用于驾驶行为分析的驾驶员情绪识别算法

摘要

驾驶员的情绪变化会直接影响其驾驶行为．目前对于驾驶员行为预测的研究依然采用统计分析的方式，无法反映情绪状态对驾驶员行为的影响，导致对驾驶员动力需求的预判存在信息偏差．为此，针对实际驾驶过程中的驾驶员情绪状态判断，提出了满足实车应用的驾驶员情绪识别算法，同时设计试验研究了不同情绪间驾驶行为的特征差异．首先，针对车载计算单元相对不足的问题，结合人脸动作单元和面部表情编码系统，简化了高兴和愤怒两种表情的面部关键点，进而降低特征维度．然后，使用支持向量机分别建立了两种情绪的识别模型，通过网格搜索算法优化了模型参数，提升离线识别准确率．最后，结合情绪诱导设计了实车道路试验，基于通用计算平台测试了模型的在线识别效果，同时对比了驾驶员在高兴和愤怒时的驾驶行为以及车辆运行差异．结果表明：利用简化特征建立的高兴和愤怒识别模型，数据集离线测试的准确率分别达到了84.45%和84.43%；通用计算平台的测试结果显示该算法满足车载实时应用的需求，与情绪诱导结果对应，能够在线识别驾驶员的情绪状态；与高兴情绪相比，驾驶员在愤怒情绪下的驾驶行为更加激进，加速踏板的操作从长期维持不变转为周期性的剧烈踩踏，踏板频谱幅值最大提高了165.1%，整车油耗最大增加了14.2%.

关键词

驾驶员情绪识别 / 人脸动作单元 / 支持向量机 / 道路试验 / 驾驶行为分析