刘志林

摘要：针对驾驶员疲劳检测研究中存在的难点，设计了一种基于图像识别特征提取的安全驾驶检测系统方案。系统中通过识别人体部位的特征进行图像识别与判断，利用无线节点将数据发送至接受端或车载端平台，软件中运用深度学习、信号处理算法提取混合信号中的目标成份，并进行分类识别，建立特征模型，实现对违规驾驶的实时监控和记录。该方法克服传统检测方法的单一和局限性，具备较好的准确率和行业适用性。

一、现状分析

1.1 瞌睡分析

1.1.1安全驾驶的重要性

驾驶作业是生产作业中的关键和决定性的一环，行规中明确任何作业以行车为主，安全行车作业其重要性不言而喻，正常的行车作业是确保正线正常运营的基础。每日的运营，从司机在车场检车出场开始至线路线网末班车回到车场止，但由于工作特殊性存在以下几方面的工作难点。

1.1.2 产生瞌睡的原因

由于行业特点及天气等外因影响司机的正常作业且列车在隧道驾驶时环境较暗、列车多采用ATO驾驶模式导致在特殊时间段生理信号反应导致瞌睡现象或者因司机主观原因导致在驾驶中产生瞌睡现象。正线驾驶中采用单人单岗进行作业，无法在司机突发问题或者瞌睡产生的第一时间提醒司机或者提报。

二、优化方案

2.1 地铁安全驾驶智能辅助系统的设计方案

在研究面部特征提取方法的基础上，设计了一种基于人脸和手势特征融合的违规驾驶检测方案，通过最新的物联网领域技术实现系统的搭建。……