面向铁路行车调度员疲劳识别的动作检测

文档摘要：行车指挥调度是铁路运输的核心监控岗位,检测调度员的疲劳动作对保障铁路运营安全具有重要意义.为了能识别铁路行车调度员疲劳动作,降低安全生产风险,提出一种基于双向长短时记忆神经网络和支持向量机的自适应增强算法对调度员疲劳状态下的动作进行识别.首先,通过高分辨率网络(High-ResolutionNet,HRNet)人体关键点检测模型,提取多个人体关键点及人体动作行为角度特征与长度比例特征.其次,搭建基于双向长短时记忆神经网络和支持向量机(Bi-directionalLongShort-TermMemory-SupportVectorMachine,BiLSTM-SVM)的动作识别模型,使用正交试验法对模型参数进行优化,并采用自适应增强算法(Adaboost,AdaptiveBoosting)进一步提升疲劳动作识别.最后,基于调度仿真疲劳动作数据,对该模型的有效性进行验证.结果显示,该模型的精确率为0.97、准确率为0.96、召回率为0.96、F1分数为0.96.该模型提高了人体疲劳动作分类的准确率,为调度员疲劳检测提供了判断依据.

Abstract：Trainoperationcommandanddispatchisthecoremonitoringpositionofrailwaytransportation,anddetectingthefatiguestatusofdispatchersisofgreatsignificanceforensuringrailwayoperationsafety.Arailwaydispatcherfatigueactionrecognitionmethodbasedonbidirectionallongandshort-termmemoryneuralnetworkandsupportvectormachineadaptiveenhancementalgorithmisproposedtoreducethehumanfactorrisksinsafetyproduction.UsingaHigh-ResolutionNetwork(HRNet)humankeypointdetectionmodeltoextractmultiplehumankeypoints,theangleandlengthratiofeaturesofhumanactionbehaviorwereextracted.AnactionrecognitionmodelbasedonaBi-directionalLongShort-TimeMemory-SupportVectorMachine(BiLSTM-SVM)wasconstructed.Themodelparameterswereoptimizedusingorthogonalexperimentalmethods,Finally,anadaptiveboostingalgorithm(Adaboost,AdaptiveBoosting)wasadoptedtofurtherenhancefatigueactionrecognition.Usingaccuracy,recall,precision,andF1Scoreasthemodelevaluationmetrics,weperformedtheablationexperimentonLSTM,BiLSTM,andBiLSTM-SVM.TheexperimentalresultsshowthatBiLSTM-SVM-Adaboostyieldsthebestperformance.Theaccuracyofthepredictionmodelis0.96,whichisrespectively0.12,0.04,and0.02higherthanthatofthecomparativemodel.TheRecallofthepredictionmodelis0.96,whichisrespectively0.12,0.03,and0.02higherthanthatofthecomparativemodel.ThePrecisionofthepredictionmodelis0.97,whichisrespectively0.08,0.03,and0.02higherthanthatofthecomparativemodel.TheF1Scorecallofthepredictionmodelis0.96,whichisrespectively0.14,0.04,and0.03higherthanthatofthecomparativemodel.TheexperimentalresultsshowthattheBiLSTM-SVM-Adaboostalgorithmontheschedulingsimulationfatigueactiondatasetachievedanaccuracyandprecisionof0.96and0.97,comparedtothe"Openpose+ANN"and"DBN+LSTM"networkalgorithms,thereisaperformanceimprovement.Themodelimprovestheaccuracyofhumanfatiguemovementclassification,providingabasisforfatiguedetectionofdispatchers.

作者：陈亮   郑伟 Author：CHENLiang   ZHENGWei
作者单位：北京交通大学自动化与智能学院,北京100044北京交通大学自动化与智能学院,北京100044;北京交通大学轨道交通安全协同创新中心,北京100044
刊名：安全与环境学报 ISTICPKU
Journal：JournalofSafetyandEnvironment
年，卷(期)：2024, 24(6)
分类号：X959
关键词：安全工程  列车调度指挥  疲劳识别  人体动作识别  自适应增强算法  
Keywords：safetyengineering  traindispatchingcommand  fatiguerecognition  humanactionrecognition  adaptiveenhancementalgorithm  
机标分类号：TP391.41U495TP2
在线出版日期：2024年7月4日
基金项目：中央高校基本科研业务费专项面向铁路行车调度员疲劳识别的动作检测[
期刊论文]  安全与环境学报--2024, 24(6)陈亮  郑伟行车指挥调度是铁路运输的核心监控岗位,检测调度员的疲劳动作对保障铁路运营安全具有重要意义.为了能识别铁路行车调度员疲劳动作,降低安全生产风险,提出一种基于双向长短时记忆神经网络和支持向量机的自适应增强算法对...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：安全工程,列车调度指挥,疲劳识别,人体动作识别,自适应增强算法,

2024-10-4 01:28 上传 面向铁路行车调度员疲劳识别的动作检测.pdf

文件大小:

11.51 MB

下载次数:

60

高速下载