基于面部特征识别的管制员疲劳检测算法研究

◆孙昕 顾延中

基于面部特征识别的管制员疲劳检测算法研究

◆孙昕 顾延中

（中国民航飞行学院空中交通管理学院 四川 610000 ）

管制员疲劳是关系到航空安全的重要问题之一，本文通过安装在管制员工作台正前方的摄像头获取管制员工作时候的视频，运用一种使用多任务级联卷积网络（Multi-Task Convolutional Neural Network，MTCNN）对获得的视频图像，包含管制员的脸部，身体的姿态等特定部位进行定位，从获取的图像中提取管制员嘴部、左右眼等区域的光流图并进行特征融合，然后使用卷积神经网络（Convolutional Neural Network，CNN）提取特征进行管制员疲劳检测，实验结果表明能够有效检测出管制员瞌睡、打哈欠、闭眼等一系列疲劳动作。

多任务级联卷积网络；卷积神经网络；特征融合；光流图

近些年来，由于中国民用航空发展速度加快，我国管制人员工作负荷大大增加，导致管制员工作中产生疲劳，威胁民航安全。根据民航某地区调查显示，由于管制员疲劳导致发生的危险事件约占18%[1]。2014年7月，武汉某管制人员因为疲劳在飞机进近阶段睡岗；2016年10月，虹桥机场塔台管制员因为疲劳而分心，没有认真考虑飞行员指令，盲目跟从之后造成了跑道侵入事件[2]。根据美国联邦航空局（Federal Aviation Administration，FAA）调查发现，大约有80%的管制员在上班期间会因工作劳累而产生疲劳，其中，大约有20%的管制员认为自己一直存在疲劳感[3]。在2016年4月，国际民航组织召开了疲劳风险相关会议，因此，越来越多的国家关注由于管制员疲劳造成的安全事件，合理有效的检测管制员疲劳成了空管安全领域研究的重点。……