基于时间自适应算法的双路径激励列车驾驶员行为识别方法

随着人们出行需求的增加,列车逐渐成为日常出行不可或缺的交通工具,列车驾驶员在途行为对保障安全出行具有至关重要的意义。为降低驾驶员值乘过程中可能出现的操作风险,针对列车驾驶员在途异常行为进行检测,提出了一种基于时间自适应算法的双路径激励驾驶员行为识别方法。该方法通过在时空和通道等维度变换,实现视频帧间的时间信息交流。采用时空激励模块和通道激励模块分别用于激励视频间时空和通道特征,时间自适应模块用于处理输入不同视频流。采用自制数据集、公开行为识别数据集UCF101和Something-Something-v1评估提出方法的性能,在自制数据集达到95.99%的准确率,在UCF101数据集达到96.10%的准确率,在Something-Something-v1数据集上也取得了46.30%的准确率,验证了方法的有效性和泛化性。