多模式驾驶员使用运动活动和面部表情进行情绪识别

科学领域:

• 人与计算机的交互
• 情感计算是一种情感计算.
• 运输安全运输安全

背景情况:

• 强烈的情绪 (愤怒,悲伤,激动,快乐) 显著影响驾驶性能,增加事故风险.
• 现有的驾驶员情绪识别方法在范围和准确性上是有限的.
• 了解驾驶员的情绪状态对于开发先进的驾驶辅助系统和提高道路安全至关重要.

研究的目的:

• 开发一种多式智能模型,用于识别四种特定的驾驶员情绪:愤怒,悲伤,激动和快乐.
• 整合运动活动信号和面部几何图像,以准确地分类情绪.
• 调查驾驶员行为,运动活动,面部几何形状和诱导情绪之间的关系.

主要方法:

• 利用机器学习来识别关键的运动活动信号,与情绪识别相关.
• 使用预训练的卷积神经网络 (CNN) 来从面部几何图像中提取概率向量.
• 综合运动活动和面部数据使用单维网络进行多式情绪分类.

主要成果:

• 多式联运智能模型在模拟驾驶环境中识别了四种特定情绪,达到96.0%的准确率.
• 证实了驾驶员的运动活动,行为,面部几何形状和诱导的情绪状态之间存在显著的相关性.
• 运动活动信号和面部几何学被证明是有效的驾驶员情绪检测模式.

结论:

• 开发的多式联运模式为识别驾驶员情绪提供了高度准确的方法.
• 这项技术有可能增强驾驶员监控系统,并有助于更安全的驾驶.
• 进一步的研究可以探索现实世界的应用和更广泛的情绪范围的识别.