文章摘要:本文针对危险驾驶识别中主流行为检测算法可靠性差的问题，提出了一种快速、可靠的视觉协同分析方法。首先，对手机、水杯、香烟等敏感物体进行目标检测，提出的LW（low weight）-Yolov4（You only look once v4）通过去除CSPDarknet53（cross stage partial Darknet53）卷积层中不重要的要素通道提升了检测速度，并L₁正则化产生稀疏权值矩阵，添加到BN（batch normalization）层的梯度中，实现优化网络模型的目的；其次，提出姿态检测算法对驾驶员指关节关键点进行检测，经过仿射逆变换得到原始帧中的坐标；最后，通过视觉协同分析对比敏感物品的检测框位置与驾驶员手部坐标是否重合，判定驾驶员是否出现违规驾驶行为及类别。实验结果表明，该方法在识别精度与检测速度方面均优于主流的算法，能够满足实时性和可靠性的检测要求。

文章关键词:驾驶行为识别,YOLOv4,目标检测,姿态估计,协同检测,模型优化,深度学习,卷积神经网络,

项目基金:国家重点研发计划项目（2018YFB1004904）,江苏高校“青蓝工程”项目,江苏省高校自然科学研究重大项目（18KJA520001）,文章来源：《心理与行为研究》 网址: http://www.xlyxwyj.cn/qikandaodu/2021/0901/785.html