摘要 本文提出两种驾驶行为识别方案：1）基于骨架提取和动作分类的Pipeline方案，依赖预训练模型提取关键点，但存在复杂算子兼容性风险；2）端到端视觉分类方案，构建极简CNN模型（准确率97.5%），重点解决MCU平台的模型转换问题。详细描述了数据准备（从Kaggle选取3类各400训练/120验证图片）、模型训练流程，以及模型量化编译过程中遇到的GLIBCXX依赖问题。实验表明端到端方案更适用

参考了这篇文章，本文针对文章进行一些补充说明。环境：TeXLive2017TeXstudio2.12.10提示1：每次改完.tex文件中的错误之后，都要删掉.aux和.bbl两个文件，然后再重新编译。提示2：修改.bbl文件之后，保存并编译即可，不要再删掉了，不然就白改了。在TeXstudio中，编译文件时不需要像上述文章一样，分别编译Latex文档和Bib文档，只需要...