重庆师范大学计算机与信息科学学院 汪建良

在交通强国的大背景下，自动驾驶、智能驾驶、远程驾驶等新型技术迅速发展起来。不论科技如何发展，人始终是最重要的因素，是一切操作（指挥、指导、控制等）的核心。近年来，危险驾驶带来的风险与日俱增，各类交通事故频繁发生。如何杜绝驾驶员的危险驾驶，进而从源头最大幅度地降低交通事故，在车联网领域是重点关注的对象。就目前在危险驾驶行为检测方面的缺陷，本文在卷积神经网络的基础上设计了危险驾驶行为检测模型，并通过迁移学习对危险驾驶行为进行检测。实验表明：本实验的准确率最后达到了98.60%。

2020年上半年数据统计，中国的汽车保有量提升较大，目前已经达到2.6亿辆已经和美国的汽车保有量不相上下，道路上汽车过多以及驾驶员在驾驶过程中的危险行为使得交通事故的发生频率提高。据统计，目前造成交通事故的原因分析中发现更多的是驾驶员的危险驾驶行为，司机在驾驶过程中打电话、玩手机、注意力转移等严重损害了驾驶安全。

目前，国内外研究人员使用计算机视觉的方法，驾驶员驾驶过程中的图像获取主要是通过在车内安装摄像头，并通过搭建网络模型分析这些图像，判断是否存在危险驾驶行为，与人工设计特征的方法对比来说]，在深度学习中提取到更高级的特征基于网络的深度，克服了人工特征在某些复杂条件下的局限性，模型的鲁棒性和精度都有所提高。……