铁路中间小站是整个铁路运输网络的细胞单位,小站的值班员通过排列列车进路,办理列车通过作业,让列车在各个区间内安全运行。小站作业的安全问题,关系到列车运行的安全,是车务段紧抓不懈的重点。为了解决一些小站存在的安全意识淡薄,利用作业间隙睡觉,擅自离岗等问题,车站管理部门安装了许多监控摄像头,用于对现场工作人员的作业情况进行监控,通过人工对监控视频的查看分析找出各种违章情况并提醒当班人员注意。由于人力有限,摄像点多,对每一个镜头实现人工高质量的审查不够现实,难以取得较好效果。随着图像视频识别技术的发展,使其应用于岗位作业自动监控方面有了一定的可行性。图像识别技术在岗位监控的应用将充分发挥视频监控的警示作用,有力杜绝此类违章现象的重复发生,有助于保障行车作业安全。本文论述了通过在重要岗位部署摄像头,利用图像识别技术实现人员是否处于正常工作状态的判断,当工作人员睡觉或擅自离岗时立即发出警报的方法。人员离岗的判断,是根据前景区域面积来判断的,如果前景区域的面积小于阈值,并且持续时间超过设定时间,则判断人员离岗;人物睡觉是通过检测闭眼结合睡眠姿势来综合判断的,当检测不到人物的瞳孔时,判断眼睛闭合。当前景差分像素低于指定阈值时,判断目标人物静止不动,当静止时间超过设定时间后,再结合识别到的人体姿势是否符合预先定义的几种睡姿,即可判断人物是否睡觉。在算法设计中,针对遇到的一些问题,提出了一些改进方法。首先,针对实际前景提取过程中由于光照的影响,可能导致提取的人物前景出现空洞,影响后期姿势判断准确性的问题,本文提出了一种改进方法,先运用canny算子对初期前景进行轮廓查找,然后选取最大面积的轮廓进行形态学闭运算,最后使用多边形逼近和填充,得到了比较理想的人体轮廓。其次,针对一般人脸检测很难检测旋转人脸的问题,本文提出了检测前先对人脸进行旋转矫正,然后再检测的方法。该方法通过YCr Cb肤色椭圆模型找到人脸区域,然后与人体轮廓进行“与”运算,过滤掉背景中的肤色干扰物体,之后通过椭圆拟合,计算出旋转角度,对人脸进行反旋转矫正,最后运用Haar级联分类器进行人脸检测。实验证明,该方法提高了人脸检测的准确度。再次,为了准确定位瞳孔,本文提出了灰度梯度贡献矩阵的模型,在检测到人脸区域后,根据人脸五官分布中眼睛的比例计算出眼睛区域,然后计算该区域图像的灰度梯度贡献矩阵,矩阵中极大值元素坐标即为瞳孔中心位置。经过实验验证,本方法能够准确找到瞳孔。最后,为了解决人物姿势轮廓的多样性和不稳定性带来的识别干扰问题,提高人物姿势识别的准确性,本文设计了基于人体轮廓包络的统计特征来描述姿势,这些特征包括面积分布、致密性和凹凸性。计算好特征后,通过支持向量机、BP神经网络与预定的几种姿势特征进行对比分类,识别可能的人体状态,实验证实了该方法具有很好的鲁棒性。综合以上所提出的方法,本文利用OpenCV开发库进行了程序设计。经过实验,系统可以有效检测睡觉和离岗现象,判断人员是否处于正常工作状态,验证了本文所述检测方法的效果符合研究预期。