孙昕 杨昌其 陈连亮

摘  要： 为了更好地识别空中交通管制员疲劳状态下的面部特征，针对由于局部二值化模式（LBP）算法识别率低和易受外部环境变化等影响，深入研究了LBP算子、直方图特征提取对传统LBP算法改进。并结合了LIOP编码方法，进一步提出了增强局部量化模式（ELQP）算法。结果表明，改进后的LBP算法在管制员疲劳面部识别中具有更高的识别率和较强的鲁棒性。

关键词： 管制员疲劳; LBP算法; 特征提取; 人脸识别

中图分类号：V328.1          文献标识码：A     文章编号：1006-8228（2021）08-67-04

Application of improved LBP algorithm in identifying controller fatigue

Sun Xin， Yang Changqi， Chen Lianliang

（Institute of Air Traffic Control，Civil Aviation Flight University of China， Guanghan， Sichuan 610000， China）

Abstract： In order to better identify the facial feature of air traffic controllers（ATC） in fatigue state， aiming at the low recognition rate and easy to be influenced by external environment changes of local binary pattern （LBP） algorithm， the improvements to traditional LBP algorithm caused by the LBP Operator and histogram feature extraction are deeply studied. Combining with the LIOP coding method， an enhanced local quantization pattern （ELQP） algorithm is proposed. The experiment results show that the improved LBP algorithm has higher recognition rate and stronger robustness in identifying ATC fatigue face.

Key words： controller fatigue; LBP algorithm; feature extraction; face recognition

0 引言

空中交通管制员[1]（管制员）职责是维护空中交通安全，避免航空器之间相撞，保障运行畅通。因此，管制员需要长时间的记忆力高度集中来感知、分析、处理大量空中交通管理信息，容易导致管制员注意力不集中、反应时间延长、警觉性降低、嗜睡等不良的工作状况，这些情况会威胁空中安全。根据FAA航空局调查显示，大约有14%工作差错跟管制员疲劳挂钩 [2]。因此对管制员疲劳状态识别与监测成为了当下民航安全研究的热点问题之一。

本文目的是利用人脸特性检测对疲惫状况进行判定，使用计算机深度学习技术代替传统机器学习来对人脸状态进行检测。因此，对管制员疲劳状态研究核心内容是对面部特征识别算法研究。当下，人脸特征检测算法中，主要涵盖了以下几种[3]：第一种是利用欧拉距离公式表示人脸几何关系，例如Willer提出的的欧拉距离面部识别算法;第二种是对眼睛轮廓、嘴巴状态进行模板识别，哈佛大学Kettlewell提出对人眼闭合比（PERCLOS）的研究。……