网站| 亚洲成av人片在线播放无| 久久这里只有精品中国| 国内精品宾馆在线| 特级一级黄色大片| 亚洲欧美成人综合另类久久久 | a级一级毛片免费在线观看| 亚洲av日韩在线播放| 一本久久精品| 亚洲欧美精品综合久久99| 亚洲最大成人中文| 亚洲自偷自拍三级| 热99re8久久精品国产| 亚洲精华国产精华液的使用体验| 亚洲成人精品中文字幕电影| av视频在线观看入口| 亚洲图色成人| 天堂中文最新版在线下载 | 欧美成人午夜免费资源| 亚洲av日韩在线播放| 久久精品久久精品一区二区三区| 又爽又黄a免费视频| 亚洲精品久久久久久婷婷小说 | 国产探花在线观看一区二区| www日本黄色视频网| 亚洲欧美日韩高清专用| 在线a可以看的网站| 一夜夜www| 国产伦精品一区二区三区四那| 亚洲怡红院男人天堂| 久久久色成人| 一个人看的www免费观看视频| 欧美一区二区国产精品久久精品| 性插视频无遮挡在线免费观看| 观看免费一级毛片| 亚洲精品乱码久久久久久按摩| 天天躁日日操中文字幕| 日韩视频在线欧美| 精品人妻视频免费看| 日本一二三区视频观看| 国产又色又爽无遮挡免| 97超视频在线观看视频| 建设人人有责人人尽责人人享有的 | 中文精品一卡2卡3卡4更新| 秋霞在线观看毛片| 久久亚洲国产成人精品v| 久久99精品国语久久久| 我要搜黄色片| 免费在线观看成人毛片| 内射极品少妇av片p| 五月伊人婷婷丁香| 欧美成人a在线观看| 中文字幕久久专区| 国产真实伦视频高清在线观看| 日韩亚洲欧美综合| 天天一区二区日本电影三级| 高清av免费在线| 国产在线一区二区三区精 | 日韩av不卡免费在线播放| 国国产精品蜜臀av免费| 日韩 亚洲 欧美在线| 中文资源天堂在线| 久久婷婷人人爽人人干人人爱| 国产精品久久久久久精品电影小说 | 国产毛片a区久久久久| 91在线精品国自产拍蜜月| 国产伦理片在线播放av一区| 欧美一区二区亚洲| 伦理电影大哥的女人| 亚洲五月天丁香| 99视频精品全部免费 在线| 午夜福利视频1000在线观看| 22中文网久久字幕| 欧美丝袜亚洲另类| 亚洲精品日韩av片在线观看| 中文字幕制服av| 在线观看一区二区三区| 国产又黄又爽又无遮挡在线| 有码 亚洲区| 18+在线观看网站| 最近视频中文字幕2019在线8| 欧美人与善性xxx| 欧美一区二区亚洲| 网址你懂的国产日韩在线| 六月丁香七月| 身体一侧抽搐| 人妻系列 视频| 国产午夜精品久久久久久一区二区三区| 成年免费大片在线观看| 久久久久精品久久久久真实原创| 精品人妻一区二区三区麻豆| 床上黄色一级片| 看片在线看免费视频| 91久久精品国产一区二区三区| 欧美高清成人免费视频www| 中国国产av一级| 日韩,欧美,国产一区二区三区 | 午夜福利高清视频| 成人鲁丝片一二三区免费| 少妇被粗大猛烈的视频| av黄色大香蕉| 日韩欧美三级三区| 99久久精品一区二区三区| 听说在线观看完整版免费高清| 国产伦在线观看视频一区| 国产黄片视频在线免费观看| 欧美区成人在线视频| 国产亚洲精品久久久com| 日本免费一区二区三区高清不卡| 婷婷色av中文字幕| 亚洲综合色惰| 免费一级毛片在线播放高清视频| 日本av手机在线免费观看| 黄色日韩在线| 男人和女人高潮做爰伦理| 国产精品综合久久久久久久免费| 非洲黑人性xxxx精品又粗又长| 97人妻精品一区二区三区麻豆| 别揉我奶头 嗯啊视频| 免费电影在线观看免费观看| 国产在线男女| 99国产精品一区二区蜜桃av| 日本-黄色视频高清免费观看| 欧美xxxx性猛交bbbb| 亚洲精品,欧美精品| 晚上一个人看的免费电影| 日本wwww免费看| 日韩视频在线欧美| 超碰av人人做人人爽久久| 亚洲在久久综合| 国模一区二区三区四区视频| 寂寞人妻少妇视频99o| 韩国av在线不卡| 欧美bdsm另类| 真实男女啪啪啪动态图| 欧美一区二区国产精品久久精品| 久久鲁丝午夜福利片| 亚洲精品成人久久久久久| 亚洲欧美中文字幕日韩二区| 成人毛片a级毛片在线播放| 国产精品一区www在线观看| 永久网站在线| 久久久久九九精品影院| 亚洲电影在线观看av| 好男人在线观看高清免费视频| 蜜臀久久99精品久久宅男| 精品久久久久久成人av| 又粗又硬又长又爽又黄的视频| 日韩欧美在线乱码| 天天躁日日操中文字幕| 男的添女的下面高潮视频| 成人二区视频| 亚洲精品乱久久久久久| 中文资源天堂在线| 亚洲国产最新在线播放| 国产三级中文精品| 亚洲av不卡在线观看| 亚洲av免费在线观看| kizo精华| 一区二区三区免费毛片| 亚洲精品亚洲一区二区| 狂野欧美白嫩少妇大欣赏| 村上凉子中文字幕在线| 亚洲天堂国产精品一区在线| 狂野欧美激情性xxxx在线观看| 亚洲在久久综合| 久久久久九九精品影院| 欧美3d第一页| 日产精品乱码卡一卡2卡三| 如何舔出高潮| 亚洲熟妇中文字幕五十中出| 搞女人的毛片| 亚洲四区av| 亚洲欧美精品专区久久| 高清在线视频一区二区三区 | 亚洲国产精品国产精品| 男女国产视频网站| 国产精品一区二区三区四区免费观看| 久久久国产成人免费| 91av网一区二区| 中文字幕人妻熟人妻熟丝袜美| 色哟哟·www| 国产毛片a区久久久久| 好男人在线观看高清免费视频| 只有这里有精品99| 亚洲美女搞黄在线观看| 五月玫瑰六月丁香| 免费看光身美女| 在现免费观看毛片| 国产三级中文精品| 国产乱人偷精品视频| a级毛片免费高清观看在线播放| 女人久久www免费人成看片 | 国产不卡一卡二| 一级爰片在线观看| 中国国产av一级| 99视频精品全部免费 在线| 99热全是精品| av免费在线看不卡| 国产精品不卡视频一区二区| 18禁裸乳无遮挡免费网站照片| 亚洲精品久久久久久婷婷小说 | 少妇被粗大猛烈的视频| 成人一区二区视频在线观看| 色播亚洲综合网| 日本免费一区二区三区高清不卡| 内地一区二区视频在线| a级毛片免费高清观看在线播放| 亚洲av二区三区四区| 春色校园在线视频观看| 欧美又色又爽又黄视频| 午夜久久久久精精品| 国产视频首页在线观看| 最近中文字幕2019免费版| 老司机影院成人| 国产一区二区在线观看日韩| 日韩一区二区视频免费看| 毛片一级片免费看久久久久| 在线观看av片永久免费下载| 国产精品永久免费网站| 亚洲av电影在线观看一区二区三区 | 中文字幕亚洲精品专区| 国产亚洲午夜精品一区二区久久 | 内射极品少妇av片p| 精品欧美国产一区二区三| 亚洲国产精品sss在线观看| 成人综合一区亚洲| 色播亚洲综合网| 男人舔奶头视频| 中文在线观看免费www的网站| 久久精品影院6| 亚洲色图av天堂| 一级黄片播放器| 美女国产视频在线观看| 国产午夜精品论理片| 99久国产av精品国产电影| 精品久久久久久久久亚洲| 国产精品野战在线观看| 一区二区三区免费毛片| 中文欧美无线码| 99热这里只有是精品50| 狂野欧美激情性xxxx在线观看| 在线a可以看的网站| 韩国高清视频一区二区三区| 精品午夜福利在线看| 大香蕉久久网| 麻豆乱淫一区二区| 色吧在线观看| 久久鲁丝午夜福利片| 最近2019中文字幕mv第一页| 亚洲av男天堂| 两性午夜刺激爽爽歪歪视频在线观看| 老司机影院成人| 亚洲欧美成人综合另类久久久 | 欧美成人一区二区免费高清观看| 久久久午夜欧美精品| 亚洲人成网站高清观看| 69av精品久久久久久| 神马国产精品三级电影在线观看| 国产色爽女视频免费观看| 两个人视频免费观看高清| 日韩av在线免费看完整版不卡| 老女人水多毛片| 偷拍熟女少妇极品色| 亚洲中文字幕一区二区三区有码在线看| 一卡2卡三卡四卡精品乱码亚洲| 狂野欧美激情性xxxx在线观看| 国产av码专区亚洲av| 桃色一区二区三区在线观看| 日韩三级伦理在线观看| 女人久久www免费人成看片 | 免费av毛片视频| 欧美日韩国产亚洲二区| 亚洲国产色片| 99热网站在线观看| 伦精品一区二区三区| 99在线视频只有这里精品首页| 亚洲欧美日韩无卡精品| 国产激情偷乱视频一区二区| 男插女下体视频免费在线播放| 男人舔女人下体高潮全视频| 欧美日本视频| av卡一久久| 国产成人精品久久久久久|