贾小云，周玲羽，任江，张楠

（1.陕西科技大学电气与信息工程学院，陕西西安 710021；2.陕西农产品加工技术研究院，陕西西安 710021）

面部特征融合的电力作业头疲劳检测方法研究

贾小云1，周玲羽1，任江1，张楠2

（1.陕西科技大学电气与信息工程学院，陕西西安 710021；2.陕西农产品加工技术研究院，陕西西安 710021）

针对电力员工作业疲劳状态检测过程中存在光照不均、噪声干扰以及准确率低等问题，在AdaBoost级联分类器算法的基础上，提出一种对电力员工进行多特征疲劳状态检测的方法。首先，对图像进行预处理，利用Retinex算法对图像进行增强；其次，用Haar特征表示人脸特征，LBP特征表示眼部和嘴部特征，利用训练好的分类器进行人脸检测以及眼部、嘴部特征的提取；最后，根据眼部高宽比和嘴部宽高比分别对眼部闭合状态和嘴部张闭状态进行判别，并用PERCLOS原理统计员工眼部闭合频率，结合打哈欠时嘴部规律性闭合情况来完成疲劳状态判别。实验结果表明：该方法能在复杂背景下快速检测出疲劳状态，具有较强的适应性和鲁棒性。

疲劳作业检测；AdaBoost；Retinex算法；Haar特征；LBP特征

随着电网规模的不断扩大和操作过程的日益复杂化，电力各从业人员相应的作业越来越繁琐，安全工作环境和清醒工作状态尤为重要。然而，每年因工人疲劳作业所造成的事故不容乐观，疲劳作业逐渐成为社会关注的焦点。因此，研究一种能实时检测驾驶员疲劳状态的方法，具有非常实际的意义[1]。

目前疲劳作业检测研究方法可以分成2大类，第一类主要是从检查对象自身特征出发，通过图像采集设备获取生理参数特征或者视觉特征，用模式识别技术判别驾驶员是否疲劳；……