基于機器視覺的復雜光照環(huán)境下駕駛員情緒識別算法研究
發(fā)布時間:2021-09-17 03:15
駕駛員在消極情緒狀態(tài)下的駕駛行為是造成交通事故的重要原因之一,特別是由消極情緒所引發(fā)的“路怒癥”(Road Rage)現(xiàn)象,嚴重影響了駕駛員的安全駕駛。因此研究駕駛員情緒識別理論與方法,實時監(jiān)測駕駛員的情緒狀態(tài),在駕駛員出現(xiàn)消極情緒時對其進行主動干預,對保障駕駛員人身安全及道路交通安全具有重大意義。當前針對駕駛員情緒識別的研究主要還停留在實驗室模擬法、量表法以及生理信號檢測法等階段,這些研究方法均不能實現(xiàn)在不影響駕駛員正常駕駛的前提下進行駕駛員情緒的實時監(jiān)測。針對此問題,本文提出了一種基于機器視覺的實時動態(tài)情緒識別方法。該方法首先運用機器視覺的理論和方法識別駕駛員在駕駛狀態(tài)下的面部表情,然后研究表情變化所產(chǎn)生的情緒狀態(tài),得到在時間軸上的連續(xù)情緒變化。本文創(chuàng)造性地提出了駕駛員情緒指數(shù)(以下簡稱“情緒指數(shù)”)的概念,用來衡量此時的駕駛員是否適合駕駛。情緒指數(shù)的引入,使得研究表情連續(xù)變化所反映的情緒變化成為可能。針對駕駛員情緒識別問題,本文做了三個方面的工作。(1)針對復雜光照環(huán)境對人臉圖像的影響,本文在認真分析當前經(jīng)典圖像增強算法的基礎(chǔ)上,提出了一種基于Retinex理論的自適應衰減量化(...
【文章來源】:深圳大學廣東省
【文章頁數(shù)】:146 頁
【學位級別】:博士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 引言
1.2 研究現(xiàn)狀
1.2.1 駕駛員情緒識別研究
1.2.2 基于機器視覺的表情識別研究
1.2.3 復雜光照環(huán)境下人臉圖像增強研究
1.2.4 亟待解決的科學問題
1.3 本文主要研究內(nèi)容及意義
1.4 全文章節(jié)安排
第2章 情緒識別的理論及研究方法
2.1 基本理論及研究方法
2.1.1 復雜光照環(huán)境下的人臉圖像增強理論及研究方法
2.1.2 人臉表情識別理論及研究方法
2.1.3 情緒識別理論及研究方法
2.2 本文的理論創(chuàng)新及擬解決的關(guān)鍵問題
2.2.1 本文的理論創(chuàng)新
2.2.2 擬解決的關(guān)鍵問題
2.3 研究路線及實驗方案
2.3.1 研究路線
2.3.2 實驗方案
2.4 本章小結(jié)
第3章 基于Retinex理論的光照增強算法研究
3.1 引言
3.2 基于Retinex的圖像增強算法概述
3.2.1 Retinex經(jīng)典增強算法
3.3 基于Retinex理論的AAQR算法
3.3.1 AAQR算法基本原理及推導
3.4 基于駕駛員人臉檢測的AAQR算法驗證
3.4.1 基于HOG特征的面部檢測
3.4.2 基于集成回歸樹的面部對齊
3.4.3 基于CNN的面部驗證
3.5 實驗結(jié)果與分析
3.5.1 實驗準備與AAQR算法實現(xiàn)
3.5.2 AAQR算法對比驗證
3.6 本章小結(jié)
第4章 基于CNN的駕駛員表情識別研究
4.1 引言
4.2 基于深度神經(jīng)網(wǎng)絡(luò)的表情識別模型
4.2.1 深度神經(jīng)網(wǎng)絡(luò)的選擇
4.2.2 基于CNN的表情識別模型基本參數(shù)結(jié)構(gòu)
4.3 表情樣本數(shù)據(jù)庫選擇
4.4 基于CNN的多結(jié)構(gòu)變參數(shù)駕駛員表情識別建模
4.4.1 圖像預處理與特征獲取
4.4.2 時間信息的建立
4.4.3 模型的網(wǎng)絡(luò)結(jié)構(gòu)
4.4.4 模型的訓練
4.5 實驗結(jié)果與分析
4.5.1 模型實現(xiàn)與實驗設(shè)置
4.5.2 模型權(quán)重系數(shù)相關(guān)測試
4.5.3 模型識別精度與收斂速度測試
4.5.4 模型實時性測試與在線表情識別分析
4.6 本章小結(jié)
第5章 駕駛員情緒建模與識別研究
5.1 引言
5.2 駕駛員情緒指數(shù)的定義
5.2.1 情緒—表情對應關(guān)系
5.2.2 駕駛員情緒指數(shù)
5.2.3 面部表情轉(zhuǎn)換表
5.3 情緒識別算法及實現(xiàn)
5.3.1 識別表情的情緒指數(shù)
5.3.2 駕駛員的情緒指數(shù)
5.4 實驗驗證與結(jié)論
5.4.1 實驗評價指標
5.4.2 實驗流程
5.4.3 實驗案例—中性情緒
5.4.4 實驗案例—積極情緒
5.4.5 實驗案例—消極情緒
5.4.6 實驗總結(jié)與分析
5.4.7 面部表情轉(zhuǎn)換表的客觀評價驗證
5.5 本章小結(jié)
第6章 結(jié)論與展望
6.1 論文工作總結(jié)
6.2 研究展望與未來工作
參考文獻
附錄
致謝
攻讀博士學位期間的研究成果
本文編號:3397853
【文章來源】:深圳大學廣東省
【文章頁數(shù)】:146 頁
【學位級別】:博士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 引言
1.2 研究現(xiàn)狀
1.2.1 駕駛員情緒識別研究
1.2.2 基于機器視覺的表情識別研究
1.2.3 復雜光照環(huán)境下人臉圖像增強研究
1.2.4 亟待解決的科學問題
1.3 本文主要研究內(nèi)容及意義
1.4 全文章節(jié)安排
第2章 情緒識別的理論及研究方法
2.1 基本理論及研究方法
2.1.1 復雜光照環(huán)境下的人臉圖像增強理論及研究方法
2.1.2 人臉表情識別理論及研究方法
2.1.3 情緒識別理論及研究方法
2.2 本文的理論創(chuàng)新及擬解決的關(guān)鍵問題
2.2.1 本文的理論創(chuàng)新
2.2.2 擬解決的關(guān)鍵問題
2.3 研究路線及實驗方案
2.3.1 研究路線
2.3.2 實驗方案
2.4 本章小結(jié)
第3章 基于Retinex理論的光照增強算法研究
3.1 引言
3.2 基于Retinex的圖像增強算法概述
3.2.1 Retinex經(jīng)典增強算法
3.3 基于Retinex理論的AAQR算法
3.3.1 AAQR算法基本原理及推導
3.4 基于駕駛員人臉檢測的AAQR算法驗證
3.4.1 基于HOG特征的面部檢測
3.4.2 基于集成回歸樹的面部對齊
3.4.3 基于CNN的面部驗證
3.5 實驗結(jié)果與分析
3.5.1 實驗準備與AAQR算法實現(xiàn)
3.5.2 AAQR算法對比驗證
3.6 本章小結(jié)
第4章 基于CNN的駕駛員表情識別研究
4.1 引言
4.2 基于深度神經(jīng)網(wǎng)絡(luò)的表情識別模型
4.2.1 深度神經(jīng)網(wǎng)絡(luò)的選擇
4.2.2 基于CNN的表情識別模型基本參數(shù)結(jié)構(gòu)
4.3 表情樣本數(shù)據(jù)庫選擇
4.4 基于CNN的多結(jié)構(gòu)變參數(shù)駕駛員表情識別建模
4.4.1 圖像預處理與特征獲取
4.4.2 時間信息的建立
4.4.3 模型的網(wǎng)絡(luò)結(jié)構(gòu)
4.4.4 模型的訓練
4.5 實驗結(jié)果與分析
4.5.1 模型實現(xiàn)與實驗設(shè)置
4.5.2 模型權(quán)重系數(shù)相關(guān)測試
4.5.3 模型識別精度與收斂速度測試
4.5.4 模型實時性測試與在線表情識別分析
4.6 本章小結(jié)
第5章 駕駛員情緒建模與識別研究
5.1 引言
5.2 駕駛員情緒指數(shù)的定義
5.2.1 情緒—表情對應關(guān)系
5.2.2 駕駛員情緒指數(shù)
5.2.3 面部表情轉(zhuǎn)換表
5.3 情緒識別算法及實現(xiàn)
5.3.1 識別表情的情緒指數(shù)
5.3.2 駕駛員的情緒指數(shù)
5.4 實驗驗證與結(jié)論
5.4.1 實驗評價指標
5.4.2 實驗流程
5.4.3 實驗案例—中性情緒
5.4.4 實驗案例—積極情緒
5.4.5 實驗案例—消極情緒
5.4.6 實驗總結(jié)與分析
5.4.7 面部表情轉(zhuǎn)換表的客觀評價驗證
5.5 本章小結(jié)
第6章 結(jié)論與展望
6.1 論文工作總結(jié)
6.2 研究展望與未來工作
參考文獻
附錄
致謝
攻讀博士學位期間的研究成果
本文編號:3397853
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3397853.html
最近更新
教材專著