列车司机驾驶行为的规范性直接影响到列车行车安全与状态,但当前对列车司机手比行为的检测仍存在不足。为了对列车司机手比行为进行有效检测,本文利用动车组模拟驾驶系统所采集的司机乘务作业影像,结合采用融合注意力机制的You Only Loo...列车司机驾驶行为的规范性直接影响到列车行车安全与状态,但当前对列车司机手比行为的检测仍存在不足。为了对列车司机手比行为进行有效检测,本文利用动车组模拟驾驶系统所采集的司机乘务作业影像,结合采用融合注意力机制的You Only Look Once Version 7 (YOLOV7)神经网络模型与Strong Simple Online and Realtime Tracking (StrongSORT)算法,对动车组司机驾驶过程中的5种手比行为进行检测。实验结果表明:本文算法可以有效提升对列车司机乘务作业时不同类型手比行为的检测效果,其中检测精确率平均提升1.2%,检测召回率平均提升1.9%。本文提出的算法将有助于改进铁路院校、机务部门对列车司机日常训练、工作考评的效果,提高列车行车过程中的安全性。展开更多
文摘列车司机驾驶行为的规范性直接影响到列车行车安全与状态,但当前对列车司机手比行为的检测仍存在不足。为了对列车司机手比行为进行有效检测,本文利用动车组模拟驾驶系统所采集的司机乘务作业影像,结合采用融合注意力机制的You Only Look Once Version 7 (YOLOV7)神经网络模型与Strong Simple Online and Realtime Tracking (StrongSORT)算法,对动车组司机驾驶过程中的5种手比行为进行检测。实验结果表明:本文算法可以有效提升对列车司机乘务作业时不同类型手比行为的检测效果,其中检测精确率平均提升1.2%,检测召回率平均提升1.9%。本文提出的算法将有助于改进铁路院校、机务部门对列车司机日常训练、工作考评的效果,提高列车行车过程中的安全性。