武警部队是国家武装力量的重要组成部分,肩负着保卫国家安全、维护社会稳定的光荣使命,武警哨兵的执勤工作则是保卫国家安全的重要保障。利用传统人工查勤的方法对哨兵执勤状态进行监督,无法精确地把握执勤质量和实时反馈重要信息。为了有效提高武警部队执勤质量,本文提出基于人脸特征分析的哨兵疲劳警示系统,该系统通过检测哨兵的脸部并进行特征分析判断哨兵在执行任务期间是否出现疲劳状态,若处于疲劳状态,则发出警报信息提醒哨兵集中注意力认真执勤,以更好地肩负起维护社会安全的责任和义务,有利于加速武警部队的智能化和信息化建设进程。本文是通过使用系统自动检测哨兵的状态来辅助人工查勤。在监测哨兵执勤的过程中,将视频图像按照每秒一帧的形式转化成图像,然后将这些图像传入到系统中,由系统自动分析,根据视频流中哨兵的单位时间内闭眼时间、头动幅度、眼睛的纵横比等特征进行建模,判别最终的结果。本文前期进行了详细的调研和需求分析,同时也咨询了相关专业研究人员进行需求评审,以保证需求与用户想法一致。接下来对多任务级联卷积神经网络(Multi-task Cascades Convolutional Networks,MT-CNN)算法的思想和原理进行了深入学习和研究,并将其应用到哨兵疲劳警示系统中,使系统能够同时进行人脸检测和对齐的任务,更精确的完成人脸特征点检测和定位。然后再根据检测出的特征点计算眼睛的纵横比、PERCLOS值等相关指标并对相关指标进行计算判断,检测哨兵的状态,交由系统的报警模块进行处理。最后实现基于人脸特征分析的哨兵疲劳警示系统。实验结果表明,本文所研究的系统能够实时检测哨兵的疲劳状态,并具有对武警部队岗哨的特定环境进行正确识别的特点。