[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

说明书

本发明公开了一种基于微表情识别的驾驶员道路紧张情绪调节方法及系统，首先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；然后驾驶员模拟驾驶，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；最后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。本发明能有效降低交通危险，避免了驾驶员行车时因紧张情绪导致的交通事故，提高交通道路安全。

技术领域

本发明属于计算机软件与汽车技术领域，涉及一种驾驶员道路紧张情绪调节方法及系统，具体涉及一种以图像特征提取和分类为基础算法的高级驾驶辅助方法及系统。

背景技术

随着经济发展，行驶车辆的增多导致安全隐患也随之增加，对于驾驶车辆时间较短的人来说，面对不平坦以及较窄的道路，有较多车辆会车或者道路拥挤时，难免会产生紧张烦躁的情绪，这类消极情绪对交通安全存在着很大的隐患。

根据2000年Wiesenthal、Hennessy和Totten的研究表明，驾驶在道路拥堵或道路过窄时人们容易产生的紧张情绪。North和Hargreaves通过实验发现合适的音乐对舒缓心情是有益的，但是不同节奏的音乐对驾驶的影响是不同的，快节奏的音乐会抢占人的精神资源，慢节奏的音乐会缓解驾驶人员的消极情绪。因此可以通过个人的喜欢并且舒缓的音乐进行紧张情绪缓解。

目前高级驾驶辅助系统通过传感器预判可能发生的危险，以增加汽车驾驶的安全性。

发明内容

本发明的目的在于通过提供一种基于微表情识别的驾驶员道路紧张情绪调节方法及系统，解决目前由于道路紧张情绪产生的安全隐患。

本发明的方法所采用的技术方案是：一种基于微表情识别的驾驶员道路紧张情绪调节方法，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。

本发明的系统所采用的技术方案是：一种基于微表情识别的驾驶员道路紧张情绪调节系统，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；