[发明专利]一种基于AI技术的列车驾驶室作业规范监测系统

说明书

本发明公开了一种基于AI技术的列车驾驶室作业规范监测系统，包括视频数据采集模块、目标检测模块、人脸识别模块、姿态估计模块、事件分析模块、事件预警模块和事件存储模块，视频数据采集模块的输出端分别与目标检测模块、人脸识别模块和姿态估计模块的输入端连接，本发明涉及铁路交通技术领域。该基于AI技术的列车驾驶室作业规范监测系统，可实现分析速度快，通过利用改进的深度学习目标检测算法模块、人脸识别模块、姿态估计模块，使得推理时间达到实时的目的，同时通过提出基于深度学习目标检测方法、姿态估计方法及人脸识别算法，实现对驾驶室在值人员操作规范进行系统分析，同时检测准确率高，达到了实时违章操作预警。

技术领域

本发明涉及铁路交通技术领域，具体为一种基于AI技术的列车驾驶室作业规范监测系统。

背景技术

在铁路系统中，需要对驾驶室在值人员的操作进行严格审查，避免出现不规范的违章操作进而产生安全隐患，专利“CN201710131328”-《机车司机行为识别方法、装置及系统》与本发明较为相关，该机车司机行为识别方法包括：预先定义包含多类司机行为的待训练图像集合；利用神经网络算法对所述待训练图像集合进行模型训练，生成行为训练模型；采集机车驾驶室的实时监控图像，将所述实时监控图像输入所述行为训练模型，识别出司机行为所属的类别。本发明通过深度学习算法，可以对司机日常的几类操作进行自动识别；同时，通过对图像自动化的检索，可以解脱繁重的人工工作，提高了分析的效率和准确性。

同事参考专利“CN201810567349”-《基于深度学习的实时的列车驾驶员动作识别系统和方法》与本发明较为相关，该发明包括：摄像头采集模块，

驾驶员关键部位检测模块，物体检测模块，动作匹配模块，监控预警模块，监控记录模块；其中动作匹配模块包括人类自身动作识别模块，人类环境交互动作识别模块。该系统使用深度卷积神经网络进行物体、人体检测，具有较强的泛化能力，对驾驶室内的物体和驾驶员的识别非常准确。同时动作模板经过离线数据的分析与建模，非常精准地捕捉了动作的特定规律和运动范围，从而可以精确地匹配驾驶员的动作。

现有技术采取的措施主要是离线分析、人工对驾驶室监控视频盯控，同时以上参考专利无法进行实时分析和预警，工作量大且耗时，本发明基于AI技术的列车驾驶室作业规范监测系统，利用深度学习相关技术，实现对驾驶室中在值人员的操作规范进行实时监控及预警，在一定程度上降低因违章操作带来的安全隐患，对保障行车安全具有重大意义。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于AI技术的列车驾驶室作业规范监测系统，利用AI技术和深度学习的目标检测方法、姿态估计、人脸识别算法分析建模，从而可以准确判断驾驶室在值人员的操作行为。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于AI技术的列车驾驶室作业规范监测系统，包括视频数据采集模块、目标检测模块、人脸识别模块、姿态估计模块、事件分析模块、事件预警模块和事件存储模块，所述视频数据采集模块的输出端分别与目标检测模块、人脸识别模块和姿态估计模块的输入端连接，且目标检测模块、人脸识别模块和姿态估计模块的输出端均与事件分析模块的输入端连接，所述事件分析模块的输出端分别与事件预警模块和事件存储模块的输入端连接。

优选的，所述视频数据采集模块用于采集列车驾驶室中的图像画面。

优选的，所述目标检测模块用于检测采集到的视频数据中的目标及其位置。

优选的，所述人脸识别模块用于检测视频数据中在值人员的人脸图像。

优选的，所述姿态估计模块用于检测出在值人员的人体关键点。

优选的，所述事件分析模块用于对得到的数据进行分析，判断是否有违章项点。