基于面部特征识别的管制员疲劳检测算法研究

• 作者: 孙昕 顾延中
• 来源期刊: 网络安全技术与应用
• 关键词: 多任务级联卷积网络 卷积神经网络 特征融合 光流图
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 48-51
• 页数: 4页
• 语种: 中文

摘要

管制员疲劳是关系到航空安全的重要问题之一,本文通过安装在管制员工作台正前方的摄像头获取管制员工作时候的视频,运用一种使用多任务级联卷积网络(Multi-Task Convolutional Neural Network, MTCNN)对获得的视频图像,包含管制员的脸部,身体的姿态等特定部位进行定位,从获取的图像中提取管制员嘴部、左右眼等区域的光流图并进行特征融合,然后使用卷积神经网络(Convolutional Neural Network, CNN)提取特征进行管制员疲劳检测,实验结果表明能够有效检测出管制员瞌睡、打哈欠、闭眼等一系列疲劳动作.