原文传递
基于面部图像特征融合的列车司机疲劳状态检测研究
| 论文题名： | 基于面部图像特征融合的列车司机疲劳状态检测研究 |
| 关键词： | 列车司机;疲劳检测;光照补偿;单应性校正;模糊推理 |
| 摘要： | 列车司机的状态作为影响铁路安全运行的因素之一，一直备受关注。随着我国铁路技术的不断发展，面对日益增加的工作量和复杂工况环境的双重挑战，列车司机出现疲劳驾驶的可能性愈发明显。如何实时准确的检测列车司机的疲劳状态，对列车的安全运行具有重要意义。 为了应对复杂工况下出现的列车司机面部图像光照变化问题，采用光照补偿的方法对采集到的列车司机图像进行处理。针对列车司机在作业时视线来回在轨面与仪表盘之间切换问题，通过单应性校正对面部特征点进行修正。利用模糊推理将面部疲劳特征量进行融合实现列车司机的疲劳检测。主要研究内容包括： 主要研究内容包括： (1)对采集图像的列车司机图像进行自适应光照补偿。对采集到的司机图像进行亮度计算，根据司机图像亮度选用适用于该环境下的补偿算法，改善因光照带来的检测不准确问题，为后续的人脸检测和特征点定位提供基础。 (2)列车司机疲劳检测的人脸多特征点定位。提出利用MTCNN网络(Multi-TaskConvolutionalNeuralNetwork)结合ERT算法(EnsembleofRegressionTress)实现人脸检测与特征点定位，提高MTCNN网络的最小可检测尺寸加快检测速度，计算出眼睛开合度和嘴巴开合度；建立头部姿态模型，结合头部姿态模型与面部特征点计算出头部姿态角。 (3)列车司机疲劳检测的人脸特征点修正。针对司机出现低头或抬头动作时，所检测到的眼睛开合度会增大或减小，但实际并未变化，采用单应性变换对人脸特征点修正，使得修正结果与实际相符。利用k-means++的对人眼开合度进行自适应阈值选取，使每位司机具有自己的眼睛开合度，提高检测方法的鲁棒性。 (4)列车司机的疲劳等级判定。以模糊推理为工具，将疲劳这一模糊量进行量化，制定模糊规则，以眼睛开合度、嘴巴开合度、头部姿态角作为模糊推理的输入，以司机的疲劳等级作为输出，实现司机的疲劳判定。算法的实时性约为17帧/s，在正常环境下的准确率为98.5%，弱光照环境下为86.8%，可适用于实际应用场景。 |
| 作者： | 郝正清 |
| 专业： | 电气工程 |
| 导师： | 王英;靳东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
