【摘 要】
：
空中交通管制员疲劳工作势必会严重威胁空中交通安全,通过对眼睛睁闭状态判定是现阶段对管制员疲劳检测的一种主要方式.为检测管制员疲劳状态,提出了一种基于迁移学习的DCNN(deep convolutional neural network)眼睛状态识别模型.首先,利用深度级联神经网络的MTCNN(multi-task cascaded convolutional networks)算法检测出管制员面部区域,并实现对面部5个关键点标定和眼睛的定位;然后将检测到的眼睛图像传入到预训练的DCNN眼睛状态分类模型,识
【机 构】
：
中国民用航空飞行学院空中交通管理学院, 广汉618300
论文部分内容阅读
空中交通管制员疲劳工作势必会严重威胁空中交通安全,通过对眼睛睁闭状态判定是现阶段对管制员疲劳检测的一种主要方式.为检测管制员疲劳状态,提出了一种基于迁移学习的DCNN(deep convolutional neural network)眼睛状态识别模型.首先,利用深度级联神经网络的MTCNN(multi-task cascaded convolutional networks)算法检测出管制员面部区域,并实现对面部5个关键点标定和眼睛的定位;然后将检测到的眼睛图像传入到预训练的DCNN眼睛状态分类模型,识别眼睛的睁闭眼状态;最后结合PERCLOS(percentage of eyelid closure over the pupil over time)80指标检测管制员疲劳状态.分别在ZJU、CEW和ATCE数据集上,对DCNN、VGG16、InceptionV3、ResNet504种模型的准确率、损失率和F1分数指标进行对比实验.实验结果表明:在ZJU和CEW数据集上,DCNN眼睛状态分类模型检测准确率为97％,较VGG16、InceptionV3、ResNet50等模型进行眼部状态分类任务,DCNN模型的F1分数有3％ ～7％的提高.在ATCE数据集上DCNN模型检测准确率达到98.35％,F1分数达到98.06％,验证了DCNN模型的有效性与准确性.
其他文献
为明确交通隧道施工事故致因之间纵向影响关系及层级结构,从事故发生全过程视角出发,在利用文本挖掘技术构建事故致因体系的基础上,借助决策实验室分析法(decision-making trial and evaluation laboratory,DEMATEL)及解释结构模型(interpretative structural modeling,ISM)判断各致因的重要性程度,建立事故致因多级递阶结构模型,确定关键致因因素,构建关键致因影响链,深入分析其纵向影响关系,并以万拉木隧道为例进行验证,证实其实用性.
为了更加准确地预测共享单车的需求量,制定合理的调度优化方案.针对共享单车骑行数据的周期性、非线性和随机性的特点,提出了季节性灰色Markov模型来预测共享单车需求量.在此基础上,根据双层规划模型结果来制定调度优化方案.在季节性灰色Markov模型中,首先将原始数据代入季节性GM(1,1)模型得到预测结果,然后用Markov模型对预测的残差进行修正,得到最终的预测值.在双层规划模型中,上层目标为运营商的调度成本,下层目标为调度中心的调度时间,双层规划模型用GUROBI求解器求解.最后将两种模型应用于纽约市1
中介轴承是航空发动机支承传动系统中的重要零件,其运行状态直接影响航空发动机的工作状态和运行安全.围绕航空发动机中介轴承微弱故障特征信号提取的问题,以振动信号分析和处理为基础,开展航空发动机中介轴承微弱故障特征信号提取实验.仿照某型涡扇发动机机匣结构设计加工了模拟机匣,用来模拟振动信号的复杂传递路径.基于包络谱分析和经验模态分解(empirical mode decomposition,EMD)包络谱分析处理振动信号,对比二者对滚动轴承微弱故障特征信号的提取效果.实验结果表明,在中介轴承微弱故障特征信号提取
为分析青藏铁路路基高程不规则变形,基于Box-Jenkins建模方法,确定时间序列模型阶数,根据AIC(Akaike infor-mation criterion)准则,选取适合的时间序列模型,最后给出批量预测全部路基测点高程的算法步骤.通过建立高程-时间响应模型的方法,研究了青藏铁路路基高程随时间变形规律问题.以2010—2018年每月青藏铁路K1425+050处左侧路基高程数据为例,建立了ARIMA(2,1,1)模型,并以2019年数据作为验证集.结果表明:模型通过了模型适应性检验,证明了模型的有效性
针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(auto-regressive integrated moving-average model,ARIMA)和卡尔曼滤波(Kalman filter,KF)相结合的船舶系统设备状态参数组合预测模型——ARIMA-KF模型.该模型首先构建了ARIMA单步和多步预测模型;然后利用KF算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统
为了有效提高车辆的动力性和经济性,针对电动车辆大功率加速工作电池负荷大,制动能量回收效率低的问题,提出了加装机电式飞轮系统的车辆.通过研究机电式飞轮系统在制动能量回收时功率分流和驱动汽车时扭矩耦合的工作原理,使用针对该系统工作特点的模糊控制策略,根据机电式飞轮系统高效率的优点,制定了使该系统回收、释放能量的逻辑策略;结合CRUISE搭建整车模型,MATLAB-Simulink设计能量管理的模糊控制策略,并将CRUISE与MATLAB-Simulink通过In-terface建立联合仿真平台进行仿真分析.结
针对灾害求助信息辨识不准确、响应能力不足的问题,提出了基于ALBERT(a lite bidirectional encoder representation from transformers)和双向GRU(gate recurrent unit)的文本多标签分类模型.首先利用ALBERT预处理语言模型对文本信息进行编码,获取文本的动态词特征向量,并送入双向GRU神经网络进行训练,根据不同的单词赋予不同的权重,应用Attention机制进行解码.利用模拟退火算法求解最优阈值,以微平均值作为评价函数,确定
为对空中交通流量进行短期预测,提出了基于分解集成方法的组合预测模型.首先,应用集合经验模态分解(ensem-ble empirical mode decomposition,EEMD)方法将流量时序数据分解为若干个分量;其次,应用排列熵计算各分量的复杂度,复杂度高于0.5的归为高频分量,其余归为低频分量;然后,高频分量采用BP(back propagation)神经网络算法进行预测,低频分量采用最小二乘法进行预测;接着,对分量的预测结果进行加和集成,得到了最终的预测值.最后,采集实际运行数据进行算例分析.