张光远，胡 晋，章子睿，胡 悦，张 帆

(1.西南交通大学 交通运输与物流学院, 四川 成都 610031；2.西南交通大学 综合交通运输智能化国家地方联合工程实验室，四川 成都 610031；3.西南交通大学 综合交通大数据应用技术国家工程实验室, 四川 成都 610031)

高速铁路(以下简称高铁)行车调度员是高铁运行的直接指挥者，其决策行为直接影响高铁的安全运营。研究表明调度员的疲劳水平会随着工作时间的延长而增加[1-2]。疲劳状态下作业可能对高铁列车的运行安全造成威胁。因此，建立高铁调度员疲劳程度检测模型，实现调度员疲劳程度判定预警，并针对较高疲劳程度予以及时有效的干预，对于保障高铁运行安全具有重要的理论价值与现实意义。

困倦作为疲劳的一种外在体现[3-4]，当调度员过于困倦而无法安全作业时，则通知调度员。而疲劳程度的增加又表现为眨眼潜伏期、闭眼时长、注视时间、瞳孔扩张和认知活动指数(Index of Cognitive Activity,ICA)的增加[5]。调度员长时间在单调环境中工作，并从事较为繁重的脑力工作，脑力疲劳是调度员疲劳的主要部分，脑力疲劳受到工作量，譬如最小行车间隔、列车数量等的影响[6]，工作时间的增加也会造成疲劳的不断积累[7-8]。对面部特征的疲劳检测中，通过视频记录下的图像识别技术测量眼部、嘴部等面部特征譬如眨眼率、眨眼时长、眼球扫视运动、闭眼时长、点头频率等信息[9-10]，并对特征信息进行判断。其中对眼部特征的研究尤为突出,文献[3]通过位于实验模拟器前部的4个摄像头组成的眼动追踪系统Smarteye记录实验人员的眼动数据；……