[发明专利]驾驶员情绪状态检测方法及系统

说明书

本发明实施例涉及一种驾驶员情绪状态检测方法及检测系统，检测方法包括：对包括疲劳状态、情绪激动状态和正常状态的人脸图像样本进行训练和迭代，形成情绪识别网络；采集驾驶员整体图像；利用深度学习中的神经网络对采集的驾驶员整体图像进行检测和提取，获取人脸图像；将获取的所述人脸图像输入至所述情绪识别网络进行情绪识别，识别驾驶员是否处于疲劳状态或者情绪激动状态。本发明在识别检测驾驶员疲劳状态的同时还能够识别检测情绪激动状态。

技术领域

本发明实施例涉及汽车技术领域，特别涉及一种驾驶员情绪状态检测方法 及系统。

背景技术

随着经济高速发展和人类物质水平的提高，汽车已经成为目前最常用的交 通工具之一。车辆安全驾驶是人们日常生活中非常关注的一项内容，在车辆行 驶过程中，驾驶员的情绪状态是与车辆安全驾驶相关的一个重要因素。

驾驶员在疲劳状态下易出现注意力不集中、识别能力下降等情况，进而危 机个人及公众的交通安全，因此对驾驶员进行疲劳状态检测能够预防疲劳驾驶 出现的交通事故。除疲劳状态外，驾驶员由于受到行车压力或者挫折等而出现 情绪激动甚至失控也是造成交通事故的重要因素之一。

然而，现有针对驾驶员的情绪状态检测方法中对驾驶员情绪状态检测的方 法有待改进。

发明内容

本发明实施例解决的技术问题在于提供一种驾驶员情绪状态检测方法及系 统，在识别驾驶员疲劳状态的同时还能够识别驾驶员是否处于情绪激动状态。

为解决上述技术问题，本发明实施例提供一种驾驶员情绪状态检测方法， 包括：对包括疲劳状态、情绪激动状态和正常状态的人脸图像样本进行训练和 迭代，形成情绪识别网络；采集驾驶员整体图像；利用深度学习中的神经网络 对采集的驾驶员整体图像进行检测和提取，获取人脸图像；将获取的所述人脸 图像输入至所述情绪识别网络进行情绪识别，识别驾驶员是否处于疲劳状态或 者情绪激动状态。

本发明实施例还提供一种驾驶员情绪状态检测系统，包括：情绪识别网络 训练模块，用于对疲劳状态、情绪激动状态和正常状态的人脸图像样本进行训 练和迭代，形成情绪识别网络；整体图像采集模块，用于采集驾驶员整体图像； 与所述整体图像采集模块连接的人脸图像获取模块，用于利用深度学习中的神 经网络对采集的驾驶员整体图像进行检测和提取，获取人脸图像；与所述人脸 图像获取模块以及所述情绪识别网络训练模块连接的情绪识别模块，用于存储 所述情绪识别网络，并将获取的所述人脸图像输入至所述情绪识别网络中，识 别驾驶员是否处于疲劳状态或者情绪激动状态。

与现有技术相比，本发明实施例提供的技术方案具有以下优点：

本发明实施例提供的驾驶员情绪状态检测方法的技术方案中，对包括疲劳 状态、情绪激动状态和正常状态的人脸图像样本进行训练和迭代，形成情绪识 别网络；采用驾驶员整体图像，利用深度学习中的神经网络对采集的驾驶员整 体图像进行检测和提取，获取人脸图像；然后将获取的人脸图像输入至情绪识 别网络进行情绪识别，通过驾驶员全脸识别的方式识别驾驶员是否处于疲劳状 态或者情绪激动状态，减小对驾驶员状态造成的漏检或者误检的概率，并且由 于在识别驾驶员的疲劳状态的同时还对驾驶员是否处于情绪激动状态进行识 别，从而减小由于情绪激动甚至失控造成的交通事故的概率。

另外，在将获取的人脸图像输入至情绪识别网络之前，还基于人脸图像中 人脸水平线与标准水平线之间的偏移量，对人脸图像进行情绪角度校正，有利 于进一步的提高识别驾驶员状态的正确率。

另外，情绪识别网络的总体损失包括人脸图像样本之间的三元组损失函数， 有利于进一步的提高识别驾驶员状态的正确率。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示 例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示 为类似的元件，除非有特别申明，附图中的图不构成比例限制。