摘要：根据研究表明，当司机在行驶过程中，打电话或者吃东西等动作，这些行为都会使事故发生概率大大增加，这个时候，相比正常驾驶时的时间来说，司机的反应时间就会长很多。驾驶员不良驾驶行为是造成交通事故的主要原因行车中不规范危险操作，以及受到外力干扰等问题，逐渐成为影响司机行车安全的关键性问题。并且，一些相关机构的分析报告显示，司机的失误，以及疲劳、 酒精或粗心等人为因素是与大多数事故相关的主要因素。所以，本文提出了一种在卷积神经网络识别的基础上，能够完成司机危险动作的检测，目前，人体姿态识别的大多只能通过单一摄像头进行识别。单一摄像头有多种优点：如进行识别时，识别速度较快、算法设计简单直接等，单一摄像头也存在缺点，如识别的司机姿态有效信息较少，司机姿态识别准确率较低。

本文提出了一种新的司机行为分类方法。我们把司机的行为分为两类:危险动作为打电话、吃东西、睡觉；正常驾驶动作为正常双手驾驶、单手挂挡。针对驾驶行为检测任务，本文对卷积神经网络进行改进，采用安装两个摄像头，采取非对称式结构即两种尺度的卷积核，借鉴了双目结构，从而能够获取不同角度，不同维度的图像信息，提出在双目识别的基础上尽可能的利用不同视角下不同尺度的特征去联合判别,最后，我们使用Softmax将驾驶员的行为分为六种类型，并通过用户界面向驾驶员或其他车辆发出警报。伴随着人工智能技术的飞速发展，经过训练的卷积神经网络可以实现对每个驾驶员安全驾驶姿势的识别精度超过89.5%。

关键词：司机动作识别；卷积神经网络；多视角；双目模型；多尺度

目  录

摘  要

ABSTRACT

第一章 绪  论-1

1.1 课题背景与意义-1

1.2 国内外的研究现状-2

1.3 论文的研究内容及结构-3

1.3.1 研究内容-3

1.3.2 本文结构-4

第二章 多视角下司机动作识别系统的设计-5

2.1 卷积神经网络的介绍-5

2.1.1 卷积神经网络的特征-6

2.1.2 卷积层-7

2.1.3 池化层-8

2.1.4 全连接层-9

2.1.5 Softmax分类器-10

2.2 基于MatConvNet的卷积神经网络模型-10

2.2.1  MatConvNet工具库-10

2.2.2  Alexnet卷积神经网络结构-11

2.2.3  多视角输入单网络的Alexnet姿态识别方案-12

2.3  改进后的双目卷积多尺度的卷积神经网络-14

2.4 姿态识别结果与分析-15

2.4.1 实验数据-15

2.4.2 识别结果-17

第三章  基于多视觉传感器的司机行为分析系统-20

3.1 硬件系统的构成-20

3.2 软件系统的设计-22

3.2.1 姿态识别的算法流程-22

3.2.2 司机姿态的分类-23

3.2.3 软件介绍-23

3.2.4 运行结果-24

3.3 本章小结-27

第四章  总结与展望-27

4.1 本文总结-28

4.2 工作展望-28

参考文献-33

致谢-35