基于视觉的驾驶员情绪识别研究
发布时间：2021-03-26 09:35
近年来驾驶员状态监测系统在道路交通安全中正扮演越来越重要的角色,当前驾驶员状态监测系统多专注于监测驾驶员是否疲劳、分心等状态,对驾驶行为有重要影响的驾驶员情绪状态的关注不是很多。当前城乡道路交通情况复杂多变,驾驶员行车过程中应保持积极稳定的情绪状态,集中注意力于随时可能发生变化的路况及车况,而驾驶员个人心理素质的差异使得通过驾驶员依靠自身维持良好的驾驶情绪仍有很大难度,因此有必要在行车过程中实时监测驾驶员情绪状态,一旦发现异常驾驶情绪及时发出警告提醒,预防危险驾驶行为。因此本文选择非接触式的视觉技术监测驾驶员情绪状态,具体工作概括如下:（1）讨论了驾驶员情绪识别基本方法的研究现状,以及基于视觉的情绪识别研究现状,通过分析表情与情绪的关系,确定了本文通过微表情识别情绪的思路与研究方向。（2）研究了基于视觉的驾驶员情绪识别的相关技术,并将情绪类别与微表情类别相关联,同时把基于视觉的驾驶员情绪识别分为图像预处理,特征提取和情绪分类三个步骤,最后论述了评估算法性能的实验方法与性能度量作为后续研究实验的基础。（3）引入端到端的深度学习方法识别微表情,并通过迁移学习方法迁移人脸识别领域的预训练模型...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 驾驶员情绪识别研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 基于视觉的情绪识别研究现状
1.4 论文主要内容及结构安排
第二章 基于视觉的驾驶员情绪识别相关技术研究
2.1 基于微表情的驾驶员情绪识别
2.2 图像预处理
2.2.1 基于Haar-like特征与AdaBoost级联的人脸检测
2.2.2 基于人脸关键点的人脸对齐
2.2.3 归一化
2.3 特征提取
2.3.1 手工特征
2.3.2 卷积神经网络
2.4 分类识别
2.4.1 支持向量机与AdaBoost
2.4.2 Softmax回归
2.5 评估方法
2.5.1 留出法与交叉验证法
2.5.2 性能度量
2.6 本章小结
第三章 基于不均衡数据与迁移学习的微表情识别
3.1 CASME II数据集
3.2 数据不均衡
3.2.1 采样法
3.2.2 代价敏感法
3.3 迁移学习
3.3.1 迁移学习定义
3.3.2 迁移学习应用
3.4 模型设计
3.4.1 基于卷积神经网络的迁移学习
3.4.2 基于VGGFace的微表情识别模型
3.5 实验分析
3.5.1 实验环境及配置
3.5.2 结果分析
3.6 本章小结
第四章 基于循环神经网络的视频情绪识别
4.1 循环神经网络
4.1.1 循环神经网络简介
4.1.2 长短期记忆网络
4.2 序列归一化
4.3 VGGFace-LSTM模型设计
4.4 实验分析
4.5 本章小结
第五章 总结与展望
5.1 全文总结
5.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]情绪对驾驶行为影响研究[J]. 张殿业,程静,张艺. 中国安全科学学报. 2018(10)
[2]语音情绪识别技术在载人航天领域的应用[J]. 刘洋,秦海波. 人民论坛·学术前沿. 2018(17)
[3]汽车驾驶人的情绪诱发与识别研究综述[J]. 王浩伦,朱业安,彭理群,苏航. 交通信息与安全. 2018(04)
[4]深度学习研究综述[J]. 张荣,李伟平,莫同. 信息与控制. 2018(04)
[5]基于深度卷积神经网络的人脸识别技术综述[J]. 景晨凯,宋涛,庄雷,刘刚,王乐,刘凯伦. 计算机应用与软件. 2018(01)
[6]融合脸部红外信息与深度信息的驾驶员路怒表情识别方法[J]. 刘鹏,刘峰. 软件导刊. 2017(10)
[7]微表情自动识别综述[J]. 贲晛烨,杨明强,张鹏,李娟. 计算机辅助设计与图形学学报. 2014(09)
[8]改进的直方图均衡化算法在图像增强中的应用[J]. 姜柏军,钟明霞. 激光与红外. 2014(06)
[9]驾驶员情绪状态量表的编制[J]. 郭双,孙龙,常若松. 中国健康心理学杂志. 2014(06)
[10]基于混淆矩阵和集成学习的分类方法研究[J]. 孔英会,景美丽. 计算机工程与科学. 2012(06)
硕士论文
[1]基于脑电的驾驶员情绪对驾驶安全的影响研究[D]. 陶佩.北方工业大学 2018
[2]愤怒情绪下的汽车驾驶行为特征及其对交通安全的影响研究[D]. 雷虎.武汉理工大学 2011
本文编号：3101377
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 驾驶员情绪识别研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 基于视觉的情绪识别研究现状
1.4 论文主要内容及结构安排
第二章 基于视觉的驾驶员情绪识别相关技术研究
2.1 基于微表情的驾驶员情绪识别
2.2 图像预处理
2.2.1 基于Haar-like特征与AdaBoost级联的人脸检测
2.2.2 基于人脸关键点的人脸对齐
2.2.3 归一化
2.3 特征提取
2.3.1 手工特征
2.3.2 卷积神经网络
2.4 分类识别
2.4.1 支持向量机与AdaBoost
2.4.2 Softmax回归
2.5 评估方法
2.5.1 留出法与交叉验证法
2.5.2 性能度量
2.6 本章小结
第三章 基于不均衡数据与迁移学习的微表情识别
3.1 CASME II数据集
3.2 数据不均衡
3.2.1 采样法
3.2.2 代价敏感法
3.3 迁移学习
3.3.1 迁移学习定义
3.3.2 迁移学习应用
3.4 模型设计
3.4.1 基于卷积神经网络的迁移学习
3.4.2 基于VGGFace的微表情识别模型
3.5 实验分析
3.5.1 实验环境及配置
3.5.2 结果分析
3.6 本章小结
第四章 基于循环神经网络的视频情绪识别
4.1 循环神经网络
4.1.1 循环神经网络简介
4.1.2 长短期记忆网络
4.2 序列归一化
4.3 VGGFace-LSTM模型设计
4.4 实验分析
4.5 本章小结
第五章 总结与展望
5.1 全文总结
5.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]情绪对驾驶行为影响研究[J]. 张殿业,程静,张艺. 中国安全科学学报. 2018(10)
[2]语音情绪识别技术在载人航天领域的应用[J]. 刘洋,秦海波. 人民论坛·学术前沿. 2018(17)
[3]汽车驾驶人的情绪诱发与识别研究综述[J]. 王浩伦,朱业安,彭理群,苏航. 交通信息与安全. 2018(04)
[4]深度学习研究综述[J]. 张荣,李伟平,莫同. 信息与控制. 2018(04)
[5]基于深度卷积神经网络的人脸识别技术综述[J]. 景晨凯,宋涛,庄雷,刘刚,王乐,刘凯伦. 计算机应用与软件. 2018(01)
[6]融合脸部红外信息与深度信息的驾驶员路怒表情识别方法[J]. 刘鹏,刘峰. 软件导刊. 2017(10)
[7]微表情自动识别综述[J]. 贲晛烨,杨明强,张鹏,李娟. 计算机辅助设计与图形学学报. 2014(09)
[8]改进的直方图均衡化算法在图像增强中的应用[J]. 姜柏军,钟明霞. 激光与红外. 2014(06)
[9]驾驶员情绪状态量表的编制[J]. 郭双,孙龙,常若松. 中国健康心理学杂志. 2014(06)
[10]基于混淆矩阵和集成学习的分类方法研究[J]. 孔英会,景美丽. 计算机工程与科学. 2012(06)
硕士论文
[1]基于脑电的驾驶员情绪对驾驶安全的影响研究[D]. 陶佩.北方工业大学 2018
[2]愤怒情绪下的汽车驾驶行为特征及其对交通安全的影响研究[D]. 雷虎.武汉理工大学 2011
本文编号：3101377
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3101377.html
最近更新
教材专著
