CN112381871A - 一种基于人脸识别的机车警惕装置的实现方法 - Google Patents
一种基于人脸识别的机车警惕装置的实现方法 Download PDFInfo
- Publication number
- CN112381871A CN112381871A CN202011109128.3A CN202011109128A CN112381871A CN 112381871 A CN112381871 A CN 112381871A CN 202011109128 A CN202011109128 A CN 202011109128A CN 112381871 A CN112381871 A CN 112381871A
- Authority
- CN
- China
- Prior art keywords
- driver
- iris
- image
- computer host
- train
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000003137 locomotive effect Effects 0.000 title claims abstract description 32
- 230000036626 alertness Effects 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000002618 waking effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 210000000744 eyelid Anatomy 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000004279 orbit Anatomy 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000004080 punching Methods 0.000 claims description 2
- 210000000554 iris Anatomy 0.000 claims 24
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000000737 periodic effect Effects 0.000 abstract description 3
- 230000001960 triggered effect Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于人脸识别的机车警惕装置的实现方法,采用广角摄像头识别列车司机的脸部位置,并判断出眼睛所在位置,再通过调节全角摄像头对准司机眼睛进行虹膜识别,当检测到虹膜面积低于正常值的80%且保持5秒时,警惕装置发出报警,提醒司机警惕驾驶,由司机手动触发警惕按钮来解除报警。无需司机持续对操作手柄施压,降低其他物品对警惕装置造成的误检,实时触发警惕报警装置,无需周期性循环操作,即使列车加速快、站间距较小也能够保证列车的安全制动距离。
Description
技术领域
本发明涉及人脸识别领域,尤其涉及一种基于人脸识别的机车警惕装置的实现方法。
背景技术
随着我国高速铁路的发展,对列车驾驶安全性的要求越来越高,最大限度的保障乘客的生命财产安全。无论是高速列车还是国内外城市轨道列车均安装有警惕装置,列车司机需要在规定时间内操作该警惕装置以保证车辆正常运行,该***能够准确的判断司机在驾驶车辆过程中是否处于清醒状态,进而对司机发出声光报警信息,以保证司机在列车驾驶中保持警惕性。若司机不能够在规定时间内操作警惕装置而解除报警,列车会发生紧急制动直至停止。
我国现有的城轨车辆的机车警惕装置与司机控制器集成一体,一般设置在操作手柄下方,司机在非高制动档位驾驶时,一旦松开操作手柄,就取消了持续的机械施压,机车配备的警惕蜂鸣器立即发出报警,提醒司机当前列车处于为先运行的情况,司机在5秒内未触碰警惕装置,车辆将实施紧急制动动作,直至停车。再者我国高速列车也配备了警惕装置,分别位于操纵台上和操纵台下,司机可以选择用手触发操纵台上的按钮和用脚触发操纵台下的脚蹬来操作警惕装置,若30秒内没有任一触发动作,操纵台上的蜂鸣器会自动发出报警声音,以提醒司机采取相应的动作来解除警惕报警,若再过10秒司机仍未触发警惕装置,列车会实施紧急制动,直至停车。
城轨车辆的机车警惕装置需要连续对警惕装置施压来解除报警,而任何因放置不当而恰巧置于警惕装置上的物品由于其自身的质量原因,都可以取代司机持续施压的动作,进而导致警惕装置自身保护失效。其次,长时间握紧操作手柄易使司机疲劳,增加了司机的工作强度,但是一松开就会立刻报警;其次高速列车的机车警惕装置是一种循环周期性操作的装置,但是当列车运行在一种高加速、站间距较小的工况下时,因触发周期长将不能够保证列车的安全制动距离。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于人脸识别的机车警惕装置的实现方法,采用广角摄像头识别列车司机的脸部位置,并判断出眼睛所在位置,再通过调节全角摄像头对准司机眼睛进行虹膜识别,当检测到虹膜面积低于正常值的80%且保持5秒时,警惕装置发出报警,提醒司机警惕驾驶,由司机手动触发警惕按钮来解除报警。无需司机持续对操作手柄施压,降低其他物品对警惕装置造成的误检,实时触发警惕报警装置,无需周期性循环操作,即使列车加速快、站间距较小也能够保证列车的安全制动距离。
为了实现上述目的,本发明提供的一种基于人脸识别的机车警惕装置的实现方法是这样实现的:
一种基于人脸识别的机车警惕装置的实现方法,包括电脑主机、5G模块、广角摄像头、全角摄像头、语音报警器、解除报警按钮,电脑主机、5G模块安装在机车操纵台下方,5G模块用于建立电脑主机与铁路***服务器之间的通讯,电脑主机通过5G技术访问铁路***服务器,广角摄像头、全角摄像头、语音报警器、解除报警按钮安装在机车操纵台上,广角摄像头用于采集司机人脸图像信息,并将采集到的图像发送至电脑主机进行人脸识别,并定位司机人眼所在位置,全角摄像头用于采集司机人眼虹膜图像信息,并发送至电脑主机,由电脑主机根据计算后的人眼位置调整全角摄像头对准司机人眼进行红膜图像采集,在电脑主机中计算虹膜的面积,当识别到虹膜面积低于司机打卡时虹膜面积的80%且保持5秒时,电脑主机控制语音报警器发出报警信息,由司机手动按下解除报警按钮解除报警。
本发明的电脑主机与列车中央控制***电性连接,与铁路***服务器之间通过5G网络进行无线连接,列车司机驾驶列车前需要打卡签到,司机在打卡考勤***中被采集到的图片及对应驾驶车次发送至铁路***服务器,在铁路***服务器中通过5G网络发送至电脑主机,电脑主机根据识别后的结果与铁路***服务器传来的图片进行对比,两张图片识别结果一致后,由全角摄像头对司机虹膜进行采集,并在电脑主机中识别司机正常情况下的虹膜面积,接着司机即可对列车进行操作,电脑主机将识别后的司机虹膜面积信息及其保持的时间发送至列车中央控制***,当电脑主机计算出虹膜面积仅有正常情况下的80%且保持5秒时,当持续时间超过10秒时,中央控制***便会控制列车采取制动措施,直至列车停止。
本发明的全角摄像头采用360度旋转摄像头,由电脑主机控制全景摄像头旋转,将镜头调整至对准司机人眼位置。
本发明的判断司机是否处于清醒状态驾驶列车的方案为:
人脸识别是现有技术,创新点就在于虹膜面积计算
1.人脸识别
(1)人脸图像采集
由广角摄像头对司机人脸进行拍摄采集图片,并将采集到的图片发送至电脑主机。
(2)图像预处理
先对采集到的人脸图像进行灰度化处理,减少运算量,再采用二维中值滤波方法对灰度化后的图片进行滤波去噪处理,减少噪声对图片的干扰。
(3)人脸检测
以人脸颜色为纹理特征,采用颜色直方图算法识别出人脸所在位置。
2.人眼定位
通过眼睛关键点定位来确定人眼位置,采用卷积神经网络在人脸图像上检测眼睛关键点,并以此得到眼睛区域图像,自动提取眼睛中心点的特征信息,关键点定位网络包含3个卷积层,3个最大池化层和2个全连接层,每个卷积层后都经过Relu激活函数处理,以增加网络的非线性映射能力,该网络还在第三层卷积层后接了一个Dropout层,其Dropout的比例为0.5,该网络使用带动量的随机梯度下降法,进行训练,使用的损失函数为均方误差函数其中yi和yi′分别代表第i个输出的实际值与预测值。输入像素为39×39的人脸灰度图像,经过训练后,网络将得到双眼中心点的具体坐标位置,坐标系原点为人脸图像左上角,二轴水平向右,y轴水平向下,4个输出值依次为左眼中心点的横纵坐标值和右眼中心点的横纵坐标值,然后以宽为12个像素点、高为6个像素点确定双眼中心点坐标周围的矩形区域作为眼睛区域,最后根据坐标关系将其反投影到原始大小的人脸图像上,即可得到实际大小的眼睛图像。
3.虹膜识别
采用融合多方向局部二值模式与稳定特征的算法进行虹膜识别,采用中值滤波处理算法将存在光照及噪声干扰的小稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的特征图像,再采用多方向局部二值模式来提取特征向量,降低特征图像的维度,得出虹膜图像的整体空间信息。
4.虹膜面积计算
虹膜的像素值与眼眶的像素值不相同,所以采用像素积分投影法计算虹膜的面积,司机疲惫时眼皮会大面积的覆盖掉虹膜,使得虹膜面积减少,虹膜面积计算方法为:
令I(x,y)代表图像点(x,y)处的像素值,x1,x2为水平方向上的取值,定义在[x1,x2]上的积分投影函数H[x1,x2],其中x1,x2∈[0,M]。
同理定义y1,y2为竖直方向上的取值,在[y1,y2]上的积分投影函数V[y1,y2],其中y1,y2∈[0,N].
由(1)式和(2)式联合起来计算出虹膜的面积为:
由于本发明采用广角摄像头、全角摄像头来识别列车司机是否疲劳驾驶进而提醒司机谨慎驾驶的结构,从而可以得到以下有益效果:
当检测到虹膜面积低于正常值的80%且保持N秒时(N值可以进行设定,通常设为5秒),警惕装置发出报警,提醒司机警惕驾驶,由司机手动触发警惕按钮来解除报警,无需司机持续对操作手柄施压,降低其他物品对警惕装置造成的误检,实时触发警惕报警装置,无需周期性循环操作,即使列车加速快、站间距较小也能够保证列车的安全制动距离。
附图说明
图1为本发明一种基于人脸识别的机车警惕装置的实现方法的安装结构意图;
图2为本发明一种基于人脸识别的机车警惕装置的实现方法的电脑主机与列车中央控制***、铁路***服务器图的连接关系图;
图3为本发明一种基于人脸识别的机车警惕装置的实现方法的判断司机是否处于清醒状态驾驶列车的方案流程图;
图4为本发明一种基于人脸识别的机车警惕装置的实现方法的人眼关键点定位的卷积神经网络结构图;
图5为本发明一种基于人脸识别的机车警惕装置的实现方法的工作原理图。
主要元件符号说明。
电脑主机 | 1 | 5G模块 | 2 |
广角摄像头 | 3 | 全角摄像头 | 4 |
语音报警器 | 5 | 解除报警按钮 | 6 |
具体实施方式
下面结合实施例并对照附图对本发明作进一步详细说明。
请参阅图1至图5所示为本发明中的一种基于人脸识别的机车警惕装置的实现方法,包括电脑主机1、5G模块2、广角摄像头3、全角摄像头4、语音报警器5、解除报警按钮6,
如图1所示,所述的5G模块2、广角摄像头3、全角摄像头4、语音报警器5、解除报警按钮6均与电脑主机1电性连接,电脑主机1、5G模块2安装在机车操纵台下方,5G模块2用于建立电脑主机1与铁路***服务器之间的通讯,电脑主机1通过5G技术访问铁路***服务器,服务器将打卡司机的图片信息发送至电脑主机1,电脑主机1根据司机人脸识别结果来判断驾驶该列车的司机是否为同一人,提高了列车安全性,防止非该列车驾驶员前往驾驶,广角摄像头3、全角摄像头4、语音报警器5、解除报警按钮6安装在机车操纵台上,广角摄像头3用于采集司机人脸图像信息,并将采集到的图像发送至电脑主机1进行人脸识别,并定位司机人眼所在位置,全角摄像头4用于采集司机人眼虹膜图像信息,并发送至电脑主机1,由电脑主机1根据计算后的人眼位置调整全角摄像头4对准司机人眼进行红膜图像采集,在电脑主机1中计算虹膜的面积,当识别到虹膜面积低于司机打卡时虹膜面积的80%且保持5秒时,电脑主机1控制语音报警器5发出报警信息,以提醒司机警惕驾驶,由司机手动按下解除报警按钮6解除报警。
如图2所示,所述的电脑主机1与列车中央控制***电性连接,与铁路***服务器之间通过5G网络进行无线连接,列车司机驾驶列车前需要打卡签到,司机在打卡考勤***中被采集到的图片及对应驾驶车次发送至铁路***服务器,在铁路***服务器中通过5G网络发送至电脑主机1,司机进入机车驾驶室后由广角摄像头3对其进行人脸识别,作为司机驾驶列车的解锁密码,电脑主机1根据识别后的结果与铁路***服务器传来的图片进行对比,两张图片识别结果一致后,由全角摄像头4对司机虹膜进行采集,采集虹膜图片时司机正常睁眼,作为虹膜可见面积变化的参考,并在电脑主机1中识别司机正常情况下的虹膜面积,接着司机即可对列车进行操作,且只有人脸识别的结果与打卡考勤***采集到的图像相同时,司机才能驾驶该车次列车,防止他人随意操作列车,电脑主机1将识别后的司机虹膜面积信息及其保持的时间发送至列车中央控制***,当电脑主机1计算出虹膜面积仅有正常情况下的80%且保持5秒时,电脑主机1便会控制语音报警器5发出报警信息,当持续时间超过10秒时,中央控制***便会控制列车采取制动措施,直至列车停止,当司机能够在虹膜面积正常情况下的80%且保持5秒之内按下解除报警按钮6时,中央控制***便会在司机的操作下控制列车正常行驶。
所述的全角摄像头4采用360度旋转摄像头,由电脑主机1控制全景摄像头旋转,将镜头调整至对准司机人眼位置,便于更好的采集司机虹膜图像。
本发明先对司机进行人脸识别,在人脸识别结果中对人眼进行定位,再根据人眼的位置信息调整全角摄像头4对司机虹膜面积进行识别,以判断司机是否处于清醒状态驾驶列车。
如图3所示,所述的判断司机是否处于清醒状态驾驶列车的方案为:
1.人脸识别
(1)人脸图像采集
由广角摄像头3对司机人脸进行拍摄采集图片,并将采集到的图片发送至电脑主机1。
(2)图像预处理
先对采集到的人脸图像进行灰度化处理,减少运算量,再采用二维中值滤波方法对灰度化后的图片进行滤波去噪处理,减少噪声对图片的干扰。
(3)人脸检测
以人脸颜色为纹理特征,采用颜色直方图算法识别出人脸所在位置,由于肤色信息不受面部表情、角度等细节的影响,具有很高的稳定性,而且肤色能够与机车驾驶室的颜色区别开来,因此能在彩色空间中采用肤色特征快速检测人脸。
2.人眼定位
如图4所示,通过眼睛关键点定位来确定人眼位置,采用卷积神经网络在人脸图像上检测眼睛关键点,并以此得到眼睛区域图像,自动提取眼睛中心点的特征信息,关键点定位网络包含3个卷积层,3个最大池化层和2个全连接层,每个卷积层后都经过Relu激活函数处理,以增加网络的非线性映射能力,该网络还在第三层卷积层后接了一个Dropout层,其Dropout的比例为0.5,该网络使用带动量的随机梯度下降法,进行训练,使用的损失函数为均方误差函数其中yi和yi′分别代表第i个输出的实际值与预测值。输入像素为39×39的人脸灰度图像,经过训练后,网络将得到双眼中心点的具体坐标位置,坐标系原点为人脸图像左上角,二轴水平向右,y轴水平向下,4个输出值依次为左眼中心点的横纵坐标值和右眼中心点的横纵坐标值,然后以宽为12个像素点、高为6个像素点确定双眼中心点坐标周围的矩形区域作为眼睛区域,最后根据坐标关系将其反投影到原始大小的人脸图像上,即可得到实际大小的眼睛图像。
3.虹膜识别
采用融合多方向局部二值模式与稳定特征的算法进行虹膜识别,采用中值滤波处理算法将存在光照及噪声干扰的小稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的特征图像,再采用多方向局部二值模式来提取特征向量,降低特征图像的维度,得出虹膜图像的整体空间信息。
4.虹膜面积计算
虹膜的像素值与眼眶的像素值不相同,所以采用像素积分投影法计算虹膜的面积,司机疲惫时眼皮会大面积的覆盖掉虹膜,使得虹膜面积减少,虹膜面积计算方法为:
令I(x,y)代表图像点(x,y)处的像素值,x1,x2为水平方向上的取值,定义在[x1,x2]上的积分投影函数H[x1,x2],其中x1,x2∈[0,M]。
同理定义y1,y2为竖直方向上的取值,在[y1,y2]上的积分投影函数V[y1,y2],其中y1,y2∈[0,N].
由(1)式和(2)式联合起来计算出虹膜的面积为:
本发明的工作原理与工作过程如下:
如图5所示,广角摄像头3将采集到的司机人脸图像发送至电脑主机1进行人脸识别,并定位司机人眼所在位置,全角摄像头4采集司机人眼虹膜图像信息,并发送至电脑主机1,由电脑主机1根据计算后的人眼位置调整全角摄像头4对准司机人眼进行红膜图像采集,在电脑主机1中计算虹膜的面积,5G模块2用于建立电脑主机1与铁路***服务器之间的通讯,电脑主机1通过5G技术访问铁路***服务器,服务器将打卡司机的图片信息发送至电脑主机1,电脑主机1根据司机人脸识别结果来判断驾驶该列车的司机是否为同一人,电脑主机1将识别后的司机虹膜面积信息及其保持的时间发送至列车中央控制***,当电脑主机1计算出虹膜面积仅有正常情况下的80%且保持5秒时,电脑主机1便会控制语音报警器5发出报警信息,以提醒司机警惕驾驶,由司机手动按下解除报警按钮6解除报警,当持续时间超过10秒时,中央控制***便会控制列车采取制动措施,直至列车停止。
Claims (7)
1.一种基于人脸识别的机车警惕装置的实现方法,其特征在于:包括电脑主机、5G模块、广角摄像头、全角摄像头、语音报警器、解除报警按钮,电脑主机、5G模块安装在机车操纵台下方,5G模块用于建立电脑主机与铁路***服务器之间的通讯,电脑主机通过5G技术访问铁路***服务器,广角摄像头、全角摄像头、语音报警器、解除报警按钮安装在机车操纵台上,广角摄像头用于采集司机人脸图像信息,并将采集到的图像发送至电脑主机进行人脸识别,并定位司机人眼所在位置,全角摄像头用于采集司机人眼虹膜图像信息,并发送至电脑主机,由电脑主机根据计算后的人眼位置调整全角摄像头对准司机人眼进行红膜图像采集,在电脑主机中计算虹膜的面积,当识别到虹膜面积低于司机打卡时虹膜面积的80%且保持5秒时,电脑主机控制语音报警器发出报警信息,由司机手动按下解除报警按钮解除报警。
2.根据权利要求1所述的基于人脸识别的机车警惕装置的实现方法,其特征在于:所述电脑主机与列车中央控制***电性连接,与铁路***服务器之间通过5G网络进行无线连接,列车司机驾驶列车前需要打卡签到,司机在打卡考勤***中被采集到的图片及对应驾驶车次发送至铁路***服务器,在铁路***服务器中通过5G网络发送至电脑主机,电脑主机根据识别后的结果与铁路***服务器传来的图片进行对比,两张图片识别结果一致后,由全角摄像头对司机虹膜进行采集,并在电脑主机中识别司机正常情况下的虹膜面积,接着司机即可对列车进行操作,电脑主机将识别后的司机虹膜面积信息及其保持的时间发送至列车中央控制***,当电脑主机计算出虹膜面积仅有正常情况下的80%且保持5秒时,当持续时间超过10秒时,中央控制***便会控制列车采取制动措施,直至列车停止。
3.根据权利要求1所述的基于人脸识别的机车警惕装置的实现方法,其特征在于:判断司机是否处于清醒状态驾驶列车的方案包括人脸识别、人眼定位、虹膜识别、虹膜面积计算步骤。
4.根据权利要求3所述的基于人脸识别的机车警惕装置的实现方法,其特征在于:人脸识别包括以下步骤:①人脸图像采集:由广角摄像头对司机人脸进行拍摄采集图片,并将采集到的图片发送至电脑主机;②图像预处理:先对采集到的人脸图像进行灰度化处理,减少运算量,再采用二维中值滤波方法对灰度化后的图片进行滤波去噪处理,减少噪声对图片的干扰;③人脸检测:以人脸颜色为纹理特征,采用颜色直方图算法识别出人脸所在位置。
5.根据权利要求3所述的基于人脸识别的机车警惕装置的实现方法,其特征在于:人眼定位包括以下步骤:通过眼睛关键点定位来确定人眼位置,采用卷积神经网络在人脸图像上检测眼睛关键点,并以此得到眼睛区域图像,自动提取眼睛中心点的特征信息,关键点定位网络包含3个卷积层,3个最大池化层和2个全连接层,每个卷积层后都经过Relu激活函数处理,以增加网络的非线性映射能力,该网络还在第三层卷积层后接了一个Dropout层,其Dropout的比例为0.5,该网络使用带动量的随机梯度下降法,进行训练,使用的损失函数为均方误差函数其中yi和y′i分别代表第i个输出的实际值与预测值,输入像素为39×39的人脸灰度图像,经过训练后,网络将得到双眼中心点的具体坐标位置,坐标系原点为人脸图像左上角,二轴水平向右,y轴水平向下,4个输出值依次为左眼中心点的横纵坐标值和右眼中心点的横纵坐标值,然后以宽为12个像素点、高为6个像素点确定双眼中心点坐标周围的矩形区域作为眼睛区域,最后根据坐标关系将其反投影到原始大小的人脸图像上,即可得到实际大小的眼睛图像。
6.根据权利要求3所述的基于人脸识别的机车警惕装置的实现方法,其特征在于:虹膜识别包括以下步骤:采用融合多方向局部二值模式与稳定特征的算法进行虹膜识别,采用中值滤波处理算法将存在光照及噪声干扰的小稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的特征图像,再采用多方向局部二值模式来提取特征向量,降低特征图像的维度,得出虹膜图像的整体空间信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011109128.3A CN112381871A (zh) | 2020-10-16 | 2020-10-16 | 一种基于人脸识别的机车警惕装置的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011109128.3A CN112381871A (zh) | 2020-10-16 | 2020-10-16 | 一种基于人脸识别的机车警惕装置的实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381871A true CN112381871A (zh) | 2021-02-19 |
Family
ID=74579909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011109128.3A Pending CN112381871A (zh) | 2020-10-16 | 2020-10-16 | 一种基于人脸识别的机车警惕装置的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381871A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256724A (zh) * | 2021-07-07 | 2021-08-13 | 上海影创信息科技有限公司 | 一种手柄inside-out视觉6自由度定位方法及*** |
CN115240415A (zh) * | 2022-07-19 | 2022-10-25 | 中车南京浦镇车辆有限公司 | 通过输入数据可快速检验轨道交通车辆司机可见度的方法 |
CN116039583A (zh) * | 2022-09-08 | 2023-05-02 | 重庆长安汽车股份有限公司 | 车辆的制动方法、装置、车辆和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436715A (zh) * | 2011-11-25 | 2012-05-02 | 大连海创高科信息技术有限公司 | 疲劳驾驶检测方法 |
CN102930693A (zh) * | 2012-11-06 | 2013-02-13 | 深圳市艾大机器人有限公司 | 安全驾驶预警***及方法 |
CN104751600A (zh) * | 2015-03-03 | 2015-07-01 | 北京虹安翔宇信息科技有限公司 | 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 |
CN106530623A (zh) * | 2016-12-30 | 2017-03-22 | 南京理工大学 | 一种疲劳驾驶检测装置及检测方法 |
CN108614999A (zh) * | 2018-04-16 | 2018-10-02 | 贵州大学 | 基于深度学习的眼睛睁闭状态检测方法 |
CN108720851A (zh) * | 2018-05-23 | 2018-11-02 | 释码融和(上海)信息科技有限公司 | 一种驾驶状态检测方法、移动终端及存储介质 |
CN111582129A (zh) * | 2020-04-30 | 2020-08-25 | 中铁工程装备集团有限公司 | 一种盾构机司机工作状态实时监测报警方法及装置 |
-
2020
- 2020-10-16 CN CN202011109128.3A patent/CN112381871A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436715A (zh) * | 2011-11-25 | 2012-05-02 | 大连海创高科信息技术有限公司 | 疲劳驾驶检测方法 |
CN102930693A (zh) * | 2012-11-06 | 2013-02-13 | 深圳市艾大机器人有限公司 | 安全驾驶预警***及方法 |
CN104751600A (zh) * | 2015-03-03 | 2015-07-01 | 北京虹安翔宇信息科技有限公司 | 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 |
CN106530623A (zh) * | 2016-12-30 | 2017-03-22 | 南京理工大学 | 一种疲劳驾驶检测装置及检测方法 |
CN108614999A (zh) * | 2018-04-16 | 2018-10-02 | 贵州大学 | 基于深度学习的眼睛睁闭状态检测方法 |
CN108720851A (zh) * | 2018-05-23 | 2018-11-02 | 释码融和(上海)信息科技有限公司 | 一种驾驶状态检测方法、移动终端及存储介质 |
CN111582129A (zh) * | 2020-04-30 | 2020-08-25 | 中铁工程装备集团有限公司 | 一种盾构机司机工作状态实时监测报警方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256724A (zh) * | 2021-07-07 | 2021-08-13 | 上海影创信息科技有限公司 | 一种手柄inside-out视觉6自由度定位方法及*** |
CN113256724B (zh) * | 2021-07-07 | 2021-09-24 | 上海影创信息科技有限公司 | 一种手柄inside-out视觉6自由度定位方法及*** |
CN115240415A (zh) * | 2022-07-19 | 2022-10-25 | 中车南京浦镇车辆有限公司 | 通过输入数据可快速检验轨道交通车辆司机可见度的方法 |
CN115240415B (zh) * | 2022-07-19 | 2024-03-26 | 中车南京浦镇车辆有限公司 | 通过输入数据可快速检验轨道交通车辆司机可见度的方法 |
CN116039583A (zh) * | 2022-09-08 | 2023-05-02 | 重庆长安汽车股份有限公司 | 车辆的制动方法、装置、车辆和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381871A (zh) | 一种基于人脸识别的机车警惕装置的实现方法 | |
US10424180B2 (en) | Body fall smart control system and method therefor | |
Hossain et al. | IOT based real-time drowsy driving detection system for the prevention of road accidents | |
CN1275185C (zh) | 驾驶员面像识别方法 | |
US20100322507A1 (en) | System and method for detecting drowsy facial expressions of vehicle drivers under changing illumination conditions | |
CN108764191B (zh) | 一种基于视频图像的人体定位监护方法 | |
CN105894735B (zh) | 一种智能化车载疲劳监测***及方法 | |
JP2013513155A (ja) | 目の追跡及び運転者の覚醒度を識別する費用対効果が高くロバストなシステム及び方法 | |
CN101877051A (zh) | 驾驶人注意力状态监测方法和装置 | |
CN106529496A (zh) | 一种机车乘务员实时视频疲劳检测的方法 | |
CN109740477A (zh) | 驾驶员疲劳检测***及其疲劳检测方法 | |
CN212624073U (zh) | 一种安全驾驶预警*** | |
CN109969195A (zh) | 一种驾驶员面部行为异常报警***及方法和基于其的车辆 | |
CN112699802A (zh) | 一种驾驶员微表情检测装置及方法 | |
CN115512304B (zh) | 基于图像识别的地铁站安全监控*** | |
Chang et al. | Driver fatigue surveillance via eye detection | |
CN111523386A (zh) | 一种基于机器视觉的高速铁路站台门监测防护方法及*** | |
Avizzano et al. | Real-time embedded vision system for the watchfulness analysis of train drivers | |
CN110809137A (zh) | 一种校园安全防踩踏监控***及方法 | |
CN112307920B (zh) | 一种高风险工种作业人员行为预警装置及方法 | |
CN109919134A (zh) | 一种基于视觉的运营车辆人员异常行为检测方法 | |
CN117542027A (zh) | 基于非接触式传感器的机组失能状态监测方法 | |
CN114492656A (zh) | 一种基于计算机视觉和传感器的疲劳度监测*** | |
Parsai et al. | Intelligent Monitoring System for Driver’s Alertness (A vision based approach) | |
CN114037979A (zh) | 一种轻量化的驾驶员疲劳状态检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |