1.一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，包括以下步骤：制作驾驶行为数据集；

将所述驾驶行为数据集划分为训练集和测试集；

使用所述训练集和所述测试集对改进MobileNetv2网络进行训练，得到驾驶行为类别图；所述改进MobileNetv2包括网络卷积部分、沙漏模块、平均池化层和最终点卷积，所述网络卷积部分、所述沙漏模块、所述平均池化层和所述最终点卷积依次连接；

所述沙漏模块包括输入通道、第一逐深度卷积、空间注意力单元、第一点卷积、第二点卷积、第二逐深度卷积和输出通道，所述输入通道、所述第一逐深度卷积、所述空间注意力单元、所述第一点卷积、所述第二点卷积、所述第二逐深度卷积和所述输出通道依次连接；

使用所述改进MobileNetv2网络在所述测试集上分类准确率最高的权重进行部署，对所述驾驶行为类别图进行分类。

2.如权利要求1所述的一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，所述制作驾驶行为数据集的具体方式为：使用摄像头采集驾驶员的驾驶行为，得到采集视频；所述使用摄像头采集驾驶员的驾驶行为，得到采集视频之前，所述方法还包括：将摄像头安装在副驾驶，并基于驾驶室座椅位置和驾驶员位置对所述摄像头进行位置调整，使得所述摄像头的视频画面左端对准驾驶员座椅；

将所述采集视频处理为图片，得到行为图片；

对所述行为图片分类，得到驾驶行为数据集。

3.如权利要求1所述的一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，所述第一逐深度卷积和所述第二逐深度卷积的分组数目均为320；

所述输入通道和所述输出通道的通道数均为320；

所述第一点卷积的通道数为80；

所述第二点卷积的通道数为320；

所述最终点卷积的通道数为320。

4.如权利要求3所述的一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，所述所述第一逐深度卷积和所述第二逐深度卷积的卷积核大小均为3×3；

所述第一点卷积、所述第二点卷积和所述最终点卷积的卷积核大小均为1×1；

所述平均池化层的大小为7×7。

5.如权利要求4所述的一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，所述卷积部分包括普通卷积和瓶颈模块。

6.如权利要求5所述的一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，所述使用所述训练集和所述测试集对改进MobileNetv2网络进行训练，得到驾驶行为类别的具体方式为：通过所述卷积部分对所述训练集和所述测试集进行补全，得到补全图像；

通过所述沙漏模块对所述补全图像进行特征提取，得到特征提取图像；

通过所述平均池化层对所述特征提取图像进行尺寸调整，得到调整图像；

通过所述最终点卷积对所述调整图像进行维度调整，得到驾驶行为类别图。

7.如权利要求6所述的一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，所述通过所述沙漏模块对所述补全图像进行特征提取，得到特征提取图像的具体方式为：将所述补全图像输入所述输入通道，得到输入图像；

通过所述第一逐深度卷积提取所述输入图像的特征，得到输入图像特征；

通过所述空间注意力单元获取所述输入图像特征每一通道的特征重要程度；

通过所述第一点卷积将每一通道的所述输入图像特征信息融合，得到降维特征图；

通过所述第二点卷积基于每一通道的所述特征重要程度将所述降维特征图的通道数增加，得到升维特征图；

通过所述第二逐深度卷积对所述升维特征图进行特征提取，得到二次特征图；

将所述二次特征图与所述输入图像相加后通过所述输出通道输出，得到特征提取图像。

8.如权利要求7所述的一种改进MobileNetv2网络的驾驶行为分类方法，其特征在于，所述通过所述空间注意力单元获取所述输入图像特征每一通道的特征重要程度的具体方式为：分别获取所述空间注意力单元的通道维度平均值和通道维度最大值；

将所述通道维度平均值和所述通道维度最大值合并，得到合并值；

基于所述合并值获取所述空间注意力单元每个位置的特征值；

通过hard_sigmoid函数将每一所述特征值压缩到一个矩阵，得到多个矩阵重要程度；

将所述输入图像特征的每一通道与对应的矩阵重要程度相乘，得到所述输入图像特征每一通道的特征重要程度。