高尚兵，黄子赫，耿璇，臧晨，沈晓坤

（1.淮阴工学院 计算机与软件工程学院，江苏 淮安 223001;2.淮阴工学院 江苏省物联网移动互联技术工程实验室，江苏 淮安 223001）

随着机动车数量的增多，频发的交通事故成为社会关注的难题，而司机的不规范驾驶行为（如抽烟、玩手机等）是造成事故发生的重要原因。通过约束驾驶员的行为可以在一定程度上减少此类交通事故的发生，众多研究者开始致力于研究如何快速有效地检测驾驶员的不规范驾驶行为。近年来，图像识别成为了检测驾驶员行为的趋势，深度学习在计算机视觉领域被广泛用于图像分类和目标检测，卷积神经网络(convolutional neural network,CNN)在图像识别和物体检测方面功不可没[1]。

目前基于CNN 的检测驾驶员行为的方法包括：Le 等[2]利用R-CNN 目标检测算法，对驾驶员头部、手部和方向盘进行检测，通过检测头部和手部的位置，判断驾驶员是否在打电话，检测手部和方向盘的位置，判断驾驶员的手是否脱离方向盘；李俊俊等[3]对经典卷积神经网络进行改进，提出了结合FCNN 与三级级联神经网络融合的模型，实验结果表明该模型能有效识别违规行为，但仍需提高训练的准确率和速度；巍泽发[4]构建了一种基于SSD[5]目标检测算法的出租车司机违规行为检测方法，他选用VGG16[6]作为SSD 算法的基础网络，结合自建数据集的特点，采用迁移学习的方法训练数据集，准确率高达94.22%，较原始SSD 算法提升了2.42%，同时能保证模型处理速度为33 f/s。Jin 等[7]采用了一种基于……