近年來駕駛員狀態(tài)監(jiān)測系統(tǒng)在道路交通安全中正扮演越來越重要的角色,當前駕駛員狀態(tài)監(jiān)測系統(tǒng)多專注于監(jiān)測駕駛員是否疲勞、分心等狀態(tài),對駕駛行為有重要影響的駕駛員情緒狀態(tài)的關(guān)注不是很多。當前城鄉(xiāng)道路交通情況復(fù)雜多變,駕駛員行車過程中應(yīng)保持積極穩(wěn)定的情緒狀態(tài),集中注意力于隨時可能發(fā)生變化的路況及車況,而駕駛員個人心理素質(zhì)的差異使得通過駕駛員依靠自身維持良好的駕駛情緒仍有很大難度,因此有必要在行車過程中實時監(jiān)測駕駛員情緒狀態(tài),一旦發(fā)現(xiàn)異常駕駛情緒及時發(fā)出警告提醒,預(yù)防危險駕駛行為。因此本文選擇非接觸式的視覺技術(shù)監(jiān)測駕駛員情緒狀態(tài),具體工作概括如下:（1）討論了駕駛員情緒識別基本方法的研究現(xiàn)狀,以及基于視覺的情緒識別研究現(xiàn)狀,通過分析表情與情緒的關(guān)系,確定了本文通過微表情識別情緒的思路與研究方向。（2）研究了基于視覺的駕駛員情緒識別的相關(guān)技術(shù),并將情緒類別與微表情類別相關(guān)聯(lián),同時把基于視覺的駕駛員情緒識別分為圖像預(yù)處理,特征提取和情緒分類三個步驟,最后論述了評估算法性能的實驗方法與性能度量作為后續(xù)研究實驗的基礎(chǔ)。（3）引入端到端的深度學(xué)習(xí)方法識別微表情,并通過遷移學(xué)習(xí)方法遷移人臉識別領(lǐng)域的預(yù)訓(xùn)練模型... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 駕駛員情緒識別研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 基于視覺的情緒識別研究現(xiàn)狀
    1.4 論文主要內(nèi)容及結(jié)構(gòu)安排
第二章 基于視覺的駕駛員情緒識別相關(guān)技術(shù)研究
    2.1 基于微表情的駕駛員情緒識別
    2.2 圖像預(yù)處理
        2.2.1 基于Haar-like特征與AdaBoost級聯(lián)的人臉檢測
        2.2.2 基于人臉關(guān)鍵點的人臉對齊
        2.2.3 歸一化
    2.3 特征提取
        2.3.1 手工特征
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 分類識別
        2.4.1 支持向量機與AdaBoost
        2.4.2 Softmax回歸
    2.5 評估方法
        2.5.1 留出法與交叉驗證法
        2.5.2 性能度量
    2.6 本章小結(jié)
第三章 基于不均衡數(shù)據(jù)與遷移學(xué)習(xí)的微表情識別
    3.1 CASME II數(shù)據(jù)集
    3.2 數(shù)據(jù)不均衡
        3.2.1 采樣法
        3.2.2 代價敏感法
    3.3 遷移學(xué)習(xí)
        3.3.1 遷移學(xué)習(xí)定義
        3.3.2 遷移學(xué)習(xí)應(yīng)用
    3.4 模型設(shè)計
        3.4.1 基于卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)
        3.4.2 基于VGGFace的微表情識別模型
    3.5 實驗分析
        3.5.1 實驗環(huán)境及配置
        3.5.2 結(jié)果分析
    3.6 本章小結(jié)
第四章 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的視頻情緒識別
    4.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
        4.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)簡介
        4.1.2 長短期記憶網(wǎng)絡(luò)
    4.2 序列歸一化
    4.3 VGGFace-LSTM模型設(shè)計
    4.4 實驗分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況


【參考文獻】：
期刊論文
[1]情緒對駕駛行為影響研究[J]. 張殿業(yè),程靜,張藝.  中國安全科學(xué)學(xué)報. 2018(10)
[2]語音情緒識別技術(shù)在載人航天領(lǐng)域的應(yīng)用[J]. 劉洋,秦海波.  人民論壇·學(xué)術(shù)前沿. 2018(17)
[3]汽車駕駛?cè)说那榫w誘發(fā)與識別研究綜述[J]. 王浩倫,朱業(yè)安,彭理群,蘇航.  交通信息與安全. 2018(04)
[4]深度學(xué)習(xí)研究綜述[J]. 張榮,李偉平,莫同.  信息與控制. 2018(04)
[5]基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)綜述[J]. 景晨凱,宋濤,莊雷,劉剛,王樂,劉凱倫.  計算機應(yīng)用與軟件. 2018(01)
[6]融合臉部紅外信息與深度信息的駕駛員路怒表情識別方法[J]. 劉鵬,劉峰.  軟件導(dǎo)刊. 2017(10)
[7]微表情自動識別綜述[J]. 賁晛燁,楊明強,張鵬,李娟.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2014(09)
[8]改進的直方圖均衡化算法在圖像增強中的應(yīng)用[J]. 姜柏軍,鐘明霞.  激光與紅外. 2014(06)
[9]駕駛員情緒狀態(tài)量表的編制[J]. 郭雙,孫龍,常若松.  中國健康心理學(xué)雜志. 2014(06)
[10]基于混淆矩陣和集成學(xué)習(xí)的分類方法研究[J]. 孔英會,景美麗.  計算機工程與科學(xué). 2012(06)

碩士論文
[1]基于腦電的駕駛員情緒對駕駛安全的影響研究[D]. 陶佩.北方工業(yè)大學(xué) 2018
[2]憤怒情緒下的汽車駕駛行為特征及其對交通安全的影響研究[D]. 雷虎.武漢理工大學(xué) 2011



本文編號：3101377