基于面部表情和脈搏信息融合的駕駛人憤怒情緒研究.pdf

1、隨著社會經濟的發(fā)展，我國人民生活水平的不斷提高，家用汽車已經走進千家萬戶，成為人們日常生活中不可或缺的一部分。與此同時，出租車、公交車、大貨車等車輛的數量也在增加，給人們的出行和生活帶來了極大的便利。然而，車輛的增加在給人們帶來便利的同時，也使得交通擁堵現象日益嚴重，行人與車輛、車輛與車輛、車輛與道路之間的沖突逐漸加大，進而導致由憤怒情緒引起的道路交通事故逐年增加。2006年底，“路怒”一詞成功當選“2006年度華語地區(qū)中文新詞”，自此

2、，“路怒癥”開始進入中國媒體的視線，并引起廣大交通安全學者和駕駛人的重視。因此，如何準確地識別出駕駛人的憤怒情緒，進而有效并及時地干預駕駛人的憤怒情緒，預測并應對駕駛人具有危害性的駕駛行為，已經成為現如今汽車駕駛人憤怒情緒研究發(fā)展的熱點。
　　本論文以駕駛人的面部表情信息和脈搏信息為研究對象，通過模擬駕駛及情感誘發(fā)實驗采集被試者在平靜、高興和憤怒三種情緒狀態(tài)下的面部表情信息及脈搏信息，結合計算機圖像處理（瞳孔定位，面部表情特征提取

3、）和生理信號處理（脈搏去噪，脈搏主波峰檢測，脈搏特征提取）來研究駕駛人的憤怒情緒。論文的主要研究內容如下:
　　(1)搭建模擬駕駛及情感誘發(fā)實驗環(huán)境。通過實驗獲得被試駕駛人的實時面部表情視頻信息和脈搏信息。通過對比分析被試者完成的調查問卷和主試的記錄，截取被試情感誘發(fā)強度較大時刻的情感信息，以保證下一步所使用情感信息的主、客觀有效性。
　　(2)對所獲得的面部表情圖像進行處理以獲得駕駛人面部表情特征向量。對預處理后的圖像進行

4、瞳孔定位，然后根據瞳孔間距與人臉大小間的關系精確定位人臉，對精確定位后的人臉使用Gabor小波和主成分分析相結合的方法完成特征提取、特征降維等工作，得到駕駛人情緒識別所需要的面部表情特征。
　　(3)對采集到的脈搏信息處理以獲得脈搏信息特征向量。使用基于Stein無偏似然估計分層閾值的方法對脈搏信息去噪，檢測并定位脈搏主波波峰位置，然后提取脈搏信息主波波峰的均值、方差，脈搏信號的均值、方差，以及脈搏信息主波間期近似熵特征，并將這些