基于机器视觉的复杂光照环境下驾驶员情绪识别算法研究
发布时间：2021-09-17 03:15
驾驶员在消极情绪状态下的驾驶行为是造成交通事故的重要原因之一,特别是由消极情绪所引发的“路怒症”（Road Rage）现象,严重影响了驾驶员的安全驾驶。因此研究驾驶员情绪识别理论与方法,实时监测驾驶员的情绪状态,在驾驶员出现消极情绪时对其进行主动干预,对保障驾驶员人身安全及道路交通安全具有重大意义。当前针对驾驶员情绪识别的研究主要还停留在实验室模拟法、量表法以及生理信号检测法等阶段,这些研究方法均不能实现在不影响驾驶员正常驾驶的前提下进行驾驶员情绪的实时监测。针对此问题,本文提出了一种基于机器视觉的实时动态情绪识别方法。该方法首先运用机器视觉的理论和方法识别驾驶员在驾驶状态下的面部表情,然后研究表情变化所产生的情绪状态,得到在时间轴上的连续情绪变化。本文创造性地提出了驾驶员情绪指数（以下简称“情绪指数”）的概念,用来衡量此时的驾驶员是否适合驾驶。情绪指数的引入,使得研究表情连续变化所反映的情绪变化成为可能。针对驾驶员情绪识别问题,本文做了三个方面的工作。（1）针对复杂光照环境对人脸图像的影响,本文在认真分析当前经典图像增强算法的基础上,提出了一种基于Retinex理论的自适应衰减量化（...
【文章来源】：深圳大学广东省
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 研究现状
1.2.1 驾驶员情绪识别研究
1.2.2 基于机器视觉的表情识别研究
1.2.3 复杂光照环境下人脸图像增强研究
1.2.4 亟待解决的科学问题
1.3 本文主要研究内容及意义
1.4 全文章节安排
第2章 情绪识别的理论及研究方法
2.1 基本理论及研究方法
2.1.1 复杂光照环境下的人脸图像增强理论及研究方法
2.1.2 人脸表情识别理论及研究方法
2.1.3 情绪识别理论及研究方法
2.2 本文的理论创新及拟解决的关键问题
2.2.1 本文的理论创新
2.2.2 拟解决的关键问题
2.3 研究路线及实验方案
2.3.1 研究路线
2.3.2 实验方案
2.4 本章小结
第3章 基于Retinex理论的光照增强算法研究
3.1 引言
3.2 基于Retinex的图像增强算法概述
3.2.1 Retinex经典增强算法
3.3 基于Retinex理论的AAQR算法
3.3.1 AAQR算法基本原理及推导
3.4 基于驾驶员人脸检测的AAQR算法验证
3.4.1 基于HOG特征的面部检测
3.4.2 基于集成回归树的面部对齐
3.4.3 基于CNN的面部验证
3.5 实验结果与分析
3.5.1 实验准备与AAQR算法实现
3.5.2 AAQR算法对比验证
3.6 本章小结
第4章 基于CNN的驾驶员表情识别研究
4.1 引言
4.2 基于深度神经网络的表情识别模型
4.2.1 深度神经网络的选择
4.2.2 基于CNN的表情识别模型基本参数结构
4.3 表情样本数据库选择
4.4 基于CNN的多结构变参数驾驶员表情识别建模
4.4.1 图像预处理与特征获取
4.4.2 时间信息的建立
4.4.3 模型的网络结构
4.4.4 模型的训练
4.5 实验结果与分析
4.5.1 模型实现与实验设置
4.5.2 模型权重系数相关测试
4.5.3 模型识别精度与收敛速度测试
4.5.4 模型实时性测试与在线表情识别分析
4.6 本章小结
第5章 驾驶员情绪建模与识别研究
5.1 引言
5.2 驾驶员情绪指数的定义
5.2.1 情绪—表情对应关系
5.2.2 驾驶员情绪指数
5.2.3 面部表情转换表
5.3 情绪识别算法及实现
5.3.1 识别表情的情绪指数
5.3.2 驾驶员的情绪指数
5.4 实验验证与结论
5.4.1 实验评价指标
5.4.2 实验流程
5.4.3 实验案例—中性情绪
5.4.4 实验案例—积极情绪
5.4.5 实验案例—消极情绪
5.4.6 实验总结与分析
5.4.7 面部表情转换表的客观评价验证
5.5 本章小结
第6章 结论与展望
6.1 论文工作总结
6.2 研究展望与未来工作
参考文献
附录
致谢
攻读博士学位期间的研究成果
本文编号：3397853
【文章来源】：深圳大学广东省
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 研究现状
1.2.1 驾驶员情绪识别研究
1.2.2 基于机器视觉的表情识别研究
1.2.3 复杂光照环境下人脸图像增强研究
1.2.4 亟待解决的科学问题
1.3 本文主要研究内容及意义
1.4 全文章节安排
第2章 情绪识别的理论及研究方法
2.1 基本理论及研究方法
2.1.1 复杂光照环境下的人脸图像增强理论及研究方法
2.1.2 人脸表情识别理论及研究方法
2.1.3 情绪识别理论及研究方法
2.2 本文的理论创新及拟解决的关键问题
2.2.1 本文的理论创新
2.2.2 拟解决的关键问题
2.3 研究路线及实验方案
2.3.1 研究路线
2.3.2 实验方案
2.4 本章小结
第3章 基于Retinex理论的光照增强算法研究
3.1 引言
3.2 基于Retinex的图像增强算法概述
3.2.1 Retinex经典增强算法
3.3 基于Retinex理论的AAQR算法
3.3.1 AAQR算法基本原理及推导
3.4 基于驾驶员人脸检测的AAQR算法验证
3.4.1 基于HOG特征的面部检测
3.4.2 基于集成回归树的面部对齐
3.4.3 基于CNN的面部验证
3.5 实验结果与分析
3.5.1 实验准备与AAQR算法实现
3.5.2 AAQR算法对比验证
3.6 本章小结
第4章 基于CNN的驾驶员表情识别研究
4.1 引言
4.2 基于深度神经网络的表情识别模型
4.2.1 深度神经网络的选择
4.2.2 基于CNN的表情识别模型基本参数结构
4.3 表情样本数据库选择
4.4 基于CNN的多结构变参数驾驶员表情识别建模
4.4.1 图像预处理与特征获取
4.4.2 时间信息的建立
4.4.3 模型的网络结构
4.4.4 模型的训练
4.5 实验结果与分析
4.5.1 模型实现与实验设置
4.5.2 模型权重系数相关测试
4.5.3 模型识别精度与收敛速度测试
4.5.4 模型实时性测试与在线表情识别分析
4.6 本章小结
第5章 驾驶员情绪建模与识别研究
5.1 引言
5.2 驾驶员情绪指数的定义
5.2.1 情绪—表情对应关系
5.2.2 驾驶员情绪指数
5.2.3 面部表情转换表
5.3 情绪识别算法及实现
5.3.1 识别表情的情绪指数
5.3.2 驾驶员的情绪指数
5.4 实验验证与结论
5.4.1 实验评价指标
5.4.2 实验流程
5.4.3 实验案例—中性情绪
5.4.4 实验案例—积极情绪
5.4.5 实验案例—消极情绪
5.4.6 实验总结与分析
5.4.7 面部表情转换表的客观评价验证
5.5 本章小结
第6章 结论与展望
6.1 论文工作总结
6.2 研究展望与未来工作
参考文献
附录
致谢
攻读博士学位期间的研究成果
本文编号：3397853
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3397853.html
最近更新
教材专著
