基于门禁的非接触式多模态铁路值勤前筛查系统的系统集成与受试者层面验证

《Sensors》：System Integration and Participant-Level Validation of a Gate-Based Contactless Multimodal System for Railway Pre-Duty Screening

　　

铁路值勤前评估需要快速、客观且不干扰运营流程的测量手段。本研究评估了一种基于门禁的Through-Pass平台在铁路值勤前筛查中的系统级集成与受试者层面测量性能。该平台整合了射频识别、红外温度传感、基于摄像头的远程光电容积描记法(rPPG)、呼气酒精传感、信号质量控制、边缘处理与基于规则的筛查功能。研究人员在300名成年人中进行了受试者层面的方法比较，采用配对Through-Pass测量值与参考测量值，涵盖体温、心率、收缩压(systolic blood pressure)、舒张压(diastolic blood pressure)及血液酒精浓度(blood alcohol concentration)。通过Bland–Altman分析、一致性统计量、误差指标、Deming回归及测量误差的多变量模型评估一致性。所有五项结局指标的均值偏倚均接近于零，Lin's一致性相关系数介于0.938至0.995之间。经多重检验校正后，测量误差与年龄、性别、身体质量指数(BMI)、分组Fitzpatrick皮肤类型或眼镜佩戴情况未显示出一致性关联，而舒张压和血液酒精浓度的参考值大小则与误差相关。这些发现支持在受控室内条件下将已有传感组件整合到统一的值勤前测量平台的可行性；但在实际运营实施之前，仍需进行现场验证和筛查分类验证。

论文解读：基于门禁的非接触式多模态铁路值勤前筛查系统的集成与验证

一、研究背景与问题提出

铁路运输作为安全关键系统，其运营故障可能影响乘客、员工及周边社区。尽管基础设施、信号系统、车辆及自动化控制方面的进步减少了设备相关风险，但人为表现仍是导致铁路事故与运营事件的重要因素。疲劳、睡眠不足及饮酒等急性状况会损害警觉性、反应时间、情境意识与决策能力，从而增加操作失误的可能性。因此，在值勤前立即评估操作人员的状态，是预防性铁路安全管理的重要环节。

目前，韩国铁路系统中从事驾驶、交通控制等安全关键岗位的员工需接受定期体检与资质考试，并禁止在酒精或药物影响下执行任务。现有的值勤前工作适宜性评估因素包括酒精使用、疲劳、用药、疾病、睡眠、压力、视力、听力及生理状况等。其中，酒精使用可通过值勤前呼气测试客观评估，而疲劳与睡眠相关的适应性则常依赖主观自我报告。然而，当工作人员低估自身疲劳程度、对生理异常无感知或不愿报告可能延迟上岗的状况时，自我评估可能无法识别功能能力下降。这一局限性支持将快速客观测量作为更广泛专业工作适宜性评估的辅助手段，而非替代方案。

非接触式生理传感提供了一种在不显著干扰运营流程的前提下获取客观测量的潜在途径。远程光电容积描记法（rPPG）利用摄像头记录皮肤反射光中与脉搏相关的细微变化来提取心血管信息。基于色度的信号处理、运动评估及相关分析方法已改善了不同采集条件下基于摄像头的心率估计精度。摄像头衍生的信号也被研究用于血压及其他健康筛查相关生理参数的估计。由于rPPG在信号采集过程中无需电极、袖带、指夹探头或可穿戴设备，它在需要对大量个体进行简短生理评估的场景中尤为有用。

尽管面向交通运输的系统已证明了非接触式生理监测在运营场景中的可行性，但这些系统主要关注车辆运行期间的连续或重复评估。Through-Pass平台针对的是安全工作流程中的一个互补阶段：值勤前的短暂固定式评估。其预期贡献并非提出新的单一传感模态或基础信号处理算法，而是将参与者身份识别、多模态非接触式传感、自动信号质量评估与重新采集、边缘处理、数据通信及基于规则的筛查/转诊整合到一个统一的基于门禁的工作流程中。这一区别至关重要，因为值勤前筛查的要求与驾驶员持续监测不同，特别是在快速采集、身份链接以及对不符合预设质量标准测量值的处理方面。

二、主要关键技术方法

研究人员开发并评估了Through-Pass门禁式多模态筛查系统原型。该系统集成了射频识别（RFID）用于身份验证、红外温度传感器用于体温测量、RGB摄像头用于rPPG信号采集、MQ-3型半导体呼气酒精传感器用于血液酒精浓度（BAC）估计，以及嵌入式处理计算机和显示器用于边缘处理。系统通过长期演进（LTE）通信与基于规则的筛查决策模块连接。rPPG信号处理流程包括：以30帧/秒采集15秒面部视频，利用MediaPipe Face Mesh检测面部地标，从额头和双颊选取感兴趣区域（ROI），提取时间序列RGB信号，经去趋势和标准化处理后应用基于色度的rPPG提取方法（CHROM），再通过二阶Butterworth带通滤波器（0.7–3.0 Hz）滤波，最终由快速傅里叶变换（FFT）识别主频以估计心率。血压估计模型基于来自rPPG衍生特征、生理、环境及信号质量信息的输入，采用加权集成框架结合岭回归、支持向量回归、随机森林、XGBoost和LightGBM等多种回归方法。研究于2026年7月25日至29日在韩国富川市的SAFETYLAB公司进行，共纳入300名成年人，包括铁路人员及其他成年志愿者。

三、研究结果

3.1 用于快速多模态筛查的闭环架构

研究人员首先建立了Through-Pass系统的架构，这是一个基于门禁的平台，将身份验证、非接触式生理测量、本地信号处理和基于规则的值勤前筛查整合在一个工作流程内。系统结合了基于RFID的身份识别、红外温度测量、用于rPPG的面部视频采集以及非接触式呼气酒精传感。采集的信号经过本地预处理、质量评估和生理参数估计后，传输至服务器和数据库。随后，基于规则的决策模块分配三种筛查结果之一：合格（FIT）、条件合格（CONDITIONAL）或不合格（UNFIT）。工作流程包含两项保障措施：未满足预设信号质量标准的测量值被拒绝，并提示参与者重新定位并重复采集；此外，条件合格和不合格结果需交由授权人员进行审核，而非作为最终自动化决定处理。

3.2 摄像头衍生生理信号的质量门控处理

研究人员描述了用于导出心率和血压估计值的基于摄像头的处理工作流程。每次采集期间，以30帧/秒录制15秒面部视频。检测面部地标，从面部选取面部ROI，并提取时间序列RGB强度信号。这些信号经过去趋势处理，并使用CHROM方法和带通滤波生成rPPG波形。在报告生理值之前，计算频域信噪比（SNR）作为信号质量描述符，同时依据ROI稳定性、帧稳定性、采集有效性和rPPG输出标准进行运行质量控制。未通过所需质量标准的录音被拒绝，并提示参与者重新定位并重复采集。只有被接受的录音才能进入参数估计阶段。

3.3 Through-Pass原型的物理实现与用户界面

上述架构和处理工作流程已在一个全尺寸的基于门禁的原型中实现。摄像头、RFID读取器、显示屏、状态指示器和呼气酒精传感器集成在一个单一的通道结构中，使参与者在约15秒的采集周期内保持在门内进行面部视频和其他传感器测量的采集。用户界面引导参与者完成测量启动、信号采集和结果显示。测量完成后，界面显示估计的生理值和总体筛查状态。

3.4 参与者特征

评估队列包括300名成年人，平均年龄38.3±12.0岁。性别分布接近平衡，男性144人（48.0%），女性156人（52.0%）。平均身高165.9±8.6厘米，平均体重63.9±11.1公斤，平均BMI为23.1±3.1公斤/平方米。基于BMI分类，正常体重120人（40.0%），超重73人（24.3%），肥胖82人（27.3%），体重过轻25人（8.3%）。Fitzpatrick皮肤类型III最常见，占190人（63.3%），其次为IV型53人（17.7%）和II型48人（16.0%）。I型和V型较少见，分别有4人（1.3%）和5人（1.7%）。172人（57.3%）佩戴眼镜。

3.5 扩展方法比较显示低偏倚和高一致性

研究人员在300名参与者中评估了Through-Pass系统与相应参考仪器在体温、心率、收缩压、舒张压和血液酒精浓度方面的一致性。所有五项结局指标的平均系统减参考差值均接近于零。Lin's一致性相关系数范围从0.938到0.995，表明系统测量与参考测量之间存在高度对应关系。具体而言，体温的均值偏倚为0.003°C，95%一致性界限为-0.268至0.275°C；心率的均值偏倚为0.05次/分，95%一致性界限为-3.84至3.94次/分；收缩压的均值偏倚为-0.04毫米汞柱，95%一致性界限为-4.01至3.92毫米汞柱；舒张压的均值偏倚为0.17毫米汞柱，95%一致性界限为-3.69至4.04毫米汞柱；血液酒精浓度的均值偏倚为-0.00001%，95%一致性界限为-0.00221%至0.00220%。对于体温、心率和收缩压检测到了小的负向比例趋势，但Deming回归斜率仍接近1。针对200名非零参考BAC参与者的敏感性分析显示，均值偏倚仍为-0.00001%，95%一致性界限为-0.00271%至0.00269%，Lin's一致性相关系数为0.988。

3.6 测量误差与参与者特征无一致关联

研究人员通过多变量模型检验了绝对测量误差是否随年龄、性别、BMI、分组Fitzpatrick皮肤类型、眼镜佩戴情况或相应的参考测量值大小而变化。经多重检验校正后，年龄、性别、BMI、分组Fitzpatrick皮肤类型和眼镜佩戴情况与任何测量类型的标准化绝对误差均无显著关联。在Benjamini–Hochberg校正后，两个参考值关联保持显著：对于舒张压，较高的参考值与较低的标准化绝对误差相关；而对于血液酒精浓度，较高的参考浓度与较大的绝对误差相关。

四、讨论与结论总结

讨论部分：本研究表明，在300名参与者的扩展队列中，体温、心率、收缩压、舒张压和血液酒精浓度与相应参考测量值的均值偏倚接近于零，一致性界限相对较窄。这些发现与先前证明面部视频可用于通过rPPG推导心率及其他心血管信息的研究一致。本研究的主要贡献在于多个传感和决策组件的整合，而非引入新的单一传感方法。血压结果需要额外限定：估计器是基于同一开发项目内收集的人群水平rPPG和袖带参考测量值开发的，因此当前的血压一致性分析属于内部性能评估，而非完全独立的外部验证。年龄、性别、BMI、分组Fitzpatrick皮肤类型和眼镜佩戴情况与绝对测量误差无显著关联，但Fitzpatrick皮肤类型I和V的代表性不足，不应被视为等效测量性能的证据。观察到的微小比例趋势值得在阈值筛查背景下考虑，但本研究未预先指定终点特异性接受限值，也未验证筛查阈值与独立工作适宜性结局的关系。多项局限性界定了研究范围：评估在受控室内条件下进行，未涉及运营铁路站点的环境和行为干扰；未量化初次采集成功率、重新采集频率或总筛查时间；未对MQ-3酒精传感器进行交叉干扰测试；SpO₂测量功能未得到定量验证；研究评估的是单个生理参数的一致性，而非筛查分类的有效性。

结论部分翻译：本研究评估了Through-Pass门禁平台的系统级集成与受试者层面测量性能，该平台结合了身份验证、非接触式生理传感、信号质量控制和基于规则的值勤前筛查/转诊功能。在300名参与者中，在受控室内条件下，体温、心率、收缩压、舒张压和血液酒精浓度的测量值与相应参考测量值相比显示出接近于零的均值偏倚和高度一致性。测量误差与年龄、性别、身体质量指数、分组Fitzpatrick皮肤类型或眼镜佩戴情况未检测到一致性关联，但误差幅度随参考舒张压和血液酒精浓度而变化。由于未预先定义操作性接受限值，这些发现应被解释为受试者层面的测量一致性证据，而非证明预定义的筛查性能标准已达成。这些结果支持推进至现场验证，包括在常规铁路实施前评估运营吞吐量、环境鲁棒性、纵向系统稳定性以及合格、条件合格与不合格分类的独立验证。