列车司机疲劳状态识别技术研究
发布时间：2021-01-12 11:27
随着中国铁路运输事业的迅速发展,铁路运营的安全性越来越引起人们的重视。列车司机疲劳驾驶是造成铁路运营事故的主要原因之一,而目前对于列车司机的疲劳状态检测是铁路运营安全中比较薄弱的环节。因此,对列车司机的疲劳状态进行有效检测就显得尤为重要。本文以列车司机为研究对象,采用计算机视觉的方式,通过深度学习和自动机器学习的方法对司机疲劳检测进行了相关研究,并通过实验证明了本文方法的有效性。本文的主要工作如下:1、针对目前大部分基于深度学习的人脸关键点检测方法,只将卷积神经网络最后一层卷积层所映射的特征进行人脸关键点检测,而忽略了卷积神经网络前端提取的局部细节特征。针对此问题,本文设计了一种基于多尺度多任务卷积神经网络用于人脸关键点与头部姿态检测,该方法对卷积神经网络不同层提取的不同尺度的特征进行充分融合,获得的特征能更好表达图像中人脸信息,并利用多任务学习方法同时回归人脸关键点和头部姿态。实验证明该方法精度高、实时性好,给后续列车司机疲劳检测提供了基础。2、针对现有疲劳检测算法的特征比较单一,泛化性能差且需要人工进行算法选择和超参数配置的问题。本文研究了基于TPOT的多特征融合疲劳检测方法,首先...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
“十三五”高速铁路网规划图
西南交通大学硕士研究生学位论文 第 （例如方向盘转向角、司机握方向盘力度大小、行车速度、行车加速度和车辆在中的位置更新等），推断司机是否出现疲劳情况[16-17]。例如，Morellas[18]通过 GPS 系统判断车辆在地图中的坐标，运用追逐算法对汽行控制，防止了由于司机疲劳导致的车偏离道路。沃尔沃开发了一种防疲劳驾驶系统（DAS-W），如图 1-2 所示，通过监测车辆运动和车辆之间的距离来检测司状态[19]。清华大学的屈肖蕾[20]将车辆换线的操作作为疲劳特征，能准确识别出是主动换道，还是由于司机疲劳产生的被动换道。武汉工程大学的李娟[21]根据北斗S 双系统定位得出司机驾驶轨迹，并建立司机疲劳状态与驾驶行为和驾驶轨迹之关系，取得良好的效果。
基于机器视觉的疲劳检测方法主要通过视频数据提取司机的疲劳特征，进而分析。常用特征包括：PERCLOS（百分比闭眼）、眨眼频率、眼动，打哈欠布和面部位置[30-32]。因其方便性和准确性，基于机器视觉的方法是疲劳检测方法，同样是本文所采用的方法。疲劳驾驶识别领域有相当数目的文献都集中在对眼部疲劳特征的研究上。如大学的 Wierwille[33]使用单位时间内眼睛达到某种的闭合程度以上的情况占的比例作为疲劳程度的度量指标，即 PERCLOS 指标，取得了不错的效果，面大部分研究常用的指标之一。美国约翰斯· 霍普金斯大学研制了一种司机检测系统 DDDS（The Drowsy Driver Detection System），通过提取司机眨眼眼时长等数据判断司机所处状态[34]。与此相似，浙江大学的团队提取单位时频率和眨眼时长来判断司机疲劳状态[35]。中南大学的团队在眨眼频率的基眼细分为快眨眼次数和慢眨眼次数，进行司机疲劳检测方法的研究[36]。20发布 Apollo 车载系统，如图 1-3 所示，该系统是基于百度大脑的图像识别技，通过红外人脸识别判断，当司机被手机干扰转头看信息、或者疲惫到眼睛时候，系统就会及时提醒司机集中精力驾驶[37]。
【参考文献】：
期刊论文
[1]基于多形态红外特征与深度学习的实时驾驶员疲劳检测[J]. 耿磊,梁晓昱,肖志涛,李月龙. 红外与激光工程. 2018(02)
[2]基于嘴部内轮廓特征的疲劳检测[J]. 王霞,仝美娇,王蒙军. 科学技术与工程. 2016(26)
[3]基于网络系统软件的高速动车组司机警惕装置功能设计及优化[J]. 杨丽丽. 科技创新导报. 2016(23)
[4]“铁路行车组织”课程体系的改革实践[J]. 彭其渊,文超,马驷. 西南交通大学学报(社会科学版). 2008(05)
[5]机车司机视作业行为测试[J]. 郭北苑,方卫宁,戴明森. 科学技术与工程. 2005(09)
[6]机车司机工作状态识别监督系统应用研究[J]. 宋志雄,戴小文. 交通运输工程与信息学报. 2005(01)
[7]驾驶防瞌睡装置中人眼快速定位方法研究[J]. 李峰,曾超,徐向东. 光学仪器. 2002(Z1)
[8]基于PERCLOS的机动车驾驶员驾驶疲劳的识别算法[J]. 郑培,宋正河,周一鸣. 中国农业大学学报. 2002(02)
[9]利用科学技术装备保障铁路行车安全[J]. 黎国清,王卫东. 中国铁道科学. 1999(04)
博士论文
[1]基于深度学习和面部多源动态行为融合的驾驶员疲劳检测方法研究[D]. 赵磊.山东大学 2018
[2]铁路列车调度员疲劳机理与发展规律研究[D]. 杨奎.西南交通大学 2017
[3]基于反应时间的驾驶员疲劳状态监测与预警技术研究[D]. 郭梦竹.吉林大学 2017
[4]铁路机车司机驾驶疲劳评测方法与在线检测技术的研究[D]. 李响.北京交通大学 2015
[5]基于迁移学习的多模态脑图像分析及其应用研究[D]. 程波.南京航空航天大学 2015
[6]基于信息融合的疲劳驾驶检测方法研究[D]. 牛清宁.吉林大学 2014
[7]交通运输对区域经济发展作用与调控[D]. 董大朋.东北师范大学 2010
硕士论文
[1]列车驾驶员多视角实时疲劳检测方法研究[D]. 杨欢.兰州交通大学 2018
[2]基于无线可穿戴EEG的高速列车司机警觉度检测方法研究[D]. 张效良.西南交通大学 2018
[3]基于自动机器学习的雷达信号识别研究[D]. 涂同珩.西南交通大学 2018
[4]基于融合特征卷积神经网络的多姿态人脸特征点定位[D]. 赵爽.北京工业大学 2017
[5]基于数据融合的危险驾驶行为识别与车辆跟踪算法研究[D]. 李娟.武汉工程大学 2017
[6]基于多任务协同深度学习的疲劳检测系统研究[D]. 田卓.杭州电子科技大学 2017
[7]基于驾驶员脑电信号警觉度检测的车辆速度控制研究[D]. 罗典媛.西南交通大学 2016
[8]基于视觉特征的疲劳检测算法研究[D]. 孙忆晨.北京邮电大学 2016
[9]基于转向操作和车辆状态的疲劳驾驶检测方法研究[D]. 屈肖蕾.清华大学 2012
[10]基于人脸特征的列车司机疲劳驾驶检测与识别系统研究[D]. 徐建君.西南交通大学 2010
本文编号：2972769
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
“十三五”高速铁路网规划图
西南交通大学硕士研究生学位论文 第 （例如方向盘转向角、司机握方向盘力度大小、行车速度、行车加速度和车辆在中的位置更新等），推断司机是否出现疲劳情况[16-17]。例如，Morellas[18]通过 GPS 系统判断车辆在地图中的坐标，运用追逐算法对汽行控制，防止了由于司机疲劳导致的车偏离道路。沃尔沃开发了一种防疲劳驾驶系统（DAS-W），如图 1-2 所示，通过监测车辆运动和车辆之间的距离来检测司状态[19]。清华大学的屈肖蕾[20]将车辆换线的操作作为疲劳特征，能准确识别出是主动换道，还是由于司机疲劳产生的被动换道。武汉工程大学的李娟[21]根据北斗S 双系统定位得出司机驾驶轨迹，并建立司机疲劳状态与驾驶行为和驾驶轨迹之关系，取得良好的效果。
基于机器视觉的疲劳检测方法主要通过视频数据提取司机的疲劳特征，进而分析。常用特征包括：PERCLOS（百分比闭眼）、眨眼频率、眼动，打哈欠布和面部位置[30-32]。因其方便性和准确性，基于机器视觉的方法是疲劳检测方法，同样是本文所采用的方法。疲劳驾驶识别领域有相当数目的文献都集中在对眼部疲劳特征的研究上。如大学的 Wierwille[33]使用单位时间内眼睛达到某种的闭合程度以上的情况占的比例作为疲劳程度的度量指标，即 PERCLOS 指标，取得了不错的效果，面大部分研究常用的指标之一。美国约翰斯· 霍普金斯大学研制了一种司机检测系统 DDDS（The Drowsy Driver Detection System），通过提取司机眨眼眼时长等数据判断司机所处状态[34]。与此相似，浙江大学的团队提取单位时频率和眨眼时长来判断司机疲劳状态[35]。中南大学的团队在眨眼频率的基眼细分为快眨眼次数和慢眨眼次数，进行司机疲劳检测方法的研究[36]。20发布 Apollo 车载系统，如图 1-3 所示，该系统是基于百度大脑的图像识别技，通过红外人脸识别判断，当司机被手机干扰转头看信息、或者疲惫到眼睛时候，系统就会及时提醒司机集中精力驾驶[37]。
【参考文献】：
期刊论文
[1]基于多形态红外特征与深度学习的实时驾驶员疲劳检测[J]. 耿磊,梁晓昱,肖志涛,李月龙. 红外与激光工程. 2018(02)
[2]基于嘴部内轮廓特征的疲劳检测[J]. 王霞,仝美娇,王蒙军. 科学技术与工程. 2016(26)
[3]基于网络系统软件的高速动车组司机警惕装置功能设计及优化[J]. 杨丽丽. 科技创新导报. 2016(23)
[4]“铁路行车组织”课程体系的改革实践[J]. 彭其渊,文超,马驷. 西南交通大学学报(社会科学版). 2008(05)
[5]机车司机视作业行为测试[J]. 郭北苑,方卫宁,戴明森. 科学技术与工程. 2005(09)
[6]机车司机工作状态识别监督系统应用研究[J]. 宋志雄,戴小文. 交通运输工程与信息学报. 2005(01)
[7]驾驶防瞌睡装置中人眼快速定位方法研究[J]. 李峰,曾超,徐向东. 光学仪器. 2002(Z1)
[8]基于PERCLOS的机动车驾驶员驾驶疲劳的识别算法[J]. 郑培,宋正河,周一鸣. 中国农业大学学报. 2002(02)
[9]利用科学技术装备保障铁路行车安全[J]. 黎国清,王卫东. 中国铁道科学. 1999(04)
博士论文
[1]基于深度学习和面部多源动态行为融合的驾驶员疲劳检测方法研究[D]. 赵磊.山东大学 2018
[2]铁路列车调度员疲劳机理与发展规律研究[D]. 杨奎.西南交通大学 2017
[3]基于反应时间的驾驶员疲劳状态监测与预警技术研究[D]. 郭梦竹.吉林大学 2017
[4]铁路机车司机驾驶疲劳评测方法与在线检测技术的研究[D]. 李响.北京交通大学 2015
[5]基于迁移学习的多模态脑图像分析及其应用研究[D]. 程波.南京航空航天大学 2015
[6]基于信息融合的疲劳驾驶检测方法研究[D]. 牛清宁.吉林大学 2014
[7]交通运输对区域经济发展作用与调控[D]. 董大朋.东北师范大学 2010
硕士论文
[1]列车驾驶员多视角实时疲劳检测方法研究[D]. 杨欢.兰州交通大学 2018
[2]基于无线可穿戴EEG的高速列车司机警觉度检测方法研究[D]. 张效良.西南交通大学 2018
[3]基于自动机器学习的雷达信号识别研究[D]. 涂同珩.西南交通大学 2018
[4]基于融合特征卷积神经网络的多姿态人脸特征点定位[D]. 赵爽.北京工业大学 2017
[5]基于数据融合的危险驾驶行为识别与车辆跟踪算法研究[D]. 李娟.武汉工程大学 2017
[6]基于多任务协同深度学习的疲劳检测系统研究[D]. 田卓.杭州电子科技大学 2017
[7]基于驾驶员脑电信号警觉度检测的车辆速度控制研究[D]. 罗典媛.西南交通大学 2016
[8]基于视觉特征的疲劳检测算法研究[D]. 孙忆晨.北京邮电大学 2016
[9]基于转向操作和车辆状态的疲劳驾驶检测方法研究[D]. 屈肖蕾.清华大学 2012
[10]基于人脸特征的列车司机疲劳驾驶检测与识别系统研究[D]. 徐建君.西南交通大学 2010
本文编号：2972769
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2972769.html
