基于人脸特征分析的哨兵疲劳警示系统的设计与实现
发布时间：2021-01-31 11:45
武警部队是国家武装力量的重要组成部分,肩负着保卫国家安全、维护社会稳定的光荣使命,武警哨兵的执勤工作则是保卫国家安全的重要保障。利用传统人工查勤的方法对哨兵执勤状态进行监督,无法精确地把握执勤质量和实时反馈重要信息。为了有效提高武警部队执勤质量,本文提出基于人脸特征分析的哨兵疲劳警示系统,该系统通过检测哨兵的脸部并进行特征分析判断哨兵在执行任务期间是否出现疲劳状态,若处于疲劳状态,则发出警报信息提醒哨兵集中注意力认真执勤,以更好地肩负起维护社会安全的责任和义务,有利于加速武警部队的智能化和信息化建设进程。本文是通过使用系统自动检测哨兵的状态来辅助人工查勤。在监测哨兵执勤的过程中,将视频图像按照每秒一帧的形式转化成图像,然后将这些图像传入到系统中,由系统自动分析,根据视频流中哨兵的单位时间内闭眼时间、头动幅度、眼睛的纵横比等特征进行建模,判别最终的结果。本文前期进行了详细的调研和需求分析,同时也咨询了相关专业研究人员进行需求评审,以保证需求与用户想法一致。接下来对多任务级联卷积神经网络（Multi-task Cascades Convolutional Networks,MT-CNN）算...
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
视频监控平台从目前武警哨兵的执勤体系来看，用来检测哨兵疲劳状态的方法非常有限，而且现有的方法仍然存在很大的安全隐患，与信息化建设的步伐不相适应
工程硕士学位论文果。且在神经网络中，除了输入层之外看作是一个具有非线性激活函数的神边”进行连接。的统称，其结构如图 2-2 所示，在结构树突，树突的作用主要用来接收传入的只有一个轴突，轴突的长度相对较长，的树突产生连接从而进行信号的传递。触”[45]。
单个神经元的基本模型
【参考文献】：
期刊论文
[1]基于多任务卷积网络的参会人员人数统计算法[J]. 刘宇明,凌志祥,吴强,赵闻迪,李辉. 计算机应用. 2018(S2)
[2]基于多源信息融合的疲劳驾驶检测方法研究[J]. 李相阳. 辽宁师专学报(自然科学版). 2016(02)
[3]归一化线性滤波对运动图像静态视点平滑模型[J]. 陈思慧. 计算机仿真. 2016(03)
[4]智能时代脑科学的核心是探索智力的本质及其实现[J]. 郭爱克. 中国科学:生命科学. 2016(02)
[5]武警部队“三级网”管理的问题与对策[J]. 郑旭鹏. 无线互联科技. 2015(16)
[6]服务器虚拟化在武警部队三级网中的应用[J]. 赵蓓蓓. 信息安全与技术. 2015(07)
[7]新型深度学习算法研究概述[J]. 马超,徐瑾辉,侯天诚,蓝斌. 赤峰学院学报(自然科学版). 2015(02)
[8]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
[9]基于深度学习网络的射线图像缺陷识别方法[J]. 余永维,殷国富,殷鹰,杜柳青. 仪器仪表学报. 2014(09)
[10]智能视频分析技术应用及发展[J]. 李少华. 中国公共安全. 2014(Z2)
博士论文
[1]基于机器视觉的复杂工况下驾驶人疲劳状态检测方法研究[D]. 张波.清华大学 2015
[2]基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D]. 邸巍.吉林大学 2010
[3]中值型滤波的收敛性及层叠型滤波[D]. 叶万洲.南开大学 2001
硕士论文
[1]基于视频分析的执勤人员疲劳和离岗检测系统软件设计[D]. 方奇敏.浙江大学 2018
[2]基于深度学习的驾驶员疲劳检测方法研究[D]. 梁晓昱.天津工业大学 2018
[3]基于深度学习的肿瘤细胞图像识别[D]. 张永焕.华东交通大学 2017
[4]基于卷积神经网络的人脸识别在疲劳驾驶检测中的应用[D]. 幸坚炬.广东技术师范学院 2017
[5]基于卡口监控视频的人脸特征点定位关键技术研究[D]. 丰慧芳.集美大学 2017
[6]基于卷积神经网络的学生疲劳状态检测关键技术研究与实现[D]. 王琦.华中师范大学 2016
[7]基于视觉的驾驶员疲劳检测算法研究[D]. 彭发超.湖南大学 2016
[8]基于深度卷积神经网络的车型识别[D]. 邓柳.西南交通大学 2015
[9]基于卷积神经网络的目标跟踪算法研究与实现[D]. 张子夫.吉林大学 2015
[10]基于改进轮廓模型的疲劳驾驶检测方法研究[D]. 谢建锋.电子科技大学 2014
本文编号：3010801
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
视频监控平台从目前武警哨兵的执勤体系来看，用来检测哨兵疲劳状态的方法非常有限，而且现有的方法仍然存在很大的安全隐患，与信息化建设的步伐不相适应
工程硕士学位论文果。且在神经网络中，除了输入层之外看作是一个具有非线性激活函数的神边”进行连接。的统称，其结构如图 2-2 所示，在结构树突，树突的作用主要用来接收传入的只有一个轴突，轴突的长度相对较长，的树突产生连接从而进行信号的传递。触”[45]。
单个神经元的基本模型
【参考文献】：
期刊论文
[1]基于多任务卷积网络的参会人员人数统计算法[J]. 刘宇明,凌志祥,吴强,赵闻迪,李辉. 计算机应用. 2018(S2)
[2]基于多源信息融合的疲劳驾驶检测方法研究[J]. 李相阳. 辽宁师专学报(自然科学版). 2016(02)
[3]归一化线性滤波对运动图像静态视点平滑模型[J]. 陈思慧. 计算机仿真. 2016(03)
[4]智能时代脑科学的核心是探索智力的本质及其实现[J]. 郭爱克. 中国科学:生命科学. 2016(02)
[5]武警部队“三级网”管理的问题与对策[J]. 郑旭鹏. 无线互联科技. 2015(16)
[6]服务器虚拟化在武警部队三级网中的应用[J]. 赵蓓蓓. 信息安全与技术. 2015(07)
[7]新型深度学习算法研究概述[J]. 马超,徐瑾辉,侯天诚,蓝斌. 赤峰学院学报(自然科学版). 2015(02)
[8]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
[9]基于深度学习网络的射线图像缺陷识别方法[J]. 余永维,殷国富,殷鹰,杜柳青. 仪器仪表学报. 2014(09)
[10]智能视频分析技术应用及发展[J]. 李少华. 中国公共安全. 2014(Z2)
博士论文
[1]基于机器视觉的复杂工况下驾驶人疲劳状态检测方法研究[D]. 张波.清华大学 2015
[2]基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D]. 邸巍.吉林大学 2010
[3]中值型滤波的收敛性及层叠型滤波[D]. 叶万洲.南开大学 2001
硕士论文
[1]基于视频分析的执勤人员疲劳和离岗检测系统软件设计[D]. 方奇敏.浙江大学 2018
[2]基于深度学习的驾驶员疲劳检测方法研究[D]. 梁晓昱.天津工业大学 2018
[3]基于深度学习的肿瘤细胞图像识别[D]. 张永焕.华东交通大学 2017
[4]基于卷积神经网络的人脸识别在疲劳驾驶检测中的应用[D]. 幸坚炬.广东技术师范学院 2017
[5]基于卡口监控视频的人脸特征点定位关键技术研究[D]. 丰慧芳.集美大学 2017
[6]基于卷积神经网络的学生疲劳状态检测关键技术研究与实现[D]. 王琦.华中师范大学 2016
[7]基于视觉的驾驶员疲劳检测算法研究[D]. 彭发超.湖南大学 2016
[8]基于深度卷积神经网络的车型识别[D]. 邓柳.西南交通大学 2015
[9]基于卷积神经网络的目标跟踪算法研究与实现[D]. 张子夫.吉林大学 2015
[10]基于改进轮廓模型的疲劳驾驶检测方法研究[D]. 谢建锋.电子科技大学 2014
本文编号：3010801
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3010801.html
