隨著中國(guó)鐵路運(yùn)輸事業(yè)的迅速發(fā)展,鐵路運(yùn)營(yíng)的安全性越來越引起人們的重視。列車司機(jī)疲勞駕駛是造成鐵路運(yùn)營(yíng)事故的主要原因之一,而目前對(duì)于列車司機(jī)的疲勞狀態(tài)檢測(cè)是鐵路運(yùn)營(yíng)安全中比較薄弱的環(huán)節(jié)。因此,對(duì)列車司機(jī)的疲勞狀態(tài)進(jìn)行有效檢測(cè)就顯得尤為重要。本文以列車司機(jī)為研究對(duì)象,采用計(jì)算機(jī)視覺的方式,通過深度學(xué)習(xí)和自動(dòng)機(jī)器學(xué)習(xí)的方法對(duì)司機(jī)疲勞檢測(cè)進(jìn)行了相關(guān)研究,并通過實(shí)驗(yàn)證明了本文方法的有效性。本文的主要工作如下:1、針對(duì)目前大部分基于深度學(xué)習(xí)的人臉關(guān)鍵點(diǎn)檢測(cè)方法,只將卷積神經(jīng)網(wǎng)絡(luò)最后一層卷積層所映射的特征進(jìn)行人臉關(guān)鍵點(diǎn)檢測(cè),而忽略了卷積神經(jīng)網(wǎng)絡(luò)前端提取的局部細(xì)節(jié)特征。針對(duì)此問題,本文設(shè)計(jì)了一種基于多尺度多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)用于人臉關(guān)鍵點(diǎn)與頭部姿態(tài)檢測(cè),該方法對(duì)卷積神經(jīng)網(wǎng)絡(luò)不同層提取的不同尺度的特征進(jìn)行充分融合,獲得的特征能更好表達(dá)圖像中人臉信息,并利用多任務(wù)學(xué)習(xí)方法同時(shí)回歸人臉關(guān)鍵點(diǎn)和頭部姿態(tài)。實(shí)驗(yàn)證明該方法精度高、實(shí)時(shí)性好,給后續(xù)列車司機(jī)疲勞檢測(cè)提供了基礎(chǔ)。2、針對(duì)現(xiàn)有疲勞檢測(cè)算法的特征比較單一,泛化性能差且需要人工進(jìn)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(cè)方法,首先... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)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(xué)碩士研究生學(xué)位論文 第 （例如方向盤轉(zhuǎn)向角、司機(jī)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(jī)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(biāo)，運(yùn)用追逐算法對(duì)汽行控制，防止了由于司機(jī)疲勞導(dǎo)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(cè)車輛運(yùn)動(dòng)和車輛之間的距離來檢測(cè)司狀態(tài)[19]。清華大學(xué)的屈肖蕾[20]將車輛換線的操作作為疲勞特征，能準(zhǔn)確識(shí)別出是主動(dòng)換道，還是由于司機(jī)疲勞產(chǎn)生的被動(dòng)換道。武漢工程大學(xué)的李娟[21]根據(jù)北斗S 雙系統(tǒng)定位得出司機(jī)駕駛軌跡，并建立司機(jī)疲勞狀態(tài)與駕駛行為和駕駛軌跡之關(guān)系，取得良好的效果。

基于機(jī)器視覺的疲勞檢測(cè)方法主要通過視頻數(shù)據(jù)提取司機(jī)的疲勞特征，進(jìn)而分析。常用特征包括：PERCLOS（百分比閉眼）、眨眼頻率、眼動(dòng)，打哈欠布和面部位置[30-32]。因其方便性和準(zhǔn)確性，基于機(jī)器視覺的方法是疲勞檢測(cè)方法，同樣是本文所采用的方法。疲勞駕駛識(shí)別領(lǐng)域有相當(dāng)數(shù)目的文獻(xiàn)都集中在對(duì)眼部疲勞特征的研究上。如大學(xué)的 Wierwille[33]使用單位時(shí)間內(nèi)眼睛達(dá)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(biāo)，即 PERCLOS 指標(biāo)，取得了不錯(cuò)的效果，面大部分研究常用的指標(biāo)之一。美國(guó)約翰斯· 霍普金斯大學(xué)研制了一種司機(jī)檢測(cè)系統(tǒng) DDDS（The Drowsy Driver Detection System），通過提取司機(jī)眨眼眼時(shí)長(zhǎng)等數(shù)據(jù)判斷司機(jī)所處狀態(tài)[34]。與此相似，浙江大學(xué)的團(tuán)隊(duì)提取單位時(shí)頻率和眨眼時(shí)長(zhǎng)來判斷司機(jī)疲勞狀態(tài)[35]。中南大學(xué)的團(tuán)隊(duì)在眨眼頻率的基眼細(xì)分為快眨眼次數(shù)和慢眨眼次數(shù)，進(jìn)行司機(jī)疲勞檢測(cè)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(shí)別技，通過紅外人臉識(shí)別判斷，當(dāng)司機(jī)被手機(jī)干擾轉(zhuǎn)頭看信息、或者疲憊到眼睛時(shí)候，系統(tǒng)就會(huì)及時(shí)提醒司機(jī)集中精力駕駛[37]。

【參考文獻(xiàn)】：
期刊論文
[1]基于多形態(tài)紅外特征與深度學(xué)習(xí)的實(shí)時(shí)駕駛員疲勞檢測(cè)[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?jī)?nèi)輪廓特征的疲勞檢測(cè)[J]. 王霞,仝美嬌,王蒙軍.  科學(xué)技術(shù)與工程. 2016(26)
[3]基于網(wǎng)絡(luò)系統(tǒng)軟件的高速動(dòng)車組司機(jī)警惕裝置功能設(shè)計(jì)及優(yōu)化[J]. 楊麗麗.  科技創(chuàng)新導(dǎo)報(bào). 2016(23)
[4]“鐵路行車組織”課程體系的改革實(shí)踐[J]. 彭其淵,文超,馬駟.  西南交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2008(05)
[5]機(jī)車司機(jī)視作業(yè)行為測(cè)試[J]. 郭北苑,方衛(wèi)寧,戴明森.  科學(xué)技術(shù)與工程. 2005(09)
[6]機(jī)車司機(jī)工作狀態(tài)識(shí)別監(jiān)督系統(tǒng)應(yīng)用研究[J]. 宋志雄,戴小文.  交通運(yùn)輸工程與信息學(xué)報(bào). 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(xué)儀器. 2002(Z1)
[8]基于PERCLOS的機(jī)動(dòng)車駕駛員駕駛疲勞的識(shí)別算法[J]. 鄭培,宋正河,周一鳴.  中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2002(02)
[9]利用科學(xué)技術(shù)裝備保障鐵路行車安全[J]. 黎國(guó)清,王衛(wèi)東.  中國(guó)鐵道科學(xué). 1999(04)

博士論文
[1]基于深度學(xué)習(xí)和面部多源動(dòng)態(tài)行為融合的駕駛員疲勞檢測(cè)方法研究[D]. 趙磊.山東大學(xué) 2018
[2]鐵路列車調(diào)度員疲勞機(jī)理與發(fā)展規(guī)律研究[D]. 楊奎.西南交通大學(xué) 2017
[3]基于反應(yīng)時(shí)間的駕駛員疲勞狀態(tài)監(jiān)測(cè)與預(yù)警技術(shù)研究[D]. 郭夢(mèng)竹.吉林大學(xué) 2017
[4]鐵路機(jī)車司機(jī)駕駛疲勞評(píng)測(cè)方法與在線檢測(cè)技術(shù)的研究[D]. 李響.北京交通大學(xué) 2015
[5]基于遷移學(xué)習(xí)的多模態(tài)腦圖像分析及其應(yīng)用研究[D]. 程波.南京航空航天大學(xué) 2015
[6]基于信息融合的疲勞駕駛檢測(cè)方法研究[D]. 牛清寧.吉林大學(xué) 2014
[7]交通運(yùn)輸對(duì)區(qū)域經(jīng)濟(jì)發(fā)展作用與調(diào)控[D]. 董大朋.東北師范大學(xué) 2010

碩士論文
[1]列車駕駛員多視角實(shí)時(shí)疲勞檢測(cè)方法研究[D]. 楊歡.蘭州交通大學(xué) 2018
[2]基于無線可穿戴EEG的高速列車司機(jī)警覺度檢測(cè)方法研究[D]. 張效良.西南交通大學(xué) 2018
[3]基于自動(dòng)機(jī)器學(xué)習(xí)的雷達(dá)信號(hào)識(shí)別研究[D]. 涂同珩.西南交通大學(xué) 2018
[4]基于融合特征卷積神經(jīng)網(wǎng)絡(luò)的多姿態(tài)人臉特征點(diǎn)定位[D]. 趙爽.北京工業(yè)大學(xué) 2017
[5]基于數(shù)據(jù)融合的危險(xiǎn)駕駛行為識(shí)別與車輛跟蹤算法研究[D]. 李娟.武漢工程大學(xué) 2017
[6]基于多任務(wù)協(xié)同深度學(xué)習(xí)的疲勞檢測(cè)系統(tǒng)研究[D]. 田卓.杭州電子科技大學(xué) 2017
[7]基于駕駛員腦電信號(hào)警覺度檢測(cè)的車輛速度控制研究[D]. 羅典媛.西南交通大學(xué) 2016
[8]基于視覺特征的疲勞檢測(cè)算法研究[D]. 孫憶晨.北京郵電大學(xué) 2016
[9]基于轉(zhuǎn)向操作和車輛狀態(tài)的疲勞駕駛檢測(cè)方法研究[D]. 屈肖蕾.清華大學(xué) 2012
[10]基于人臉特征的列車司機(jī)疲勞駕駛檢測(cè)與識(shí)別系統(tǒng)研究[D]. 徐建君.西南交通大學(xué) 2010



本文編號(hào)：2972769