基于深度學習與信息融合的路怒情緒識別研究.pdf

1、隨著我國經(jīng)濟的快速發(fā)展，人民生活水平不斷提高，人們的日常出行也因為家用車輛與公共車輛的大幅增加而變得更加便利，與此同時，快節(jié)奏的生活所帶來的壓力以及復雜的交通狀況極易導致駕駛員路怒情緒的產(chǎn)生，進而引發(fā)“路怒癥”，嚴重妨礙著駕駛員及他人的生命財產(chǎn)安全。
　　當前對駕駛員路怒情緒的研究主要集中在四個方面，包括駕駛員路怒情緒的產(chǎn)生機理和影響因素、駕駛員憤怒駕駛時的行為表現(xiàn)、駕駛員憤怒駕駛對交通安全的影響以及駕駛員駕駛過程中的路怒情緒的識

2、別。其中，對于駕駛員的路怒情緒識別，其研究方法包括訪談、調查問卷等主觀調查法以及通過采集駕駛員生理信號和圖像信息的客觀分析法，前者直接、簡單，但易受駕駛員主觀因素的影響且具有時間滯后性，后者客觀、真實、具有實時性，但存在信息源單一、識別率達不到實際應用標準的缺陷。
　　針對駕駛員路怒情緒識別領域存在的不足，本文在已有研究的基礎上，結合圖像處理、生理信號處理以及深度學習的相關算法，提出了一種基于信息融合的駕駛員路怒情緒識別方法。該方

3、法首先對駕駛員的面部圖像進行人臉特征提取，并基于進化算法對特征尋優(yōu)，再從脈搏信號中提取時域和頻域的線性特征與非線性特征，綜合兩路信息的特征，融合構建特征向量，并基于卷積神經(jīng)網(wǎng)絡（CNN）算法對駕駛員的路怒情緒進行識別。本文的主要研究內容與成果如下:
　　(1)設計了完整的駕駛員路怒情緒激發(fā)實驗，對實驗被試進行原始數(shù)據(jù)采集工作。在考慮諸多實驗過程中可能出現(xiàn)的問題后，搭建了數(shù)據(jù)采集實驗平臺，營造了自然真實的模擬駕駛環(huán)境，選用可靠的信息

4、采集設備，包括攝像頭和脈搏傳感器，選取實驗素材和被試對象，按照實驗步驟，采集了60名被試的面部圖像信息和脈搏信號。
　　(2)基于小波變換理論和對脈搏信號進行預處理，并分別提取了線性特征和非線性特征。首先基于小波變換對原始脈搏信號進行了濾波、去噪預處理，然后對脈搏信號進行解析與重構，并對其特征點（包括起點和峰值點）進行識別。其次，基于特征點提取了7種時間序列，最后基于每種時間序列分別提取了時域、頻域上的8種線性特征，以及3種非線性

5、特征。
　　(3)基于膚色空間方法實現(xiàn)了人臉區(qū)域識別，并基于卷積神經(jīng)網(wǎng)絡提取了人臉特征。首先對采集到的面部圖像視頻進行了預處理，提取關鍵幀，形成原始圖像數(shù)據(jù)集，然后基于膚色分割對人臉區(qū)域進行了識別與裁切，在對裁切后的圖像進行預處理之后，設計卷積神經(jīng)網(wǎng)絡的卷積層結構，確定卷積層參數(shù)，最后對面部圖像進行了人臉特征提取。
　　(4)基于進化算法對人臉特征尋優(yōu)，并與脈搏特征進行融合，實現(xiàn)了基于信息融合的路怒情緒識別?；谶M化算法對通