原文传递
基于视频的船舶驾驶员异常行为分析研究
| 论文题名： | 基于视频的船舶驾驶员异常行为分析研究 |
| 关键词： | 船舶驾驶员;异常行为;深度学习 |
| 摘要： | 随着航运业的飞速发展，频繁发生的海上安全事故所造成的重大经济损失引起了社会各界的高度重视。研究表明，船舶驾驶员异常行为是导致海上安全事故的主要原因之一。为了最大程度地降低海上安全事故发生的可能性，确保船舶航行安全，本文设计、开发了一种基于视频的船舶驾驶员异常行为检测系统。该系统能够实时检测疲劳驾驶、吸烟和打电话3种异常行为并预警，对船舶驾驶台复杂环境有着较强的鲁棒性。本文的主要工作如下： 1.提出了一种基于深度学习的船舶驾驶员疲劳检测算法。使用深度可分离卷积改进的RetinaFace模型提取人脸和5个关键点的位置信息；依据5个人脸关键点裁剪出眼睛、嘴巴区域的图片，输入到改进的ShuffleNetv2分类网络识别眼睛、嘴巴的开闭状态；最后基于PERCLOS（PercentageofEyelidClosureoverTime）准则融合眼睛、嘴巴两个特征参数综合判定驾驶员是否疲劳。在自建数据集上的试验结果表明，算法能够准确检测出驾驶员的疲劳状态，识别精确率达到95.70%，召回率达到96.73%，能够较好地适应船舶驾驶台的复杂环境，同时可以满足实时检测的要求。 2.提出了一种基于深度学习的吸烟和打电话行为检测算法。首先使用改进的RetinaFace网络提取人脸ROI（RegionofInterest）区域，再使用改进的YOLOv4目标检测模型来检测该区域内是否存在香烟或手机，从而识别船舶驾驶员的吸烟和打电话行为。改进网络结构提高模型的检测速度；在数据集中加入负样本降低模型的误检率；使用复制粘贴数据增强方法改善模型的泛化能力。实验结果表明，算法具有良好的检测精度和速度，在自建数据集上的MAP（MeanAveragePrecision）值高达98.51%，误检率仅为3.2%。算法在模拟驾驶环境中可以准确识别出驾驶员的吸烟和打电话行为，鲁棒性较强。 3.基于Python3.8开发语言，结合PyQt和QtDesigner将上述算法集成开发为船舶驾驶员异常行为检测系统，系统可以接入视频文件或摄像头实时检测疲劳驾驶、吸烟和打电话3种异常行为，及时预警并记录检测结果。实验表明本文开发的船舶驾驶员异常行为检测系统能够满足识别异常行为并触发报警的需求，具有较强的实际应用价值。 |
| 作者： | 王鹏 |
| 专业： | 交通信息工程及控制 |
| 导师： | 尹勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
