收稿日期:2021－05－06修回日期:2021－05－15第40卷第2期计算机仿真2023年2月文章编号:1006－9348(2023)02－0197－06基于改进DenseNet的驾驶行为识别周晓华，武文博(广西科技大学电气与信息工程学院，广西柳州545616)摘要:为提高道路交通安全，解决司机分心驾驶问题，对基于卷积神经网络的驾驶员行为识别模型进行了改进。首先对基于DenseNet的驾驶行为识别模型进行研究，在其基础上引入注意力机制对其进行改进;将注意力机制模块化后设计了三种改进模型;最后将实验结果进行对比分析，确定性能较优的改进模型为SE－PＲE模型。实验结果显示，提出的改进模型在相关数据集上达到了94.21%的准确率，上述模型能够准确且高效的识别驾驶行为，为后续的车辆智能化研究奠定了基础。关键词:分心驾驶;行为识别;卷积神经网络;通道注意力中图分类号:TP317.4文献标识码:BDrivingBehaviorＲecognitionBasedonImprovedDenseNetZHOUXiao－hua，WUWen－bo(SchoolofElectricalandInformationEngineering，GuangxiUniversityofScienceandTechnology，LiuzhouGuangxi545616，China)ABSTＲACT:Inordertoimprovetrafficsafetyandsolvetheproblemofdistracteddriving，animproveddriverbehav-iorrecognitionmodelbasedonconvolutionneuralnetworkisproposed．First，thedrivingbehaviorrecognitionmodelbasedonDenseNetwaisstudied，andtheattentionmechanismwaisintroducedtoimproveit;Aftermodularizingtheattentionmechanism，threeimprovedmodelswerearedesigned;Finally，theexperimentalresultswerecomparedandanalyzed，andtheimprovedmodelwithbetterperformanceisdeterminedasSE－PＲEmodelbycomparingandanaly-zingtheexperimentalresults，theimprovedmodelwithbetterperformanceisSE－PＲEmodel．Theexperimentalre-sultsshowthattheimprovedmodelachieves94．21%accuracyontherelevantdatasets，andthemodelcanachieveaccurateandefficientrecognitionofdrivingbehavior，itwhichprovidesthebasisforthefollow－upresearchofvehicleintelligence．KEYWOＲDS:Distracteddriving;Behaviorrecognition;Convolutionneuralnetwork;Channelattention1引言世界卫生组织发布的《2018年道路安全全球状况报告》显示，每年约有135万人死于道路交通事故，道路交通伤害成为5～29岁儿童和年轻人的主要死因，而驾车时使用手机比专心驾驶发生碰撞的风险高出约4倍［1］。文献显示...
