一种基于视频处理和机器学习的方法,用于评估在高速公路控制室的安全关键操作员参与

科学领域:

• 人与计算机的交互
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 操作员参与对于关键系统的安全至关重要.
• 现有的参与度测量方法在现实环境中存在局限性.
• 需要自动化,客观的干预检测.

研究的目的:

• 开发和验证一种新的AI驱动的方法来评估操作员参与度.
• 为了解决当前参与度测量技术的局限性.
• 通过更好的参与监控,提高自动系统的安全性.

主要方法:

• 利用计算机视觉 (OpenCV,OpenPose) 的人工智能 (AI) 来分析操作员的身体姿势.
• 开发了一个支持向量机 (SVM) 模型用于交战状态分类.
• 从高速公路控制室操作员收集的数据.

主要成果:

• 在参与评估中达到0.89的平均准确度.
• 报告的加权平均精度,回忆和F1得分高于0.84.
• 证明了基于人工智能的框架的有效性.

结论:

• 拟议的AI方法提供了有效的,实时的,客观的操作员参与度衡量.
• 精确的接触测量可以为改善操作员性能和系统安全的干预提供信息.
• 强调数据标签对于参与状态测量的重要性.