論文の概要: Graph-based Online Monitoring of Train Driver States via Facial and Skeletal Features

• arxiv url: http://arxiv.org/abs/2505.08800v1
• Date: Fri, 09 May 2025 15:06:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.219523
• Title: Graph-based Online Monitoring of Train Driver States via Facial and Skeletal Features
• Title（参考訳）: 顔的特徴と骨格的特徴による列車運転状態のグラフによるオンラインモニタリング
• Authors: Olivia Nocentini, Marta Lagomarsino, Gokhan Solak, Younggeol Cho, Qiyi Tong, Marta Lorenzini, Arash Ajoudani,
• Abstract要約: ドライバーの疲労は鉄道の安全にとって大きな課題となり、デッドマンスイッチのような従来のシステムは、限定的で基本的な警告チェックを提供する。 本研究では,DGNN(Directed-Graph Neural Network)をカスタマイズしたオンライン行動監視システムを用いて,運転者の状態を3つのカテゴリに分類する。
• 参考スコア（独自算出の注目度）: 11.77862348238795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Driver fatigue poses a significant challenge to railway safety, with traditional systems like the dead-man switch offering limited and basic alertness checks. This study presents an online behavior-based monitoring system utilizing a customised Directed-Graph Neural Network (DGNN) to classify train driver's states into three categories: alert, not alert, and pathological. To optimize input representations for the model, an ablation study was performed, comparing three feature configurations: skeletal-only, facial-only, and a combination of both. Experimental results show that combining facial and skeletal features yields the highest accuracy (80.88%) in the three-class model, outperforming models using only facial or skeletal features. Furthermore, this combination achieves over 99% accuracy in the binary alertness classification. Additionally, we introduced a novel dataset that, for the first time, incorporates simulated pathological conditions into train driver monitoring, broadening the scope for assessing risks related to fatigue and health. This work represents a step forward in enhancing railway safety through advanced online monitoring using vision-based technologies.
• Abstract（参考訳）: ドライバーの疲労は鉄道の安全にとって大きな課題となり、デッドマンスイッチのような従来のシステムは、限定的で基本的な警告チェックを提供する。 本研究では,DGNN(Directed-Graph Neural Network)をカスタマイズしたオンライン行動監視システムを用いて,運転者の状態を3つのカテゴリに分類する。 モデルの入力表現を最適化するために,骨格のみ,顔のみ,両者の組み合わせの3つの特徴を比較検討した。 実験結果から,顔面と骨格の特徴の組み合わせは,顔面と骨格のみを用いたモデルよりも高い精度(80.88%)が得られることがわかった。 さらに、この組み合わせはバイナリ警告の分類において99%以上の精度を達成する。 さらに,シミュレーションされた病態を列車運転者のモニタリングに取り入れた新しいデータセットを導入し,疲労と健康に関するリスクを評価するための範囲を広げた。 この研究は、ビジョンベースの技術を用いた高度なオンライン監視を通じて、鉄道の安全性を高めるための一歩である。

関連論文リスト

• Exact Fit Attention in Node-Holistic Graph Convolutional Network for Improved EEG-Based Driver Fatigue Detection [17.4184523526021]
  脳波に基づく疲労モニタリングは、関連する交通事故の発生を効果的に減少させる。 データの非ユークリッド特性のため、既存のCNNはEEG、特にチャネル相関から重要な空間情報を失う可能性がある。 本稿では,各チャネルの特徴を動的に学習するために,グラフ畳み込みを用いたノード完全性グラフ畳み込みネットワーク(NHGNet)を提案する。
  論文  参考訳（メタデータ） (2025-01-25T03:46:38Z)
• Cross-Camera Distracted Driver Classification through Feature Disentanglement and Contrastive Learning [13.613407983544427]
  車両内のカメラ位置の変化に耐えられるような頑健なモデルを導入する。 我々のドライバ行動監視ネットワーク(DBMNet)は軽量なバックボーンに依存し、アンタングルメントモジュールを統合する。 100-Driverデータセットの夜間および夜間のサブセットで行った実験は、我々のアプローチの有効性を検証した。
  論文  参考訳（メタデータ） (2024-11-20T10:27:12Z)
• IC3M: In-Car Multimodal Multi-object Monitoring for Abnormal Status of Both Driver and Passengers [14.555198961422706]
  運転者の早期異常を検知するための有望な技術として車内監視が登場している。 我々は車内でのドライバーと乗客の両方を監視するための効率的なカメラ回転に基づくマルチモーダル・フレームワークであるIC3Mを紹介した。 IC3Mは,適応しきい値の擬似ラベル戦略とモダリティの欠如という2つの重要なモジュールから構成される。
  論文  参考訳（メタデータ） (2024-10-03T15:34:41Z)
• Driver Profiling and Bayesian Workload Estimation Using Naturalistic Peripheral Detection Study Data [40.43737902900321]
  性能データを駆動する作業負荷推定の問題に対処する。 心的負荷を誘発する主要な環境要因をビデオ解析により同定する。 教師付き学習フレームワークは、彼らが経験した平均的なワークロードに基づいて、プロファイルドライバに導入される。 ベイズフィルタリング手法は、ドライバーの即時作業負荷である(ほぼ)リアルタイムに逐次推定するために提案される。
  論文  参考訳（メタデータ） (2023-03-26T13:15:44Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Joint-bone Fusion Graph Convolutional Network for Semi-supervised Skeleton Action Recognition [65.78703941973183]
  本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。 具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。 自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
  論文  参考訳（メタデータ） (2022-02-08T16:03:15Z)
• Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
  現在の運用環境に固有ののは、敵対的機械学習の実践である。 本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。 我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
  論文  参考訳（メタデータ） (2021-05-14T10:05:10Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
  既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。 現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。 本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
  論文  参考訳（メタデータ） (2020-02-01T04:42:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。