基于改进YOLOv5的飞行员异常行为识别方法

为了快速准确地识别飞行员在驾驶舱内的异常行为，以保证航空安全，设计了一种基于改进YOLOv5算法的驾驶舱内飞行员异常行为识别方法。在YOLOv5的骨干网络中加入坐标注意力机制，获取在位置和方向上的特征信息，增强对注意力信息的敏感程度；改良交并比作为损失函数，提高模型计算速度和精度。训练自制飞行员异常行为原始数据集，实验结果表明，在模拟飞行驾驶舱中进行测试，能够准确快速识别飞行员的3种异常行为，平均精度达到98.3%,满足了识别要求。