基于频域的机场安检制造技术

本发明专利技术公开了一种基于频域的机场安检

【技术实现步骤摘要】
基于频域的机场安检X光机安检员早期疲劳检测方法


[0001]本专利技术属于图像处理
，具体涉及一种基于频域的机场安检
X
光机安检员早期疲劳检测方法
。

技术介绍

[0002]2018
年国际航空运输协会
(IATA)
预测，根据国际和国内旅客运输量的综合计算，我国将在
2025
年前后超越美国成为全球最大的航空市场，到
2035
年前后我国民航市场客流量将达到
13
亿
。
其中，机场安检是航空空防工作的重要关卡，机场安检员作为工作的执行者，他们负责检查旅客行李中是否携带危险物品，工作任务繁重且枯燥，是一项极易产生心理生理疲劳的职业
。
澳大利亚民航局在安检人员中做过调查，结果显示：
77
％在一线工作的安检人员在近3‑5年中疲劳程度恶化，
60
％的安检人员每周工作
55
小时以上，
22
％的人员每日工作9小时以上
。
另外，日益增长的航班量与机场安检人员匮乏之间的矛盾日益凸显，极其有可能导致安检人员疲劳工作，而疲劳是引发安检人员工作中发生“错”、“忘”、“漏”检的重要因素之一
。
[0003]疲劳检测是一个重要的问题，目前已经应用于驾驶和工作场所等领域，但很少有研究针对机场行李
X
光安检员的疲劳检测方法
。
目前疲劳检测的方法大多针对于驾驶员疲劳检测，且主要集中于检测极度疲劳，针对于早期疲劳检测的研究很少，大多数集中在假装疲劳研究，困倦的迹象被夸大，很明显能够看到
。
[0004]因此，亟需改善现有技术中存在的缺陷
。

技术实现思路

[0005]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于频域的机场安检
X
光机安检员早期疲劳检测方法
。
本专利技术要解决的技术问题通过以下技术方案实现：
[0006]第一方面，本专利技术提供一种基于频域的机场安检
X
光机安检员早期疲劳检测方法，包括：
[0007]获取待检测的监控视频；
[0008]将待检测的监控视频分帧按序读取图像；获取每帧图像的眼宽比，形成眼宽比序列；估计每帧图像的注视方向，形成注视估计方向序列；
[0009]分别提取眼宽比序列的频域特征和注视估计方向序列的频域特征；
[0010]将眼宽比序列的频域特征和注视估计方向序列的频域特征进行拼接，获取拼接特征；
[0011]将拼接特征进行归一化处理；
[0012]使用训练好的深度学习分层多尺度长短期记忆网络对归一化处理后的拼接特征进行处理，得到输出结果；获取输出结果对应的离散化类别，得到安检员状态；根据安检员状态，进行相应的提醒
。
[0013]本专利技术的有益效果：
[0014]本专利技术提供的一种基于频域的机场安检
X
光机安检员早期疲劳检测方法，一方面，将眼宽比序列和注视估计方向序列进行特征融合，使得多模态信息具有不同的表达方式和观察角度，存在一些重叠或互补的现象，通过合理处理多模态信息，并将互补信息进行融合，可以获得更加丰富的特征信息，并有效地提高最终识别效果；另一方面，考虑到时域特征本身不可逆，在特征表达过程中丢失太多的信息，使得时域特征表达能力有限，本专利技术将眼宽比序列和注视估计方向序列基于频域特征进行疲劳检测，能够从客观的角度看待问题，原始信息的可逆性使得频域特征能够反映事物或现象的本质，能够极大程度的保留原始信息
。
如此，获取的早期疲劳检测方法，将目光放在安检员身上，有效地提升安检员的安检质量，降低出现错检
、
漏检等情况，更大程度上维护旅客的安全
。
[0015]以下将结合附图及实施例对本专利技术做进一步详细说明
。
附图说明
[0016]图1是本专利技术实施例提供的基于频域的机场安检
X
光机安检员早期疲劳检测方法的一种流程图；
[0017]图2是本专利技术实施例提供的眼部关键点的位置的一种示意图；
[0018]图3是本专利技术实施例提供的两层双向
LSTM
网络的一种示意图；
[0019]图4是本专利技术实施例提供的划分序列的一种示意图
。
具体实施方式
[0020]下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此
。
[0021]目前，机场
X
光机安检人员工作需长时间注视于电脑屏幕，且大多是坐在椅子上，极易产生心理生理疲劳状态
。
这就导致传统的基于肢体动作的检测方案不可行
。
现有的大多数疲劳检测方案针对的是疲劳的中晚期，即已出现较明显的面部表情变化
、
肢体动作较明显，包括出现瞌睡
、
打哈欠
、
频繁闭眼等行为，此时为时已晚
。
[0022]有鉴于此，针对现有技术中机场安检
X
光机安检员由于疲劳可能导致的错检忘检漏检的技术问题，本专利技术提出一种基于频域的机场安检
X
光机安检员早期疲劳检测方法，将特征处理方式从传统的基于空间
、
基于时域的面部特征检测模式转变为基于频域的面部特征检测模式，将面部原始特征信号进行频域处理，检测出机场
X
光机安检人员疲劳状态
。
[0023]请参见图1所示，图1是本专利技术实施例提供的基于频域的机场安检
X
光机安检员早期疲劳检测方法的一种流程图，本专利技术所提供的一种基于频域的机场安检
X
光机安检员早期疲劳检测方法，包括：
[0024]S101、
获取待检测的监控视频
。
[0025]具体而言，本实施例中获取机场
X
光机安检员前的监控视频作为待检测的监控视频
。
[0026]S102、
将待检测的监控视频分帧按序读取图像；获取每帧图像的眼宽比，形成眼宽比序列；估计每帧图像的注视方向，形成注视估计方向序列
。
[0027]具体而言，本实施例中，眼宽比序列的获取过程包括：
[0028]将待检测的监控视频分帧按序读取图像，获取系列图像；
[0029]对系列图像进行预处理；例如，对系列图像进行去除噪声，或对系列图像进行归一化操作等；
[0030]将预处理后的图像分割成多个单元，计算每个单元的梯度和方向，并将每个单元投影至不同方向的直方图中；
[0031]将每个单元的直方图进行归一化处理，以减小光照
、
阴影等因素的影响，得到对应的特征描述子；
[0032]将所有单元的特征描述子进行拼接，得到面部图像的特征向量；
[0033本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于频域的机场安检
X
光机安检员早期疲劳检测方法，其特征在于，包括：获取待检测的监控视频；将所述待检测的监控视频分帧按序读取图像；获取每帧图像的眼宽比，形成眼宽比序列；估计每帧图像的注视方向，形成注视估计方向序列；分别提取所述眼宽比序列的频域特征和所述注视估计方向序列的频域特征；将所述眼宽比序列的频域特征和所述注视估计方向序列的频域特征进行拼接，获取拼接特征；将所述拼接特征进行归一化处理；使用训练好的深度学习分层多尺度长短期记忆网络对归一化处理后的拼接特征进行处理，得到输出结果；获取所述输出结果对应的离散化类别，得到安检员状态；根据安检员状态，进行相应的提醒
。2.
根据权利要求1所述的基于频域的机场安检
X
光机安检员早期疲劳检测方法，其特征在于，所述提取所述眼宽比序列的频域特征，包括：将所述眼宽比序列划分为多个重叠的片段；其中，设置窗口
wlen
，所述窗口以第一步距
inc
进行滑动，每一帧所述窗口滑动一次，每一帧对应一个片段，所述片段为时域特征
x
i
(n)
；根据所述第一步距离，获取划分所述眼宽比序列的帧数
nf
，其表达式为：其中，
frame_num
为所述眼宽比序列的长度；对第
i
帧的时域特征
x
i
(n)
进行傅里叶变换，得到第
i
帧的线性频谱特征
x
i
(k)
，其表达式为：其中，
n
为第
n
个傅里叶变换的点数，
N
为傅里叶变换的总点数，
e
为自然底数，
j
为虚数单位，
π
为圆周率，
k
为第
k
个线性序列；根据第
i
帧的线性频谱特征
x
i
(k)
，计算第
i
帧功率谱
P
i
(k)
，其表达式为：使用多个滤波器组分别对所述第
i
帧功率谱
P
i
(k)
进行处理，得到平滑的频谱
H
m
(k)
，其表达式为：
其中，
m
为第
m
组滤波器，
f(m)
为第
m
组滤波器中心频率，
f
为滤波器中心频率；将第
i
帧的线性频谱特征
x
i
(k)
与每个滤波器组得到的平滑的频谱
H
m
(k)
进行相乘，得到对数频谱
s(m)
，其表达式为：将多组滤波器组对应的对数频谱进行累加，并经过离散余弦变换，得到梅尔频率倒谱系数，其表达式为：其中，
M
为滤波器组的总数，
L
为
L
阶梅尔频谱倒谱系数；依次获取
nf
帧对应的梅尔频率倒谱系数，构建梅尔频率倒谱系数矩阵，即得到所述眼宽比序列的频域特征
。3.
根据权利要求1所述的基于频域的机场安检
X
光机安检员早期疲劳检测方法，其特征在于，所述提取所述注视估计方向序列，包括：将所述注视估计方向序列划分为多个重叠的片段；其中，设置窗口
wlen
，所述窗口以第一步距
inc
进行滑动，每一帧所述窗口滑动一次，每一帧对应一个片段，所述片段为时域特征
x
i
(n)
；根据所述第一步距离，获取划分所述注视估计方向序列的帧数
nf
，其表达式为：其中，
frame_num
为所述注视估计方向序列的长度；对第
i
帧的时域特征
x
i
(n)
进行傅里叶变换，得到第
i
帧的线性频谱特征
x
i
(k)
，其表达式为：
其中，
n
为第
n
个傅里叶变换的点数，
N
为傅里叶变换的总点数，
e
为自然底数，
j
为虚数单位，
π
为圆周率，
k
为第
k
个线性序列；根据第...

【专利技术属性】
技术研发人员：胡瑞敏，李怡欣，彭春蕾，火星星，刘海涛，叶波，
申请(专利权)人：广西产研院人工智能与大数据应用研究所有限公司，
类型：发明
国别省市：