科研之友
微信
新浪微博
Facebook
分享链接
摘要
行李X光安检员工作疲劳是造成错检、漏检的重要原因，目前疲劳检测的方法主要集中在通过打哈欠、打瞌睡和长时间闭眼等明显的迹象来检测中晚期疲劳，然而对于安检工作人员来说，出现这样明确的标志时，可能已经发生了安检事故，此时再进行疲劳检测为时已晚。因此，在早期阶段发现疲劳，对疲劳的发生及时预警是非常有价值的。由于早期疲劳细微的面部表现特性，时域参数的不可逆性导致其无法完全表示，为了解决这个问题，提出了一种基于眼部特征频域信息的行李X光安检员早期疲劳检测方法，将原始时域信息转换到表达能力更强的频域特征空间。该方法先通过面部检测算法获取眼部横纵比(Eye Aspect Ratio，EAR）时间序列；然后利用频域特征提取方法得到频域特征序列，来表示更加细微的特征，最后利用分层多尺度网络HM-LSTM进行训练及验证。实验在公开数据集UTA-RLDD上完成，结果显示所提的方法对疲劳早期的识别率提升了2个百分点，证明了频域特征比时域特征有更好的表达能力。
- 出版日期2023
- 单位西安电子科技大学
