针对分心驾驶行为识别,提出基于ResNet18的多标签分心驾驶行为识别方法和基于迁移学习的多分类分心驾驶行为识别方法。首先基于ResNet18模型连接多个全连接层,对多种行为进行多标签识别;然后利用迁移学习,提出基于改进的ResNet34模型进行多分类识别。实验结果表明:文章提出的改进算法对分心驾驶行为识别的准确率最高可达93.5%,该改进算法对分心驾驶识别具有较好的可行性和有效性。