文摘为有效识别飞行员驾驶异常行为以规避飞行安全事故,提出了一种基于改进YOLO v3算法的异常驾驶行为监测深度学习算法。首先,基于深层神经网络结构提取图像语义特征,完成飞行员驾驶行为图像和视频识别;然后,利用改进交并比(Intersection Over Union)I_(OU)作为边框回归损失函数,以提高目标检测精度、加快模型收敛速度及增强异常驾驶行为区域定位;最后,通过卷积神经网络提取特征并实施飞行员驾驶异常行为监测实例验证。结果表明,该方法能够快速、准确地识别出飞行员的异常行为。根据训练数据,改进的YOLO v3算法较原算法目标识别率有明显提高,飞行员驾驶异常行为识别率达到96.72%,可以为飞行员驾驶异常行为风险识别与管控提供理论方法参考。
