武警部隊是國家武裝力量的重要組成部分,肩負著保衛(wèi)國家安全、維護社會穩(wěn)定的光榮使命,武警哨兵的執(zhí)勤工作則是保衛(wèi)國家安全的重要保障。利用傳統(tǒng)人工查勤的方法對哨兵執(zhí)勤狀態(tài)進行監(jiān)督,無法精確地把握執(zhí)勤質(zhì)量和實時反饋重要信息。為了有效提高武警部隊執(zhí)勤質(zhì)量,本文提出基于人臉特征分析的哨兵疲勞警示系統(tǒng),該系統(tǒng)通過檢測哨兵的臉部并進行特征分析判斷哨兵在執(zhí)行任務期間是否出現(xiàn)疲勞狀態(tài),若處于疲勞狀態(tài),則發(fā)出警報信息提醒哨兵集中注意力認真執(zhí)勤,以更好地肩負起維護社會安全的責任和義務,有利于加速武警部隊的智能化和信息化建設(shè)進程。本文是通過使用系統(tǒng)自動檢測哨兵的狀態(tài)來輔助人工查勤。在監(jiān)測哨兵執(zhí)勤的過程中,將視頻圖像按照每秒一幀的形式轉(zhuǎn)化成圖像,然后將這些圖像傳入到系統(tǒng)中,由系統(tǒng)自動分析,根據(jù)視頻流中哨兵的單位時間內(nèi)閉眼時間、頭動幅度、眼睛的縱橫比等特征進行建模,判別最終的結(jié)果。本文前期進行了詳細的調(diào)研和需求分析,同時也咨詢了相關(guān)專業(yè)研究人員進行需求評審,以保證需求與用戶想法一致。接下來對多任務級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（Multi-task Cascades Convolutional Networks,MT-CNN）算... 

【文章來源】：湖南師范大學湖南省 211工程院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

視頻監(jiān)控平臺從目前武警哨兵的執(zhí)勤體系來看，用來檢測哨兵疲勞狀態(tài)的方法非常有限，而且現(xiàn)有的方法仍然存在很大的安全隱患，與信息化建設(shè)的步伐不相適應

工程碩士學位論文果。且在神經(jīng)網(wǎng)絡(luò)中，除了輸入層之外看作是一個具有非線性激活函數(shù)的神邊”進行連接。的統(tǒng)稱，其結(jié)構(gòu)如圖 2-2 所示，在結(jié)構(gòu)樹突，樹突的作用主要用來接收傳入的只有一個軸突，軸突的長度相對較長，的樹突產(chǎn)生連接從而進行信號的傳遞。觸”[45]。

單個神經(jīng)元的基本模型

【參考文獻】：
期刊論文
[1]基于多任務卷積網(wǎng)絡(luò)的參會人員人數(shù)統(tǒng)計算法[J]. 劉宇明,凌志祥,吳強,趙聞迪,李輝.  計算機應用. 2018(S2)
[2]基于多源信息融合的疲勞駕駛檢測方法研究[J]. 李相陽.  遼寧師專學報(自然科學版). 2016(02)
[3]歸一化線性濾波對運動圖像靜態(tài)視點平滑模型[J]. 陳思慧.  計算機仿真. 2016(03)
[4]智能時代腦科學的核心是探索智力的本質(zhì)及其實現(xiàn)[J]. 郭愛克.  中國科學:生命科學. 2016(02)
[5]武警部隊“三級網(wǎng)”管理的問題與對策[J]. 鄭旭鵬.  無線互聯(lián)科技. 2015(16)
[6]服務器虛擬化在武警部隊三級網(wǎng)中的應用[J]. 趙蓓蓓.  信息安全與技術(shù). 2015(07)
[7]新型深度學習算法研究概述[J]. 馬超,徐瑾輝,侯天誠,藍斌.  赤峰學院學報(自然科學版). 2015(02)
[8]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛.  計算機學報. 2015(06)
[9]基于深度學習網(wǎng)絡(luò)的射線圖像缺陷識別方法[J]. 余永維,殷國富,殷鷹,杜柳青.  儀器儀表學報. 2014(09)
[10]智能視頻分析技術(shù)應用及發(fā)展[J]. 李少華.  中國公共安全. 2014(Z2)

博士論文
[1]基于機器視覺的復雜工況下駕駛?cè)似跔顟B(tài)檢測方法研究[D]. 張波.清華大學 2015
[2]基于視覺的全天候駕駛員疲勞與精神分散狀態(tài)監(jiān)測方法研究[D]. 邸巍.吉林大學 2010
[3]中值型濾波的收斂性及層疊型濾波[D]. 葉萬洲.南開大學 2001

碩士論文
[1]基于視頻分析的執(zhí)勤人員疲勞和離崗檢測系統(tǒng)軟件設(shè)計[D]. 方奇敏.浙江大學 2018
[2]基于深度學習的駕駛員疲勞檢測方法研究[D]. 梁曉昱.天津工業(yè)大學 2018
[3]基于深度學習的腫瘤細胞圖像識別[D]. 張永煥.華東交通大學 2017
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別在疲勞駕駛檢測中的應用[D]. 幸堅炬.廣東技術(shù)師范學院 2017
[5]基于卡口監(jiān)控視頻的人臉特征點定位關(guān)鍵技術(shù)研究[D]. 豐慧芳.集美大學 2017
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的學生疲勞狀態(tài)檢測關(guān)鍵技術(shù)研究與實現(xiàn)[D]. 王琦.華中師范大學 2016
[7]基于視覺的駕駛員疲勞檢測算法研究[D]. 彭發(fā)超.湖南大學 2016
[8]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識別[D]. 鄧柳.西南交通大學 2015
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的目標跟蹤算法研究與實現(xiàn)[D]. 張子夫.吉林大學 2015
[10]基于改進輪廓模型的疲勞駕駛檢測方法研究[D]. 謝建鋒.電子科技大學 2014



本文編號：3010801