基于面部特征的高速铁路调度员疲劳程度判定方法研究

摘要：

调度员的疲劳作业是一个严重的铁路行车安全问题.如果在调度员作业过程中及时发现其过于疲劳并发出警告,可避免因疲劳造成的铁路行车安全事故.本研究基于隐马尔可夫模型(HMM)与BP(Back Propagation)神经网络,通过记录的5项面部特征指标(注视时间、平均瞳孔大小、眨眼频率、眨眼时长、哈欠频率)结合工作时间对长时间作业下的高速铁路调度员疲劳度进行判定.研究结果显示,HMM模型对时段特征数据集的判定准确率相对时刻特征数据集高,且对Ⅰ级疲劳判定表现较BP神经网络优秀,而BP神经网络对两种数据集的判定效果相似且均优于HMM模型,其对Ⅱ级,Ⅲ级疲劳有着较为准确的判定.

关键词：行车调度员、疲劳程度、面部特征、隐马尔可夫模型、BP神经网络、时段演变

所属期刊栏目：43

分类号：U292.22(铁路运输管理工程)

资助基金：四川省科技计划;西南交通大学2018年本科教育教学研究;改革项目;四川省教育厅2018-2020高等教育人才培养质量与教学改革项目

在线出版日期：2021-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：10-17