面部多特征融合的列车司机疲劳检测方法研究
Fatigue Detection Method for Train Drivers Based on Facial Multiple Feature Fusion作者机构:兰州交通大学自动化与电气工程学院甘肃兰州730070 光电技术与智能控制教育部重点实验室甘肃兰州730070
出 版 物:《铁道学报》 (Journal of the China Railway Society)
年 卷 期:2021年第43卷第12期
页 面:70-78页
核心收录:
学科分类:0402[教育学-心理学(可授教育学、理学学位)] 0711[理学-系统科学] 0401[教育学-教育学] 07[理学] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:中国铁路总公司科技研究开发计划(2017J012-A) 国家自然科学基金(51767013)。
主 题:疲劳检测 列车司机 自适应阈值 多特征融合 眼动速率
摘 要:为保障列车安全运营,提出一种基于面部多特征融合的列车司机疲劳检测方法。采用HOG特征实现人脸识别,ERT算法实现特征点定位。针对不同司机面部特征差异导致固定阈值无法适用于每位司机的问题,提出基于K-means++法的人眼自适应阈值算法。考虑图像前后帧的相关性,利用相邻两帧图像瞳孔与内眼角差值计算眼动速率作为判断指标。针对司机可能出现短暂睁眼而非真正清醒的情况,通过模糊推理系统将眼睛开合度、嘴巴开合度和眼动速率三个指标融合以提高疲劳检测的准确率,同时实现疲劳分级。实验表明,该方法准确率达95%。