武警部隊(duì)是國(guó)家武裝力量的重要組成部分,肩負(fù)著保衛(wèi)國(guó)家安全、維護(hù)社會(huì)穩(wěn)定的光榮使命,武警哨兵的執(zhí)勤工作則是保衛(wèi)國(guó)家安全的重要保障。利用傳統(tǒng)人工查勤的方法對(duì)哨兵執(zhí)勤狀態(tài)進(jìn)行監(jiān)督,無(wú)法精確地把握?qǐng)?zhí)勤質(zhì)量和實(shí)時(shí)反饋重要信息。為了有效提高武警部隊(duì)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(guò)檢測(cè)哨兵的臉部并進(jìn)行特征分析判斷哨兵在執(zhí)行任務(wù)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(bào)信息提醒哨兵集中注意力認(rèn)真執(zhí)勤,以更好地肩負(fù)起維護(hù)社會(huì)安全的責(zé)任和義務(wù),有利于加速武警部隊(duì)的智能化和信息化建設(shè)進(jìn)程。本文是通過(guò)使用系統(tǒng)自動(dòng)檢測(cè)哨兵的狀態(tài)來(lái)輔助人工查勤。在監(jiān)測(cè)哨兵執(zhí)勤的過(guò)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(dòng)分析,根據(jù)視頻流中哨兵的單位時(shí)間內(nèi)閉眼時(shí)間、頭動(dòng)幅度、眼睛的縱橫比等特征進(jìn)行建模,判別最終的結(jié)果。本文前期進(jìn)行了詳細(xì)的調(diào)研和需求分析,同時(shí)也咨詢了相關(guān)專業(yè)研究人員進(jìn)行需求評(píng)審,以保證需求與用戶想法一致。接下來(lái)對(duì)多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（Multi-task Cascades Convolutional Networks,MT-CNN）算... 

【文章來(lái)源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

視頻監(jiān)控平臺(tái)從目前武警哨兵的執(zhí)勤體系來(lái)看，用來(lái)檢測(cè)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(yīng)

工程碩士學(xué)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(gè)具有非線性激活函數(shù)的神邊”進(jìn)行連接。的統(tǒng)稱，其結(jié)構(gòu)如圖 2-2 所示，在結(jié)構(gòu)樹(shù)突，樹(shù)突的作用主要用來(lái)接收傳入的只有一個(gè)軸突，軸突的長(zhǎng)度相對(duì)較長(zhǎng)，的樹(shù)突產(chǎn)生連接從而進(jìn)行信號(hào)的傳遞。觸”[45]。

單個(gè)神經(jīng)元的基本模型

【參考文獻(xiàn)】：
期刊論文
[1]基于多任務(wù)卷積網(wǎng)絡(luò)的參會(huì)人員人數(shù)統(tǒng)計(jì)算法[J]. 劉宇明,凌志祥,吳強(qiáng),趙聞迪,李輝.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[2]基于多源信息融合的疲勞駕駛檢測(cè)方法研究[J]. 李相陽(yáng).  遼寧師專學(xué)報(bào)(自然科學(xué)版). 2016(02)
[3]歸一化線性濾波對(duì)運(yùn)動(dòng)圖像靜態(tài)視點(diǎn)平滑模型[J]. 陳思慧.  計(jì)算機(jī)仿真. 2016(03)
[4]智能時(shí)代腦科學(xué)的核心是探索智力的本質(zhì)及其實(shí)現(xiàn)[J]. 郭愛(ài)克.  中國(guó)科學(xué):生命科學(xué). 2016(02)
[5]武警部隊(duì)“三級(jí)網(wǎng)”管理的問(wèn)題與對(duì)策[J]. 鄭旭鵬.  無(wú)線互聯(lián)科技. 2015(16)
[6]服務(wù)器虛擬化在武警部隊(duì)三級(jí)網(wǎng)中的應(yīng)用[J]. 趙蓓蓓.  信息安全與技術(shù). 2015(07)
[7]新型深度學(xué)習(xí)算法研究概述[J]. 馬超,徐瑾輝,侯天誠(chéng),藍(lán)斌.  赤峰學(xué)院學(xué)報(bào)(自然科學(xué)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(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[9]基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識(shí)別方法[J]. 余永維,殷國(guó)富,殷鷹,杜柳青.  儀器儀表學(xué)報(bào). 2014(09)
[10]智能視頻分析技術(shù)應(yīng)用及發(fā)展[J]. 李少華.  中國(guó)公共安全. 2014(Z2)

博士論文
[1]基于機(jī)器視覺(jué)的復(fù)雜工況下駕駛?cè)似跔顟B(tài)檢測(cè)方法研究[D]. 張波.清華大學(xué) 2015
[2]基于視覺(jué)的全天候駕駛員疲勞與精神分散狀態(tài)監(jiān)測(cè)方法研究[D]. 邸巍.吉林大學(xué) 2010
[3]中值型濾波的收斂性及層疊型濾波[D]. 葉萬(wàn)洲.南開(kāi)大學(xué) 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(cè)系統(tǒng)軟件設(shè)計(jì)[D]. 方奇敏.浙江大學(xué) 2018
[2]基于深度學(xué)習(xí)的駕駛員疲勞檢測(cè)方法研究[D]. 梁曉昱.天津工業(yè)大學(xué) 2018
[3]基于深度學(xué)習(xí)的腫瘤細(xì)胞圖像識(shí)別[D]. 張永煥.華東交通大學(xué) 2017
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別在疲勞駕駛檢測(cè)中的應(yīng)用[D]. 幸堅(jiān)炬.廣東技術(shù)師范學(xué)院 2017
[5]基于卡口監(jiān)控視頻的人臉特征點(diǎn)定位關(guān)鍵技術(shù)研究[D]. 豐慧芳.集美大學(xué) 2017
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的學(xué)生疲勞狀態(tài)檢測(cè)關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D]. 王琦.華中師范大學(xué) 2016
[7]基于視覺(jué)的駕駛員疲勞檢測(cè)算法研究[D]. 彭發(fā)超.湖南大學(xué) 2016
[8]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別[D]. 鄧柳.西南交通大學(xué) 2015
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D]. 張子夫.吉林大學(xué) 2015
[10]基于改進(jìn)輪廓模型的疲勞駕駛檢測(cè)方法研究[D]. 謝建鋒.電子科技大學(xué) 2014



本文編號(hào)：3010801