高铁司机行车前疲劳检测系统设计与开发

对高速铁路司机行车前疲劳状态进行检测,可预防疲劳驾驶,保障行车安全。为此,设计开发了高铁司机行车前疲劳检测系统。检测了高铁司机的心率变异性、闪光融合频率、血氧、血压、呼吸、体温等心理、生理指标,并调查主观疲劳程度和出乘前一晚睡眠时间,获得了180人的有效数据。用统计产品与服务解决方案(SPSS)进行因子分析,计算出综合疲劳指数,并验证综合疲劳检测模型的拟合度。采用K-均值聚类分析和CART决策树算法,将综合疲劳指数分为4个等级。系统可在5 min内完成全部检测,即刻出报告,可防止高铁司机疲劳驾驶,并促使他们出乘前注意休息。系统附加提供按摩放松操作和保健知识推送,同时建立个人档案,以便长期监测司机疲劳状况。     

基于智能手环的动车司机疲劳驾驶检测系统

基于智能手环的动车司机疲劳驾驶检测系统可对疲劳驾驶行为进行报警,对高速铁路行车安全至关重要。本文阐述系统的整体设计和各模块功能,分析智能手环的工作原理和手部加速度信息的采集过程。在分析动车司精神状态与手部运动关系的基础上,给出手部运动系数的概念,并运用K-means聚类算法进行分析处理,提出一种动车司机疲劳驾驶检测模型。在动车组驾驶室搭建原型系统,阐述系统的实现过程,并在高速铁路试验段进行试验,试验结果表明,该系统对司机疲劳驾驶检测的准确率达到93.6%。     

机车司机疲劳检测系统研究与应用

分析机车行驶中司机产生疲劳的原因,介绍疲劳检测的方法及检测原理的行为特征、基本原理,在此基础上对疲劳驾驶检测系统硬件及软件的设计和实现进行研究,有效检测司机的疲劳状态并实现报警,从而减少机车司机在工作中因疲劳产生的行车事故.     

基于人眼PERCLOS特征的列车驾驶员疲劳检测系统

针对列车驾驶员疲劳驾驶问题,提出一种基于人眼PERCLOS特征的列车驾驶员疲劳检测系统,即首先采用基于Haar特征的AdaBoost算法进行人脸检测,而后进行人脸定位和跟踪,最后计算人眼的PERCLOS参数,实现驾驶员的疲劳检测。通过室内模拟驾驶实验,该系统具有检测率高、鲁棒性强等特性。     

基于脑电信号的动车司机对突发事件反应时间的预测方法研究

准确预测动车组司机对突发事件的反应时间是构建危险性驾驶状态预警系统的关键技术问题。针对这一问题,提出一种基于实时脑电信号的动车组司机反应时间的预测方法。通过小波变换对脑电信号进行特征参数提取,作为动车组司机反应时间预测的客观指标。在此基础上,基于BP神经网络建立动车组司机对突发事件反应时间的预测模型。利用20名动车组司机连续驾驶2h的脑电数据与反应时间数据,对该模型予以试算。研究结果表明,脑电特征参数预测的反应时间与实际反应时间的最大绝对误差为8.66%～13.63%,相对均方误差为6.69%～10.97%,模型具有可用性。     

基于多传感器融合的视觉感知困难样本挖掘方法

视觉感知困难样本能有效提升自动驾驶场景中目标检测算法的性能,但是这些样本通常稀少且难以通过简单手段获取.针对该问题,文章提出一种基于多传感器融合的视觉感知困难样本挖掘方法.该方法利用雷达点云分割出来的障碍物目标对图像检测目标进行交叉复核,基于实际障碍物在多传感器间的映射关系挖掘图像目标检测算法难以识别或者未加入模型训练的样本,并将这些困难样本通过云边协同机制用于图像目标检测模型的重训练和远程部署,实现模型的优化迭代更新.试验表明,该方法可以有效挖掘矿用卡车自动驾驶场景的困难样本,通过增量迁移学习显著提升图像目标检测算法性能.同时,该算法对轨道交通等领域自动驾驶场景也具有重要的指导意义.     

中国高原铁路机车司机在不同条件下的驾驶疲劳研究

我国铁路因机车乘务员打盹睡觉而造成铁路行车大事故屡见不鲜。有的年份，因此造成的行车大事故高达４２％，在乘务中，打盹睡觉可能是机车乘务员“不负责任”、“违章违纪”，但，另一重要是司机的驾驶疲劳。本文通过对我国高原铁路机车司机驾驶疲劳的测试，研究高原铁路机车司机在不同海瓜、不同年龄及不同班次条件下驾驶疲劳发展规律。之些规律不仅对高原铁路管理局在机车乘务员的乘务交路安排、机务段机车乘务员定啧编制以及机车     

机车司机驾驶状态监测方案的研究

通过判断手势的规范性与标准性,对机车司机的驾驶状态进行监测.首先对机车司机驾驶过程的视频文件进行一定的预处理,通过混合高斯模型、帧间差分法及背景减除法,得到不包含背景噪声的规定手势图像;然后,通过肤色模型的转换对手势的图像进行准确提取;再通过腐蚀与扩张等方法对其进行修正,从而得到清晰准确的二值图像;最后采用形状上下文算法、HOG特征和AdaBoost分类器等对手势的二值图像进行目标的识别与综合的判定,进而判断出机车司机的驾驶状态,对其进行监测.实验数据表明,视频文件经上述的运算预处理,可以较为准确地对机车驾驶的视频文件进行驾驶状态的监测.     

洛阳地铁2号线电客车牵引能耗分析

分析洛阳地铁2号线电客车在手动与自动驾驶模式下的牵引能耗，通过数据对比，得出自动驾驶能有效降低牵引能耗，为洛阳地铁电客车牵引能耗分析和节能研究方案提供理论依据。     

列车司机手势识别方法研究

按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP...     

基于被动视觉的机车驾驶疲劳实时检测系统的研究

实时检测机车乘务员的疲劳程度,是提高机车运行安全的有效途径.本文提出一个基于被动视觉的车载机车驾驶疲劳时实检测系统.系统通过CCD摄像头获取驾驶状态下机车乘务员的图像,然后运用图象处理技术进行人脸检测、眼睛定位等处理,并提取眼睛的闭合度作为PERCLOS疲劳检测的依据.针对实时图像处理数据量大、运算复杂的特点,采用TMS230DM 6437作为核心处理器进行了硬件实现.实验表明,系统能准确实时地检测驾驶疲劳程度,具有较好的实用性.     

铁路机车乘务员智能实时监测系统研究

针对铁路机车乘务员工作过程中的重点危险因素，研究开发铁路机车乘务员智能实时监测系统。该系统基于深度学习技术和嵌入式视频分析设备，能够有效识别视线脱离、手比异常、疲劳驾驶等不安全作业行为；基于物联网实时获取机车乘务员健康与备班睡眠数据，及时发现机车乘务员健康问题和睡眠不足；该系统改变了依赖于滞后的人工抽查和事后追责的传统机车乘务员监管模式，代之以自动实时检测与即时告警，检测准确度和时效性均有明显提升。     

基于语音特征迁移学习的驾驶疲劳检测

针对现有方法在实际应用时的标记样本稀缺与测试样本数据分布偏移等问题,提出一种基于语音特征迁移学习的驾驶疲劳检测方法。通过基于迁移学习的特征空间变换,对源领域有标记样本与目标域无标记样本数据间的边缘分布、条件分布、流形结构进行联合适配及降维处理,以解决样本数据分布偏移和特征维度过高的问题。以半监督学习的方式来迭代优化目标域样本的伪标记,并据此不断更新特征变换方式和迁移分类器,进而提高疲劳检测模型的精度和泛化能力。通过实验将本文方法与现有常用的监督学习、半监督学习和迁移学习等方法进行对比。结果表明,在测试时间、应用场景和被试个体均发生变化的情况下,本文所提方法的驾驶疲劳检测效果显著优于现有方法,正确率最高达到86.7%,具有实际应用价值。     

基于多传感融合的有轨电车在途障碍物检测方法研究

有轨电车是一种具有混合路权的轨道交通方式,其行车安全主要依赖于信号系统及司机,因此研发一种能够辅助司机检查轨行区域安全的检测方法显得尤为重要。文章以SSD卷积神经网络的视觉障碍物检测方法为基础,通过多传感融合的方式,在其检测结果上融合激光雷达传感器的障碍物检测结果,实现对轨行区内障碍物的有效识别。实验证明,该方法对于列车在途障碍物有着较好的检测能力,是一种有效的列车行车安全辅助方法。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

地铁曲线站台空隙异物自动检测预警系统研究

针对地铁司机在开车前无法独自完成曲线站台车门与屏蔽门间空隙异物检测而存在运营安全的隐患,提出一套地铁曲线站台空隙异物自动检测预警系统。通过在站台每扇屏蔽门上方安装微型摄像机来拍摄站台屏蔽门与车门间空隙图像,利用图像处理算法对所拍摄的图像进行车门检测并确定车门在图像中的区域（即感兴趣区域）,在乘客上下车完成后对感兴趣区域进行异物检测,并在存在异物的情况下发出预警,提醒司机延迟开车。实验证明,该系统能准确检测出空隙中存在的异物,可以辅助列车司机完成开车前对地铁曲线站台空隙异物的检测。     

城轨列车司机驾驶控制台模拟与仿真

随着城市轨道交通的快速发展,对列车司机驾驶控制台的人机交互界面的要求也越来越高,希望通过人机交互界面可以查看列车运行状态信息并做出相应的操作动作。为了设计一个简单、自然、友好的司机驾驶控制台交互界面,屏蔽车载系统复杂的结构,通过分析系统结构需求、系统功能需求、系统性能需求,在Windows操作系统下的Visual C++ 6.0编程环境下,使用其封装的MFC程序编写代码,以成都地铁一号线为例对系统进行运行及调试,实现了列车司机驾驶控制台模拟与仿真系统。     

基于实数遗传算法的列车优化操纵曲线研究

列车优化操纵是列车节能控制的关键问题，以列车运行动力学方程和牵引计算理论为基础，结合列车运行过程中的要求，构建以能耗、时分误差、限速等为目标的列车节能控制模型，采用实数遗传算法，通过Visual Basic编程对此问题进行求解。在已知列车编组的条件下，以DF4型内燃机车牵引客车、空气制动和燃油量曲线为基础，得到给定运行时间、距离条件下的优化操纵曲线，从而对司机操纵给出指导性意见。