本发明专利技术涉及一种基于面部特征的管制员疲劳监测方法,步骤为，人脸检测：人脸关键点检测：眼部嘴部纵横比计算：针对个体面部特征差异性的参数校准：重度疲劳行为检测：基于动态衰减时间窗的疲劳判别算法设计：基于脑电信号的算法有效性分析。本方法在疲劳判别算法上融入了管制工作场景特性，可以对管制员的疲劳状态进行更有效的判定和告警，对于预防空中交通管制不安全事件的发生具有重要意义，为后续管制员无接触式疲劳监测研究提供了相关思路，且对算法效率进行了优化，满足实时性需求。
【技术实现步骤摘要】
本专利技术涉及民航空中交通人为因素领域，特别涉及一种基于面部特征的管制员疲劳监测方法。
技术介绍
1、随着经济的持续发展和人们出行需求的不断提高，民航领域也迎来了前所未有的发展机遇。管制员作为空中交通管制工作的重要角色，肩负着保障航空安全和航班有效管理的重任。然而，随着航班数量的增加，管制员所面临的工作负荷也相应增加。因此，如何对管制员的疲劳状态进行准确地判定和告警，对于预防空中交通管制不安全事件的发生具有重要意义。通过面部特征信息监测管制员疲劳状态，由于其具有实时、无创和无接触等特点，成为航空运输安全领域的一个重要研究方向。然而，基于面部特征信息对管制员进行疲劳监测技术目前还不够成熟，难以在实际场景中以极准确的效果落地，具体存在以下问题：①目前的研究在人脸检测上的精度与实时性难以取得较好的平衡，对面部疲劳监测的效果有所影响。②目前大部分研究在进行面部关键点定位时普遍使用2d坐标信息，忽略了部分空间特征，同时在疲劳判定过程中，极少融入管制员工作场景的特点。③以往研究过程中，确定眼部与嘴部状态大多采机器学习相关方法，通过训练神经网络模型对不同状态进行分类。虽本文档来自技高网...
【技术保护点】
1.一种基于面部特征的管制员疲劳监测方法，基于计算机或边缘计算开发板实现，其特征在于，在计算机或开发板中设置人脸检测模块、人脸关键点检测模块、眼部嘴部纵横比计算模块、针对个体面部特征的参数校准模块、重度疲劳行为检测模块、基于动态衰减时间窗的疲劳判别算法设计模块、基于脑电信号的算法有效性分析模块，步骤如下：
2.根据权利要求1所述的基于面部特征的管制员疲劳监测方法，其特征在于，步骤A中所述人脸检测模型部分将深度可分离卷积与Vision Transformer相融合，搭建全新的轻量化特征提取网络，简化全局特征提取的编码方式，平衡模型推理精度与速度。
>3.根据权利要求1...
【技术特征摘要】
1.一种基于面部特征的管制员疲劳监测方法，基于计算机或边缘计算开发板实现，其特征在于，在计算机或开发板中设置人脸检测模块、人脸关键点检测模块、眼部嘴部纵横比计算模块、针对个体面部特征的参数校准模块、重度疲劳行为检测模块、基于动态衰减时间窗的疲劳判别算法设计模块、基于脑电信号的算法有效性分析模块，步骤如下：
2.根据权利要求1所述的基于面部特征的管制员疲劳监测方法，其特征在于，步骤a中所述人脸检测模型部分将深度可分离卷积与vision transformer相融合，搭建全新的轻量化特征提取网络，简化全局特征提取的编码方式，平衡模型推理精度与速度。
3.根据权利要求1所述的基于面部特征的管制员疲劳监测方法，其特征在于，步骤b中所述人脸关键点检测算法基于步骤a的人脸检测结果进行第二阶段推理，使用google基于face mesh改进的attention mesh人脸468关键点检测算法，获取面部特征的三维空间坐标信息。
4.根据权利要求1所述的基于面部特征的管制员疲劳监测方法，其特征在于，步骤c中所述眼部嘴部纵横比计算方法，采用了人脸三维坐标信息，通过计算三维欧几里得距离，进一步重构眼部与嘴部的纵横比函数，具体三维空间欧式距离计算公式为
5.根据权利要求1所述的基于面部特征的管制员疲劳监测方法，其特征在于，步骤d所述阈值标定方法，首先从管制员面部视频数据中选取睁眼、闭眼、半睁眼、张口，闭口5种状态图像；其次，使用关键点检测模型与眼部嘴部纵横比计算公式确定每名被试者对应的ear_3d与mar_3d阈值，通过阈值范围对上述5种状态进行判定。
6.根据权利要求1所述的基于面部特征的管制员疲劳监...
【专利技术属性】
技术研发人员：王莉莉，殷硕峰，朱敏聪，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。