TY -的A2 Albahri a . s . AU -胡,易盟——刘,卓盟-侯,爱琴告诉我们盟——吴,追逐盟——魏Wenbin AU -王,宿州农村非盟- Liu分钟PY - 2022 DA - 2022/10/11 TI -对空中交通管制员疲劳检测的基于模糊融合多个特性SP - 4911005六世- 2022 AB -为空中交通管制员疲劳检测是一个重要然而在航空安全研究具有挑战性的问题。大多数现有的方法这个问题是基于面部特征。在本文中,我们提出一个学习模型,结合面部特征和语音特征和设计一个疲劳检测方法通过multifeature融合,称为面部和声音叠加(FV-Stacking)。具体来说,面部特征,我们首先使用OpenCV和Dlib库提取的嘴和眼睛区域,然后采用结合M-Convolutional神经网络(M-CNN)和E-Convolutional神经网络(E-CNN)来确定状态的嘴,闭目基于五个特性,即。,眨眼时间,平均眨眼时间、平均眨眼间隔,眼睑闭合的学生比例随时间(PERCLOS)和频率的开口(FOM)。声音的特性,我们提取Mel-Frequency Cepstral系数(MFCC)特性的言论。这样的面部特征和语音特征通过一个精心设计的融合叠加模型,疲劳检测。真实实验进行空中交通管制员14日在西南中国民航空中交通管理局。FV-Stacking提出的结果表明,该方法检测精度达到97%,而最好的准确性通过单个模型是92%,最好的准确性通过最先进的检测方法是88%。SN - 1748 - 670 - 2022/4911005 / 10.1155 x你——https://doi.org/10.1155/2022/4911005——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER