基于3DCNN的驾驶员细微动作识别

来源：电子测量技术杂志2023年第8期北京时间：

作者：秦康，张小俊，张明路，杨亚昆

单位：河北工业大学机械工程学院 天津 300000

摘要：针对驾驶员相似的背景下的细微动作的动作识别，提出了一种基于X3D卷积神经网络X3D-M-GC-AE。通过引入轻量级的自注意力网络GCNet，提高对时间和空间关键特征的关注度，不引入参数量的情况下，提高检测精度；设计了一种运动增强模块，使网络对时序上的运动信息更加敏感；引入知识蒸馏，将X3D-XL作为教师网络，X3D-M-GC-AE作为学生网络，可以使用较少的参数量和计算量，达到可以实车应用的程度。实验结果表明教师网络测试精度最高可以达到75.56%，学生网络最高可以达到71.13%，该框架在车载硬件设备要求较低的情况下能够实现较高精度的检测效果。

关键词：驾驶员动作识别;时间序列;X3D;注意力机制;知识蒸馏;深度学习

基金资助：天津市新一代人工智能科技重大专项（18ZXZNGX00230）资助