列車司機疲勞狀態(tài)識別技術研究
發(fā)布時間：2021-01-12 11:27
隨著中國鐵路運輸事業(yè)的迅速發(fā)展,鐵路運營的安全性越來越引起人們的重視。列車司機疲勞駕駛是造成鐵路運營事故的主要原因之一,而目前對于列車司機的疲勞狀態(tài)檢測是鐵路運營安全中比較薄弱的環(huán)節(jié)。因此,對列車司機的疲勞狀態(tài)進行有效檢測就顯得尤為重要。本文以列車司機為研究對象,采用計算機視覺的方式,通過深度學習和自動機器學習的方法對司機疲勞檢測進行了相關研究,并通過實驗證明了本文方法的有效性。本文的主要工作如下:1、針對目前大部分基于深度學習的人臉關鍵點檢測方法,只將卷積神經(jīng)網(wǎng)絡最后一層卷積層所映射的特征進行人臉關鍵點檢測,而忽略了卷積神經(jīng)網(wǎng)絡前端提取的局部細節(jié)特征。針對此問題,本文設計了一種基于多尺度多任務卷積神經(jīng)網(wǎng)絡用于人臉關鍵點與頭部姿態(tài)檢測,該方法對卷積神經(jīng)網(wǎng)絡不同層提取的不同尺度的特征進行充分融合,獲得的特征能更好表達圖像中人臉信息,并利用多任務學習方法同時回歸人臉關鍵點和頭部姿態(tài)。實驗證明該方法精度高、實時性好,給后續(xù)列車司機疲勞檢測提供了基礎。2、針對現(xiàn)有疲勞檢測算法的特征比較單一,泛化性能差且需要人工進行算法選擇和超參數(shù)配置的問題。本文研究了基于TPOT的多特征融合疲勞檢測方法,首先...
【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校
【文章頁數(shù)】：77 頁
【學位級別】：碩士
【部分圖文】：
“十三五”高速鐵路網(wǎng)規(guī)劃圖
西南交通大學碩士研究生學位論文 第 （例如方向盤轉向角、司機握方向盤力度大小、行車速度、行車加速度和車輛在中的位置更新等），推斷司機是否出現(xiàn)疲勞情況[16-17]。例如，Morellas[18]通過 GPS 系統(tǒng)判斷車輛在地圖中的坐標，運用追逐算法對汽行控制，防止了由于司機疲勞導致的車偏離道路。沃爾沃開發(fā)了一種防疲勞駕駛系統(tǒng)（DAS-W），如圖 1-2 所示，通過監(jiān)測車輛運動和車輛之間的距離來檢測司狀態(tài)[19]。清華大學的屈肖蕾[20]將車輛換線的操作作為疲勞特征，能準確識別出是主動換道，還是由于司機疲勞產(chǎn)生的被動換道。武漢工程大學的李娟[21]根據(jù)北斗S 雙系統(tǒng)定位得出司機駕駛軌跡，并建立司機疲勞狀態(tài)與駕駛行為和駕駛軌跡之關系，取得良好的效果。
基于機器視覺的疲勞檢測方法主要通過視頻數(shù)據(jù)提取司機的疲勞特征，進而分析。常用特征包括：PERCLOS（百分比閉眼）、眨眼頻率、眼動，打哈欠布和面部位置[30-32]。因其方便性和準確性，基于機器視覺的方法是疲勞檢測方法，同樣是本文所采用的方法。疲勞駕駛識別領域有相當數(shù)目的文獻都集中在對眼部疲勞特征的研究上。如大學的 Wierwille[33]使用單位時間內眼睛達到某種的閉合程度以上的情況占的比例作為疲勞程度的度量指標，即 PERCLOS 指標，取得了不錯的效果，面大部分研究常用的指標之一。美國約翰斯· 霍普金斯大學研制了一種司機檢測系統(tǒng) DDDS（The Drowsy Driver Detection System），通過提取司機眨眼眼時長等數(shù)據(jù)判斷司機所處狀態(tài)[34]。與此相似，浙江大學的團隊提取單位時頻率和眨眼時長來判斷司機疲勞狀態(tài)[35]。中南大學的團隊在眨眼頻率的基眼細分為快眨眼次數(shù)和慢眨眼次數(shù)，進行司機疲勞檢測方法的研究[36]。20發(fā)布 Apollo 車載系統(tǒng)，如圖 1-3 所示，該系統(tǒng)是基于百度大腦的圖像識別技，通過紅外人臉識別判斷，當司機被手機干擾轉頭看信息、或者疲憊到眼睛時候，系統(tǒng)就會及時提醒司機集中精力駕駛[37]。
【參考文獻】：
期刊論文
[1]基于多形態(tài)紅外特征與深度學習的實時駕駛員疲勞檢測[J]. 耿磊,梁曉昱,肖志濤,李月龍. 紅外與激光工程. 2018(02)
[2]基于嘴部內輪廓特征的疲勞檢測[J]. 王霞,仝美嬌,王蒙軍. 科學技術與工程. 2016(26)
[3]基于網(wǎng)絡系統(tǒng)軟件的高速動車組司機警惕裝置功能設計及優(yōu)化[J]. 楊麗麗. 科技創(chuàng)新導報. 2016(23)
[4]“鐵路行車組織”課程體系的改革實踐[J]. 彭其淵,文超,馬駟. 西南交通大學學報(社會科學版). 2008(05)
[5]機車司機視作業(yè)行為測試[J]. 郭北苑,方衛(wèi)寧,戴明森. 科學技術與工程. 2005(09)
[6]機車司機工作狀態(tài)識別監(jiān)督系統(tǒng)應用研究[J]. 宋志雄,戴小文. 交通運輸工程與信息學報. 2005(01)
[7]駕駛防瞌睡裝置中人眼快速定位方法研究[J]. 李峰,曾超,徐向東. 光學儀器. 2002(Z1)
[8]基于PERCLOS的機動車駕駛員駕駛疲勞的識別算法[J]. 鄭培,宋正河,周一鳴. 中國農業(yè)大學學報. 2002(02)
[9]利用科學技術裝備保障鐵路行車安全[J]. 黎國清,王衛(wèi)東. 中國鐵道科學. 1999(04)
博士論文
[1]基于深度學習和面部多源動態(tài)行為融合的駕駛員疲勞檢測方法研究[D]. 趙磊.山東大學 2018
[2]鐵路列車調度員疲勞機理與發(fā)展規(guī)律研究[D]. 楊奎.西南交通大學 2017
[3]基于反應時間的駕駛員疲勞狀態(tài)監(jiān)測與預警技術研究[D]. 郭夢竹.吉林大學 2017
[4]鐵路機車司機駕駛疲勞評測方法與在線檢測技術的研究[D]. 李響.北京交通大學 2015
[5]基于遷移學習的多模態(tài)腦圖像分析及其應用研究[D]. 程波.南京航空航天大學 2015
[6]基于信息融合的疲勞駕駛檢測方法研究[D]. 牛清寧.吉林大學 2014
[7]交通運輸對區(qū)域經(jīng)濟發(fā)展作用與調控[D]. 董大朋.東北師范大學 2010
碩士論文
[1]列車駕駛員多視角實時疲勞檢測方法研究[D]. 楊歡.蘭州交通大學 2018
[2]基于無線可穿戴EEG的高速列車司機警覺度檢測方法研究[D]. 張效良.西南交通大學 2018
[3]基于自動機器學習的雷達信號識別研究[D]. 涂同珩.西南交通大學 2018
[4]基于融合特征卷積神經(jīng)網(wǎng)絡的多姿態(tài)人臉特征點定位[D]. 趙爽.北京工業(yè)大學 2017
[5]基于數(shù)據(jù)融合的危險駕駛行為識別與車輛跟蹤算法研究[D]. 李娟.武漢工程大學 2017
[6]基于多任務協(xié)同深度學習的疲勞檢測系統(tǒng)研究[D]. 田卓.杭州電子科技大學 2017
[7]基于駕駛員腦電信號警覺度檢測的車輛速度控制研究[D]. 羅典媛.西南交通大學 2016
[8]基于視覺特征的疲勞檢測算法研究[D]. 孫憶晨.北京郵電大學 2016
[9]基于轉向操作和車輛狀態(tài)的疲勞駕駛檢測方法研究[D]. 屈肖蕾.清華大學 2012
[10]基于人臉特征的列車司機疲勞駕駛檢測與識別系統(tǒng)研究[D]. 徐建君.西南交通大學 2010
本文編號：2972769
【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校
【文章頁數(shù)】：77 頁
【學位級別】：碩士
【部分圖文】：
“十三五”高速鐵路網(wǎng)規(guī)劃圖
西南交通大學碩士研究生學位論文 第 （例如方向盤轉向角、司機握方向盤力度大小、行車速度、行車加速度和車輛在中的位置更新等），推斷司機是否出現(xiàn)疲勞情況[16-17]。例如，Morellas[18]通過 GPS 系統(tǒng)判斷車輛在地圖中的坐標，運用追逐算法對汽行控制，防止了由于司機疲勞導致的車偏離道路。沃爾沃開發(fā)了一種防疲勞駕駛系統(tǒng)（DAS-W），如圖 1-2 所示，通過監(jiān)測車輛運動和車輛之間的距離來檢測司狀態(tài)[19]。清華大學的屈肖蕾[20]將車輛換線的操作作為疲勞特征，能準確識別出是主動換道，還是由于司機疲勞產(chǎn)生的被動換道。武漢工程大學的李娟[21]根據(jù)北斗S 雙系統(tǒng)定位得出司機駕駛軌跡，并建立司機疲勞狀態(tài)與駕駛行為和駕駛軌跡之關系，取得良好的效果。
基于機器視覺的疲勞檢測方法主要通過視頻數(shù)據(jù)提取司機的疲勞特征，進而分析。常用特征包括：PERCLOS（百分比閉眼）、眨眼頻率、眼動，打哈欠布和面部位置[30-32]。因其方便性和準確性，基于機器視覺的方法是疲勞檢測方法，同樣是本文所采用的方法。疲勞駕駛識別領域有相當數(shù)目的文獻都集中在對眼部疲勞特征的研究上。如大學的 Wierwille[33]使用單位時間內眼睛達到某種的閉合程度以上的情況占的比例作為疲勞程度的度量指標，即 PERCLOS 指標，取得了不錯的效果，面大部分研究常用的指標之一。美國約翰斯· 霍普金斯大學研制了一種司機檢測系統(tǒng) DDDS（The Drowsy Driver Detection System），通過提取司機眨眼眼時長等數(shù)據(jù)判斷司機所處狀態(tài)[34]。與此相似，浙江大學的團隊提取單位時頻率和眨眼時長來判斷司機疲勞狀態(tài)[35]。中南大學的團隊在眨眼頻率的基眼細分為快眨眼次數(shù)和慢眨眼次數(shù)，進行司機疲勞檢測方法的研究[36]。20發(fā)布 Apollo 車載系統(tǒng)，如圖 1-3 所示，該系統(tǒng)是基于百度大腦的圖像識別技，通過紅外人臉識別判斷，當司機被手機干擾轉頭看信息、或者疲憊到眼睛時候，系統(tǒng)就會及時提醒司機集中精力駕駛[37]。
【參考文獻】：
期刊論文
[1]基于多形態(tài)紅外特征與深度學習的實時駕駛員疲勞檢測[J]. 耿磊,梁曉昱,肖志濤,李月龍. 紅外與激光工程. 2018(02)
[2]基于嘴部內輪廓特征的疲勞檢測[J]. 王霞,仝美嬌,王蒙軍. 科學技術與工程. 2016(26)
[3]基于網(wǎng)絡系統(tǒng)軟件的高速動車組司機警惕裝置功能設計及優(yōu)化[J]. 楊麗麗. 科技創(chuàng)新導報. 2016(23)
[4]“鐵路行車組織”課程體系的改革實踐[J]. 彭其淵,文超,馬駟. 西南交通大學學報(社會科學版). 2008(05)
[5]機車司機視作業(yè)行為測試[J]. 郭北苑,方衛(wèi)寧,戴明森. 科學技術與工程. 2005(09)
[6]機車司機工作狀態(tài)識別監(jiān)督系統(tǒng)應用研究[J]. 宋志雄,戴小文. 交通運輸工程與信息學報. 2005(01)
[7]駕駛防瞌睡裝置中人眼快速定位方法研究[J]. 李峰,曾超,徐向東. 光學儀器. 2002(Z1)
[8]基于PERCLOS的機動車駕駛員駕駛疲勞的識別算法[J]. 鄭培,宋正河,周一鳴. 中國農業(yè)大學學報. 2002(02)
[9]利用科學技術裝備保障鐵路行車安全[J]. 黎國清,王衛(wèi)東. 中國鐵道科學. 1999(04)
博士論文
[1]基于深度學習和面部多源動態(tài)行為融合的駕駛員疲勞檢測方法研究[D]. 趙磊.山東大學 2018
[2]鐵路列車調度員疲勞機理與發(fā)展規(guī)律研究[D]. 楊奎.西南交通大學 2017
[3]基于反應時間的駕駛員疲勞狀態(tài)監(jiān)測與預警技術研究[D]. 郭夢竹.吉林大學 2017
[4]鐵路機車司機駕駛疲勞評測方法與在線檢測技術的研究[D]. 李響.北京交通大學 2015
[5]基于遷移學習的多模態(tài)腦圖像分析及其應用研究[D]. 程波.南京航空航天大學 2015
[6]基于信息融合的疲勞駕駛檢測方法研究[D]. 牛清寧.吉林大學 2014
[7]交通運輸對區(qū)域經(jīng)濟發(fā)展作用與調控[D]. 董大朋.東北師范大學 2010
碩士論文
[1]列車駕駛員多視角實時疲勞檢測方法研究[D]. 楊歡.蘭州交通大學 2018
[2]基于無線可穿戴EEG的高速列車司機警覺度檢測方法研究[D]. 張效良.西南交通大學 2018
[3]基于自動機器學習的雷達信號識別研究[D]. 涂同珩.西南交通大學 2018
[4]基于融合特征卷積神經(jīng)網(wǎng)絡的多姿態(tài)人臉特征點定位[D]. 趙爽.北京工業(yè)大學 2017
[5]基于數(shù)據(jù)融合的危險駕駛行為識別與車輛跟蹤算法研究[D]. 李娟.武漢工程大學 2017
[6]基于多任務協(xié)同深度學習的疲勞檢測系統(tǒng)研究[D]. 田卓.杭州電子科技大學 2017
[7]基于駕駛員腦電信號警覺度檢測的車輛速度控制研究[D]. 羅典媛.西南交通大學 2016
[8]基于視覺特征的疲勞檢測算法研究[D]. 孫憶晨.北京郵電大學 2016
[9]基于轉向操作和車輛狀態(tài)的疲勞駕駛檢測方法研究[D]. 屈肖蕾.清華大學 2012
[10]基于人臉特征的列車司機疲勞駕駛檢測與識別系統(tǒng)研究[D]. 徐建君.西南交通大學 2010
本文編號：2972769
本文鏈接：http://www.sikaile.net/kejilunwen/jiaotonggongchenglunwen/2972769.html
