[发明专利]基于微表情识别的驾驶员道路紧张情绪调节方法及系统

权利要求书

1.一种基于微表情识别的驾驶员道路紧张情绪调节方法，其特征在于，包括以下步骤：

步骤1：使用网络公开人脸微表情数据集，先对数据集进行预处理，再构建基于人脸微表情识别的驾驶员紧张情绪识别网络；

所述驾驶员紧张情绪识别网络，使用加入注意力机制的图卷积神经网络和长短期记忆网络搭建，首先人脸特征点作为图卷积神经网络的点，光流作为点的特征，构成特征矩阵输入给图卷积神经网络，同时再根据时间流关系输入长短期记忆网络，最后进行全连接层分类；其中图卷积神经网络用在空间维度上建立人脸特征点之间的边关系，长短期记忆网络用在时间维度上建立人脸特征点变化的关系；根据特征点的关系权重得到表情的分类结果；

将采集的驾驶员面部表情信号，数据预处理后，送入构建的驾驶员紧张情绪识别模型中进行训练，获得训好的驾驶员紧张情绪识别网络；

步骤2：驾驶员模拟驾驶，并实时采集驾驶员面部微表情信号，并对采集数据进行预处理，特征提取，得到驾驶员理想微表情数据；

步骤3：在驾驶员实际驾驶过程中，实时采集驾驶员面部微表情信号，将微表情信号输入步骤1中构建的基于微表情识别的驾驶员紧张情绪识别模型中，识别出驾驶员情绪，并通过与驾驶员互动，进一步做出相应的情绪调节决策。

2.根据权利要求1所述的基于微表情识别的驾驶员道路紧张情绪调节方法，其特征在于：步骤2中，针对实时获取驾驶员表情信号，并将视频流转换成照片帧，针对每两帧之间的变化得到人脸特征点的光流变化，其中人脸特征采用CNN卷积网络。

3.根据权利要求1所述的基于微表情识别的驾驶员道路紧张情绪调节方法，其特征在于：步骤3中，针对数据预处理，所述的预处理方法先采用欧拉放大算法将表情动作变大，即包括对视频信号进行空间滤波，对空间信号的基带进行时间滤波，定位微表情变化的峰值帧和放大微表情信号；再用随机数将人脸特征点重新组合，得到优越的并且丰厚的数据集；预处理后的数据输入驾驶员紧张情绪识别网络中进行分类得出紧张情绪，并标号1和0作为输出，其中，紧张表情标号为1，其他表情标号为0。

4.一种基于微表情识别的驾驶员道路紧张情绪调节系统，其特征在于，包括以下模块：

模块一，用于使用网络公开人脸微表情数据集，对数据集进行预处理，构建基于微表情识别的驾驶员紧张情绪识别模型；

所述驾驶员紧张情绪识别网络，使用加入注意力机制的图卷积神经网络和长短期记忆网络搭建，首先人脸特征点作为图卷积神经网络的点，光流作为点的特征，构成特征矩阵输入给图卷积神经网络，同时再根据时间流关系输入长短期记忆网络，最后进行全连接层分类；其中图卷积神经网络用在空间维度上建立人脸特征点之间的边关系，长短期记忆网络用在时间维度上建立人脸特征点变化的关系；根据特征点的关系权重得到表情的分类结果；

将采集的驾驶员面部表情信号，数据预处理后，送入构建的驾驶员紧张情绪识别模型中进行训练，获得训好的驾驶员紧张情绪识别网络；

模块二，用于驾驶员模拟驾驶时实时采集驾驶员面部微表情信号，并对采集数据进行预处理，特征提取，得到驾驶员理想微表情数据；

模块三，用于在驾驶员实际驾驶过程中，实时采集驾驶员面部微表情信号，将微表情信号输入步骤1中构建的基于微表情识别的驾驶员紧张情绪识别模型中，识别出驾驶员情绪，并通过与驾驶员互动，进一步做出相应的情绪调节决策。