CN117455299A - 一种模拟机复飞训练绩效评价方法和装置 - Google Patents
一种模拟机复飞训练绩效评价方法和装置 Download PDFInfo
- Publication number
- CN117455299A CN117455299A CN202311491970.1A CN202311491970A CN117455299A CN 117455299 A CN117455299 A CN 117455299A CN 202311491970 A CN202311491970 A CN 202311491970A CN 117455299 A CN117455299 A CN 117455299A
- Authority
- CN
- China
- Prior art keywords
- histogram
- simulator
- fly
- training
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000001815 facial effect Effects 0.000 claims abstract description 34
- 238000013459 approach Methods 0.000 claims abstract description 23
- 238000011524 similarity measure Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- JTIJZYSPRDTGGH-UHFFFAOYSA-L disodium;2-nitro-5-sulfonatosulfanylbenzoate Chemical compound [Na+].[Na+].[O-]C(=O)C1=CC(SS([O-])(=O)=O)=CC=C1[N+]([O-])=O JTIJZYSPRDTGGH-UHFFFAOYSA-L 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种模拟机复飞训练绩效评价方法和装置,包括:获取模拟机复飞训练中飞行员的面部特征;获取模拟机复飞训练中的飞行参数;根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到基准特征直方图;通过待评价的飞行员复飞训练中的特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效。采用本发明技术方案,克服采用“生理参数+飞行参数”评价模拟机复飞训练绩效中生理参数采集对训练干扰且价格高昂的不足。
Description
技术领域
本发明属于模拟机飞行训练技术领域,尤其涉及一种基于多模态数据相似性的模拟机复飞训练绩效评价方法和装置。
背景技术
美国国家运输安全委员会(NTSB)和国际民用航空组织(ICAO)强调,飞行员复飞技能不足是大多数重大飞机进近着陆事故的促成因素。复飞技能的获取和保持是保证飞行安全的重要因素。复飞是指在飞机进近中,当机组发现不具备着陆条件时,中断进近,并按机型的复飞操作规定和程序上升到指定高度的操纵动作。
模拟机复飞训练是赋予和保持飞行员复飞技能、安全飞行能力的重要途径,飞行员在训练中的表现/绩效评价是保证训练效果,提升训练质量,高质量赋予安全飞行能力的关键。目前模拟机飞行训练绩效评价存在以下问题:
(1)以教员主观评分的方式评价模拟机飞行训练绩效具有客观性不强,可变性大,评价标准难统一,效率低等缺陷。
(2)基于飞行参数的自动化评价方法只利用了飞行训练的结果数据来评价任务绩效,对过程中飞行员的认知和决策信息如飞行员的工作负荷、情境意识水平、注意力分配等绩效影响数据利用不够,以致不能科学、准确地评价模拟机飞行训练绩效。
(3)利用可穿戴生理采集系统采集生理参数,并结合飞行数据的模拟机飞行训练绩效评价虽然一定程度上解决了上述两种评价方式的不足,但需要佩戴各种价格高昂的专业采集设备,并进行校准、设备调试等。这事实上侵入干扰了飞行训练,并显著降低飞行训练的效率。
复飞作为模拟机飞行训练的一项重要内容,以不干扰飞行训练且科学准确地评价复飞训练绩效是模拟机飞行训练领域亟待解决的问题。人类的面部特征表达了超过50%的人类情感,是一种与脑电、皮肤电、心电等同等重要的情感表征信号。特别地,利用模拟机舱中的高精度摄像头无接触采集飞行员在飞行训练任务中的面部特征,对飞行训练没有任何干扰且成本低廉。计算机视觉技术的进步使得面部特征实时采集与处理的鲁棒性和精度能够满足各类应用需求,使得不干扰训练即可获得的“面部特征+飞行参数”等多模态数据应用于评价度量模拟机复飞训练绩效成为可能。
发明内容
本发明要解决的技术问题是,提供一种模拟机复飞训练绩效评价方法和装置,克服采用“生理参数+飞行参数”评价模拟机复飞训练绩效中生理参数采集对训练干扰且价格高昂的不足。
为实现上述目的,本发明采用如下的技术方案:
一种模拟机复飞训练绩效评价方法,包括:
获取模拟机复飞训练中飞行员的面部特征;
获取模拟机复飞训练中的飞行参数;
根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到基准特征直方图;
通过待评价的飞行员复飞训练中的特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效。
作为优选,所述基准特征直方图包含:注视特征直方图、AU特征直方图和飞行轨迹特征直方图。
作为优选,得到基准特征直方图包括:
根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图;
根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图。
作为优选,根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图包括:
对初始注视特征直方图、初始AU特征直方图、初始飞行参数特征直方图的同类直方图进行算数平均,将得到最终注视特征直方图最终AU特征直方图和最终飞行参数特征直方图/>作为模拟机复飞训练绩效评价的基准特征直方图。
本发明还提供一种模拟机复飞训练绩效评价装置,包括:
第一获取模块,用于获取模拟机复飞训练中飞行员的面部特征;
第二获取模块,用于获取模拟机复飞训练中的飞行参数;
处理模块,用于根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到基准特征直方图;
评价模块,用于通过待评价的飞行员复飞训练中的特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效。
作为优选,所述基准特征直方图包含:注视特征直方图、AU特征直方图和飞行轨迹特征直方图。
作为优选,处理模块包括:
第一处理单元,用于根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图;
第二处理单元,用于根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图。
作为优选,第二处理单元对初始注视特征直方图、初始AU特征直方图、初始飞行参数特征直方图的同类直方图进行算数平均,将得到最终注视特征直方图最终AU特征直方图/>和最终飞行参数特征直方图/>作为模拟机复飞训练绩效评价的基准特征直方图。
本发明获取模拟机复飞训练中飞行员的面部特征;获取模拟机复飞训练中的飞行参数;根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到基准特征直方图;通过待评价的飞行员复飞训练中的特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效;克服采用“生理参数+飞行参数”评价模拟机复飞训练绩效中生理参数采集对训练干扰且价格高昂的不足。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例模拟机复飞训练绩效评价方法的流程图;
图2为提取面部特征的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
如图1所示,本发明实施例提供模拟机复飞训练绩效评价方法,包括:
步骤1:模拟机复飞训练中飞行员的面部特征获取
在模拟机驾驶舱正前方布置1080p高清摄像头,调节好摄像头位置和角度,使之能清晰获得飞行员在复飞训练中的面部图像,并将视频传输到便携式笔记本电脑上。利用开源软件OpenFace提取视频中每帧图像中出现的注视信息、面部活动单元(Action Unit,AU)信息。该软件对视频图像的采样频率为25帧/秒,提取的注视信息为左右眼的视线方向、17个面部活动单元,具体如图2所示。AU信息定义为AU出现概率及其强度,若AU出现,概率为1,反之为0,强度范围为1-5。
步骤2:模拟机复飞训练中的飞行参数获取
利用屏幕录像软件录制模拟机控制电脑上的驾驶舱飞行显示面板上的飞行参数信息,采用超分辨率重构技术提升视频图像的分辨率,并基于固定的飞行参数显示坐标对参数进行提取、预处理以及光学字符识别,从而得到飞行轨迹GT=[(x1,y1,z1,t1),...,(xn,yn,zn,tn)]。
步骤3:构建评价模拟机复飞训练绩效的初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图
步骤1获取的注视信息包括世界坐标系下的左眼视线方向和右眼视线方向,分别构成点集如下:
FL=[(g0_x1,g0_y1,g0_z1,t1),...,(g0_xn,g0_yn,g0_zn,tn)]
FR=[(g1_x1,g1_y1,g1_z1,t1),...,(g1_xn,g1_yn,g1_zn,tn)]
按照公式(1)-(4)对步骤1获取的17个AU分别计算其在ti时刻的出现概率、强度的和及平均值,得到两个AU特征点集,分别表示如下:
ALS=[(aut_x1,aut_y1,t1),...,(aut_xn,aut_yn,tn)]
ALM=[(aum_x1,aum_y1,t1),...,(aum_xn,aum_yn,tn)]
基于时序点集GT、FL、FR、ALS、ALM按照如下方式分别构建初始飞行轨迹特征直方图HGT、初始注视特征直方图HFL、HFR、初始AU特征直方图HALS、HALM:
(1)在时序点集包含的时间段内随机生成时刻t,从各个时序点集中选择对应该时刻的其余维度数据作为特征点,重复该过程1024次就得到特征点集。
(2)对每个特征点集中的1024个点两两之间形成的线段计算欧式距离li,统计得到线段欧式距离的均值按照公式(5)计算特征直方图水平轴的长度单位L,以落在该区间的线段数量为纵坐标。其中N为一常数,根据线段的距离分布情况设定。
步骤4:根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图
选择5-10名飞行小时数7000小时以上且安全记录良好的飞行教员,按照步骤1-3,得到初始注视特征直方图、初始AU特征直方图、初始飞行参数特征直方图,再对同类直方图取算数平均,得到最终注视特征直方图最终AU特征直方图/>和最终飞行参数特征直方图/>作为模拟机复飞训练绩效的评价基准特征直方图。
步骤5:通过待评价的飞行员复飞训练中的5个特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效ST。按照公式(6)计算两个同类直方图h1,h2之间的相似性,为对应区间的直方图纵坐标,hGT为待评价的飞行员复飞训练中的特征直方图。ST按照公式(7)计算,ST越小则模拟机复飞训练绩效越高。
本发明实施例的AU特征直方图体现了模拟机复飞训练中的情感状态,从工作负荷和情境意识的角度表征了复飞训练绩效,注视特征直方图体现了模拟机复飞训练中的注意力分配,飞行参数特征直方图体现了完成飞行训练的任务绩效,基于上述特征直方图加权组合的相似性评价,本发明更加综合且准确地度量和评价了模拟机飞行训练绩效。通过不影响飞行训练的摄像头采集模拟机复飞训练中的多模态数据,建立度量模拟机复飞训练绩效的特征直方图,通过与基准的相似性比较实现了模拟机复飞训练绩效评价,为模拟机飞行训练效果评价和过程控制提供了一种低成本的新方式。
实施例2:
本发明一种基于多模态数据相似性的模拟机复飞训练绩效评价:
(a)、模拟机复飞训练中的面部特征视频和飞行参数视频获取
1)待绩效评价飞行员的面部特征视频获取:在模拟机驾驶舱正前方布置1080p高清摄像头,设置好摄像头位置和角度,使之能清晰获得飞行员在复飞训练中的面部图像,并将视频传输到便携式笔记本电脑上。视频采集传输从复飞决断前10秒开始,到复飞结束时终止。
2)基准面部特征视频获取:选择7名具有7000飞行小时及以上且安全记录良好的飞行教员逐一开展复飞训练,利用模拟机驾驶舱正前方布置的1080p高清摄像头采集教员在复飞训练中的面部图像,并将视频传输到便携式笔记本电脑上。视频采集传输从复飞决断前10秒开始,到复飞结束时终止。
3)待绩效评价飞行员的飞行参数视频获取:利用屏幕录象软件—全能录屏助手录制模拟机控制电脑上的驾驶舱飞行显示面板上的经度、维度、高度等飞行参数信息。
4)基准飞行参数视频获取:利用全能录屏助手录制7名教员复飞训练中的飞行参数信息。
(b)、模拟机复飞训练中的面部特征和飞行参数提取
1)待绩效评价飞行员的面部特征获取:利用OpenFace软件提取飞行员面部特征视频中每帧图像中出现的左、右眼视线方向、17个AU信息。
2)待绩效评价飞行员的飞行参数获取:采用超分辨率重构技术提升屏幕录制的飞行参数视频的图像分辨率,并基于固定的飞行参数显示坐标对参数进行提取、预处理以及光学字符识别,从而得到飞行轨迹。
3)按照1)、2)的方式获得7名教员的面部特征和飞行参数。
(c)构建待绩效评价飞行员的初始注视特征直方图HFL、HFR、初始AU特征直方图HALS、HALM和初始飞行轨迹特征直方图HGT。其中,N取值为5。
(d)、构建7名教员的注视特征直方图、AU特征直方图和飞行轨迹特征直方图,N取值为5,并对同类直方图取算数平均,得到最终注视特征直方图最终AU特征直方图/>和最终飞行参数特征直方图/>作为模拟机复飞训练绩效评价的基准。
(e)、利用公式(6)分别计算待绩效评价飞行员的注视直方图、AU特征直方图和飞行轨迹特征直方图与基准之间的相似性,并依据公式(7)计算得到该飞行员的模拟机复飞训练绩效,w1=w2=w3=w4=w5=0.2。
实施例3:
本发明实施例还提供一种模拟机复飞训练绩效评价装置,包括:
第一获取模块,用于获取模拟机复飞训练中飞行员的面部特征;
第二获取模块,用于获取模拟机复飞训练中的飞行参数;
处理模块,用于根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到基准特征直方图;
评价模块,用于通过待评价的飞行员复飞训练中的特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效。
作为本发明实施例的一种实施方式,所述基准特征直方图包含:注视特征直方图、AU特征直方图和飞行轨迹特征直方图。
作为本发明实施例的一种实施方式,处理模块包括:
第一处理单元,用于根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图;
第二处理单元,用于根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图。
作为本发明实施例的一种实施方式,第二处理单元对初始注视特征直方图、初始AU特征直方图、初始飞行参数特征直方图的同类直方图进行算数平均,将得到最终注视特征直方图最终AU特征直方图/>和最终飞行参数特征直方图/>作为模拟机复飞训练绩效评价的基准特征直方图。
以上所述的实施例仅是对本发明优选方式进行的描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种模拟机复飞训练绩效评价方法,其特征在于,包括:
获取模拟机复飞训练中飞行员的面部特征;
获取模拟机复飞训练中的飞行参数;
根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到基准特征直方图;
通过待评价的飞行员复飞训练中的特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效。
2.如权利要求1所述的模拟机复飞训练绩效评价方法,其特征在于,所述基准特征直方图包含:注视特征直方图、AU特征直方图和飞行轨迹特征直方图。
3.如权利要求2所述的模拟机复飞训练绩效评价方法,其特征在于,得到基准特征直方图包括:
根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图;
根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图。
4.如权利要求3所述的模拟机复飞训练绩效评价方法,其特征在于,根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图包括:
对初始注视特征直方图、初始AU特征直方图、初始飞行参数特征直方图的同类直方图进行算数平均,将得到最终注视特征直方图HFL、HFR、最终AU特征直方图HALS、HALM和最终飞行参数特征直方图HGT作为模拟机复飞训练绩效评价的基准特征直方图。
5.一种模拟机复飞训练绩效评价装置,其特征在于,包括:
第一获取模块,用于获取模拟机复飞训练中飞行员的面部特征;
第二获取模块,用于获取模拟机复飞训练中的飞行参数;
处理模块,用于根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到基准特征直方图;
评价模块,用于通过待评价的飞行员复飞训练中的特征直方图与基准特征直方图之间的相似性度量来评价其复飞训练绩效。
6.如权利要求5所述的模拟机复飞训练绩效评价装置,其特征在于,所述基准特征直方图包含:注视特征直方图、AU特征直方图和飞行轨迹特征直方图。
7.如权利要求6所述的模拟机复飞训练绩效评价装置,其特征在于,处理模块包括:
第一处理单元,用于根据模拟机复飞训练中的飞行员面部特征和飞行参数,得到初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图;
第二处理单元,用于根据初始注视特征直方图、初始AU特征直方图和初始飞行轨迹特征直方图,得到基准特征直方图。
8.如权利要求7所述的模拟机复飞训练绩效评价装置,其特征在于,第二处理单元对初始注视特征直方图、初始AU特征直方图、初始飞行参数特征直方图的同类直方图进行算数平均,将得到最终注视特征直方图HFL、HFR、最终AU特征直方图HALS、HALM和最终飞行参数特征直方图HGT作为模拟机复飞训练绩效评价的基准特征直方图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311491970.1A CN117455299B (zh) | 2023-11-10 | 2023-11-10 | 一种模拟机复飞训练绩效评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311491970.1A CN117455299B (zh) | 2023-11-10 | 2023-11-10 | 一种模拟机复飞训练绩效评价方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117455299A true CN117455299A (zh) | 2024-01-26 |
CN117455299B CN117455299B (zh) | 2024-05-31 |
Family
ID=89583423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311491970.1A Active CN117455299B (zh) | 2023-11-10 | 2023-11-10 | 一种模拟机复飞训练绩效评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117455299B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180234612A1 (en) * | 2016-10-17 | 2018-08-16 | Dolby Laboratories Licensing Corporation | Audio Capture for Aerial Devices |
CN108885701A (zh) * | 2016-03-13 | 2018-11-23 | 微软技术许可有限责任公司 | 使用机器学习的根据飞行时间的深度 |
CN111998794A (zh) * | 2020-09-08 | 2020-11-27 | 中国民用航空飞行学院 | 一种通航飞机复合材料维修胶接表面形貌度量评价方法 |
CN112256123A (zh) * | 2020-09-25 | 2021-01-22 | 北京师范大学 | 基于脑负荷的操控工效分析方法、设备及系统 |
WO2022141225A1 (en) * | 2020-12-30 | 2022-07-07 | SZ DJI Technology Co., Ltd. | Methods, apparatus, and systems for operating device based on speech command |
CN115938189A (zh) * | 2022-11-25 | 2023-04-07 | 上海华模科技有限公司 | 一种基于飞行模拟机的训练呈现与评价系统 |
CN116151655A (zh) * | 2022-12-14 | 2023-05-23 | 中国人民解放军总医院 | 基于mr的航空医学救援培训效果评价系统和方法 |
WO2023129391A1 (en) * | 2021-12-30 | 2023-07-06 | Snap Inc. | Protecting image features in stylized representations of a source image |
CN116824954A (zh) * | 2023-07-03 | 2023-09-29 | 中国民用航空飞行学院 | 眼动+飞行数据的模拟机飞行训练讲评系统及方法 |
US11810478B1 (en) * | 2022-08-22 | 2023-11-07 | Beta Air, Llc | Methods and systems for an electric aircraft coaching simulator |
CN117542027A (zh) * | 2023-11-09 | 2024-02-09 | 中国航空工业集团公司洛阳电光设备研究所 | 基于非接触式传感器的机组失能状态监测方法 |
CN117547270A (zh) * | 2023-11-14 | 2024-02-13 | 宝鸡文理学院 | 一种多源数据融合的飞行员认知负荷反馈系统 |
-
2023
- 2023-11-10 CN CN202311491970.1A patent/CN117455299B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108885701A (zh) * | 2016-03-13 | 2018-11-23 | 微软技术许可有限责任公司 | 使用机器学习的根据飞行时间的深度 |
US20180234612A1 (en) * | 2016-10-17 | 2018-08-16 | Dolby Laboratories Licensing Corporation | Audio Capture for Aerial Devices |
CN111998794A (zh) * | 2020-09-08 | 2020-11-27 | 中国民用航空飞行学院 | 一种通航飞机复合材料维修胶接表面形貌度量评价方法 |
CN112256123A (zh) * | 2020-09-25 | 2021-01-22 | 北京师范大学 | 基于脑负荷的操控工效分析方法、设备及系统 |
WO2022141225A1 (en) * | 2020-12-30 | 2022-07-07 | SZ DJI Technology Co., Ltd. | Methods, apparatus, and systems for operating device based on speech command |
WO2023129391A1 (en) * | 2021-12-30 | 2023-07-06 | Snap Inc. | Protecting image features in stylized representations of a source image |
US11810478B1 (en) * | 2022-08-22 | 2023-11-07 | Beta Air, Llc | Methods and systems for an electric aircraft coaching simulator |
CN115938189A (zh) * | 2022-11-25 | 2023-04-07 | 上海华模科技有限公司 | 一种基于飞行模拟机的训练呈现与评价系统 |
CN116151655A (zh) * | 2022-12-14 | 2023-05-23 | 中国人民解放军总医院 | 基于mr的航空医学救援培训效果评价系统和方法 |
CN116824954A (zh) * | 2023-07-03 | 2023-09-29 | 中国民用航空飞行学院 | 眼动+飞行数据的模拟机飞行训练讲评系统及方法 |
CN117542027A (zh) * | 2023-11-09 | 2024-02-09 | 中国航空工业集团公司洛阳电光设备研究所 | 基于非接触式传感器的机组失能状态监测方法 |
CN117547270A (zh) * | 2023-11-14 | 2024-02-13 | 宝鸡文理学院 | 一种多源数据融合的飞行员认知负荷反馈系统 |
Non-Patent Citations (1)
Title |
---|
田伟;张弘;周小勇;王春雷;巩立艳;: "基于大数据支撑的军事飞行学员情绪测量与评估浅析", 教练机, no. 01, 15 March 2020 (2020-03-15), pages 11 - 13 * |
Also Published As
Publication number | Publication date |
---|---|
CN117455299B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210015416A1 (en) | Method for evaluating multi-modal emotion cognition capability of patient with autism spectrum disorder | |
CN116824954B (zh) | 眼动+飞行数据的模拟机飞行训练讲评系统及方法 | |
US20210343006A1 (en) | Preprocessing method for performing quantitative analysis on fundus image, and storage device | |
CN109255309A (zh) | 面向遥感图像目标检测的脑电与眼动融合方法及装置 | |
CN105279380A (zh) | 一种基于表情分析的抑郁程度自动评估系统 | |
CN115607153B (zh) | 一种基于眼动追踪的心理量表回答质量评估系统及方法 | |
CN110472546B (zh) | 一种婴幼儿非接触式眼动特征提取装置及方法 | |
Zhao et al. | Research on remote meter automatic reading based on computer vision | |
CN114343577B (zh) | 认知功能评价方法、终端设备以及计算机可读存储介质 | |
CN105631410B (zh) | 一种基于智能视频处理技术的课堂检测方法 | |
CN117455299B (zh) | 一种模拟机复飞训练绩效评价方法和装置 | |
Song et al. | A multimodal discrimination method for the response to name behavior of autistic children based on human pose tracking and head pose estimation | |
CN114241852A (zh) | 基于多源数据融合在研机型飞行模拟训练评估系统及方法 | |
FR3098389A1 (fr) | Dispositif et procede d'analyse du comportement d'un sujet | |
Zhang et al. | Research on Dyslexia Detection based on Eye Tracking | |
CN109308118A (zh) | 基于eog的中文眼写信号识别系统及其识别方法 | |
CN115022617B (zh) | 基于脑电信号和时空多尺度联合网络的视频质量评价方法 | |
CN113925490B (zh) | 空间定向障碍分类方法 | |
CN113255786B (zh) | 基于脑电信号和目标显著特性的视频质量评价方法 | |
CN114708543B (zh) | 一种考场监控视频图像中考生定位方法 | |
Ayiei | The Use of Eye Tracking in Assessing Visual Attention | |
WO2023060720A1 (zh) | 情绪状态展示方法、装置及系统 | |
CN113243917B (zh) | 一种民航管制员的疲劳检测方法、装置、电子设备及介质 | |
Wilson et al. | Comparing forecaster eye movements during the warning decision process | |
CN114742090A (zh) | 一种基于精神疲劳监测的驾驶舱人机交互系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |