基于深度學(xué)習(xí)與信息融合的路怒情緒識(shí)別研究.pdf

1、隨著我國(guó)經(jīng)濟(jì)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?yàn)榧矣密囕v與公共車輛的大幅增加而變得更加便利，與此同時(shí)，快節(jié)奏的生活所帶來(lái)的壓力以及復(fù)雜的交通狀況極易導(dǎo)致駕駛員路怒情緒的產(chǎn)生，進(jìn)而引發(fā)“路怒癥”，嚴(yán)重妨礙著駕駛員及他人的生命財(cái)產(chǎn)安全。
　　當(dāng)前對(duì)駕駛員路怒情緒的研究主要集中在四個(gè)方面，包括駕駛員路怒情緒的產(chǎn)生機(jī)理和影響因素、駕駛員憤怒駕駛時(shí)的行為表現(xiàn)、駕駛員憤怒駕駛對(duì)交通安全的影響以及駕駛員駕駛過(guò)程中的路怒情緒的識(shí)

2、別。其中，對(duì)于駕駛員的路怒情緒識(shí)別，其研究方法包括訪談、調(diào)查問(wèn)卷等主觀調(diào)查法以及通過(guò)采集駕駛員生理信號(hào)和圖像信息的客觀分析法，前者直接、簡(jiǎn)單，但易受駕駛員主觀因素的影響且具有時(shí)間滯后性，后者客觀、真實(shí)、具有實(shí)時(shí)性，但存在信息源單一、識(shí)別率達(dá)不到實(shí)際應(yīng)用標(biāo)準(zhǔn)的缺陷。
　　針對(duì)駕駛員路怒情緒識(shí)別領(lǐng)域存在的不足，本文在已有研究的基礎(chǔ)上，結(jié)合圖像處理、生理信號(hào)處理以及深度學(xué)習(xí)的相關(guān)算法，提出了一種基于信息融合的駕駛員路怒情緒識(shí)別方法。該方

3、法首先對(duì)駕駛員的面部圖像進(jìn)行人臉特征提取，并基于進(jìn)化算法對(duì)特征尋優(yōu)，再?gòu)拿}搏信號(hào)中提取時(shí)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(gòu)建特征向量，并基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法對(duì)駕駛員的路怒情緒進(jìn)行識(shí)別。本文的主要研究?jī)?nèi)容與成果如下:
　　(1)設(shè)計(jì)了完整的駕駛員路怒情緒激發(fā)實(shí)驗(yàn)，對(duì)實(shí)驗(yàn)被試進(jìn)行原始數(shù)據(jù)采集工作。在考慮諸多實(shí)驗(yàn)過(guò)程中可能出現(xiàn)的問(wèn)題后，搭建了數(shù)據(jù)采集實(shí)驗(yàn)平臺(tái)，營(yíng)造了自然真實(shí)的模擬駕駛環(huán)境，選用可靠的信息

4、采集設(shè)備，包括攝像頭和脈搏傳感器，選取實(shí)驗(yàn)素材和被試對(duì)象，按照實(shí)驗(yàn)步驟，采集了60名被試的面部圖像信息和脈搏信號(hào)。
　　(2)基于小波變換理論和對(duì)脈搏信號(hào)進(jìn)行預(yù)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(duì)原始脈搏信號(hào)進(jìn)行了濾波、去噪預(yù)處理，然后對(duì)脈搏信號(hào)進(jìn)行解析與重構(gòu)，并對(duì)其特征點(diǎn)（包括起點(diǎn)和峰值點(diǎn)）進(jìn)行識(shí)別。其次，基于特征點(diǎn)提取了7種時(shí)間序列，最后基于每種時(shí)間序列分別提取了時(shí)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(shí)現(xiàn)了人臉區(qū)域識(shí)別，并基于卷積神經(jīng)網(wǎng)絡(luò)提取了人臉特征。首先對(duì)采集到的面部圖像視頻進(jìn)行了預(yù)處理，提取關(guān)鍵幀，形成原始圖像數(shù)據(jù)集，然后基于膚色分割對(duì)人臉區(qū)域進(jìn)行了識(shí)別與裁切，在對(duì)裁切后的圖像進(jìn)行預(yù)處理之后，設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)的卷積層結(jié)構(gòu)，確定卷積層參數(shù)，最后對(duì)面部圖像進(jìn)行了人臉特征提取。
　　(4)基于進(jìn)化算法對(duì)人臉特征尋優(yōu)，并與脈搏特征進(jìn)行融合，實(shí)現(xiàn)了基于信息融合的路怒情緒識(shí)別。基于進(jìn)化算法對(duì)通