隨著我國民航事業(yè)的不斷發(fā)展,空管的安全保障壓力不斷攀升,不安全事件時有發(fā)生,管制員承擔著民航運輸空中交通指揮員的重要角色,管制疲勞是航空安全的潛在隱患,管制員疲勞檢測已經(jīng)成為當今民航界研究的熱點問題之一。本文在研究國內(nèi)外相關(guān)疲勞檢測方法的基礎(chǔ)上,提出基于認知科學的管制員疲勞檢測方法,認知科學在疲勞檢測方面的應(yīng)用主要基于行為學特征檢測,由于管制行業(yè)的特殊性,必須及時發(fā)現(xiàn)管制員疲勞狀態(tài),所以,疲勞檢測力求實時性、準確性,無侵入性。由于卷積神經(jīng)網(wǎng)絡(luò)在人臉檢測,圖像識別領(lǐng)域有很好的效果。因此,本文提出構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型對管制員臉部特征進行檢測并進行系統(tǒng)設(shè)計,從而根據(jù)管制員面部疲勞特征識別實現(xiàn)對管制疲勞的檢測。首先,在對人臉檢測算法深入研究的基礎(chǔ)上,對其進行了分類和優(yōu)缺點比較,對比發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)所需數(shù)據(jù)集小,能自主學習,泛化能力強,適合于人臉識別。由此提出本文所選的卷積神經(jīng)網(wǎng)絡(luò)MTCNN、VGG-16、ResNet-50算法。其次,設(shè)計疲勞特征采集實驗,借助管制模擬機平臺搭建數(shù)據(jù)采集平臺對在校管制員進行面部特征采集,并結(jié)合MTCNN模型對管制員面部特征進行識別和提取,然后對特征圖片進行預(yù)處理,將特征圖片進行分類,構(gòu)建管制員人眼和嘴部自建數(shù)據(jù)集,并收集人眼、嘴部公共數(shù)據(jù)集用于模型的訓(xùn)練和測試。之后,構(gòu)建VGG-16人眼識別模型、ResNet-50嘴部識別模型、自建輕量卷積神經(jīng)網(wǎng)絡(luò)模型,采用公共數(shù)據(jù)集對模型進行訓(xùn)練,采用自建數(shù)據(jù)集對模型進行測試。測試結(jié)果表明,采用VGG-16網(wǎng)絡(luò)模型要優(yōu)于傳統(tǒng)幾何定位模型,采用ResNet-50模型準確率要高于自建輕量卷積神經(jīng)網(wǎng)絡(luò)模型。最后,對管制員疲勞檢測進行了應(yīng)用系統(tǒng)設(shè)計,基于Python語言在相關(guān)框架上進行開發(fā),選擇以Pycharm工具,以Keras作為神經(jīng)網(wǎng)絡(luò)框架,并使用Numpy庫做數(shù)據(jù)加速處理,在圖形開發(fā)界面OpenCV基礎(chǔ)上實現(xiàn)疲勞檢測應(yīng)用系統(tǒng)設(shè)計。依據(jù)疲勞參數(shù)設(shè)定閾值判定疲勞狀態(tài)并提供疲勞告警,檢測效果良好。
【學位單位】：中國民用航空飛行學院
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：V355.1;TP391.41
【部分圖文】：

管制疲勞狀態(tài)

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖 3.2 特征濃縮變換單元（激活函數(shù)）性模型表達力弱，非線性因素中包含激活函數(shù)。在 CNN 網(wǎng)絡(luò)中卷積的方式來處理，即對每個像素點賦予一個權(quán)值，這個操作顯
【相似文獻】

相關(guān)期刊論文 前10條

1 惠金有;;基于警覺性能分析的管制員疲勞風險預(yù)測研究[J];民航管理;2019年03期

2 丁力;;如何有效減少機場塔臺管制員的“錯,忘,漏”[J];中國新通信;2019年06期

3 唐天翊;劉峰;;探析航空管制員應(yīng)具備的素質(zhì)和能力[J];商訊;2019年06期

4 劉賽平;;見習管制員勝任特征研究[J];民航管理;2017年06期

5 薛澤海;;探析民航管制員的心理狀態(tài)及其調(diào)適[J];民航管理;2017年08期

6 蒯翔;劉繼新;;基于“里森”模型的管制員話語失誤分析[J];民航管理;2018年06期

7 李海南;;新疆管制員“4+1”選拔生源擇業(yè)理想等相關(guān)問題的研究[J];民航管理;2018年06期

8 竇鴻達;;淺析見習管制員在培訓(xùn)中的學習方法[J];民航管理;2018年11期

9 王毅;;管制員情緒對管制工作的影響[J];民航管理;2013年01期

10 雒永衛(wèi);卞曉峰;;如何提高民航管制員特情處置能力[J];民航管理;2013年12期

相關(guān)博士學位論文 前4條

1 董襄寧;扇區(qū)容量評估及復(fù)雜性分析[D];南京航空航天大學;2017年

2 張建平;空中交通管制運行品質(zhì)定量評價研究[D];南京航空航天大學;2013年

3 趙征;空域容量評估與預(yù)測技術(shù)研究[D];南京航空航天大學;2015年

4 王世錦;空域分類關(guān)鍵技術(shù)及應(yīng)用研究[D];南京航空航天大學;2010年

相關(guān)碩士學位論文 前10條

1 項悅;基于認知科學的管制員疲勞狀態(tài)檢測方法研究與系統(tǒng)設(shè)計[D];中國民用航空飛行學院;2019年

2 孔航;基于扇區(qū)數(shù)據(jù)分析的管制員工作負荷評估研究[D];南京航空航天大學;2018年

3 林彬;基于Agent和機器學習的管制員行為建模研究[D];南京航空航天大學;2018年

4 常誠;民航貴州空管分局管制員信息管理系統(tǒng)的研究與分析[D];云南大學;2017年

5 吳迪;管制員疲勞風險預(yù)測模型研究[D];中國民航大學;2018年

6 孫立斌;閃光融合臨界頻率快速檢測方法及在管制員疲勞評估中的應(yīng)用[D];中國民航大學;2018年

7 陳鳳蘭;基于多導(dǎo)生理信號的管制員疲勞分析方法研究[D];中國民航大學;2018年

8 趙文豪;目視和儀表混合運行下空域容量評估及分析[D];中國民用航空飛行學院;2018年

9 譚娟;空中交通管制員疲勞風險評估研究[D];中國民用航空飛行學院;2018年

10 王寧;空中交通管制員排班關(guān)鍵方法研究與系統(tǒng)實現(xiàn)[D];中國民航大學;2017年

本文編號：2839790