原文传递
基于生理信号的驾驶员情绪识别研究
| 论文题名： | 基于生理信号的驾驶员情绪识别研究 |
| 关键词： | 驾驶员;情绪识别;外周生理信号;支持向量机;模拟驾驶;情绪调节 |
| 摘要： | 随着智能化时代的到来，汽车功能逐渐多元化，但其安全性能始终受到人们的高度关注。现阶段汽车主要通过实时定位、实时监控、实时诊断及实时路况预测等对外部事故预防的方式提高安全性，针对驾驶员自身状态的评估主要集中于疲劳检测与压力检测。事实上，驾驶员在行车过程中对外界的感知、决策和行动能力极易受到其情绪的影响，因此提升汽车驾驶安全性非常有必要将驾驶员情绪因素纳入视线。然而，目前可见对驾驶员情绪的有限研究或更多关注于愤怒单一情绪、或局限于情绪对驾驶行为的影响、或直接沿用泛情绪识别算法为基础设计驾驶员情绪检测系统而没有专门研究设计试验，由此得到的结论必然不甚全面，或与实际情况存在一定偏差。 基于上述现状，本文拓宽研究中的情绪种类，选择驾驶员平静、高兴、悲伤及恐惧四种情绪，聚焦于驾驶员情绪识别本身，设计模拟驾驶试验，实际采集驾驶员驾驶任务下的情绪数据展开研究。综合考虑识别效果、试验成本以及研究工作量三方面因素，选择了心电、脉搏和呼吸三种常用的外周生理信号进行驾驶员情绪识别。另外，针对目前研究者普遍较少关注识别之后的情绪调节工作这一现状，以驾驶员的恐惧情绪作为范例，利用相关理论尝试进行情绪调节探索性研究。 研究中，参考前人研究经验基于信号预处理、特征提取与降维技术，形成研究所需的生理信号处理关键环节；随后，选择通用性强、认可度高的开源情绪生理数据集DEAP，利用其中的脉搏信号和呼吸信号，以前文生理信号处理环节作为基础，采用支持向量机算法构建情绪识别基础模型。以贝叶斯优化算法优化模型的框约束和核规模两个超参数，由此形成的情绪识别基础模型在愉悦度和唤醒度两个分类任务上的平均准确率分别获得了9.38%和9.93%的增幅；之后，设计情绪诱发-模拟驾驶试验，搭建生理信号采集平台，采集驾驶员四种情绪下的心电、呼吸、脉搏信号和主观评价数据，并针对恐惧情绪引入调节措施，获得驾驶员情绪调节探索性研究所需数据。通过生理信号处理环节对四种情绪生理数据进行处理获取有效特征矩阵，在前文所构建的基础模型架构上扩充输入，形成驾驶员心电-呼吸-脉搏情绪识别模型，并选择相应的指标评估模型性能。基于该模型，本文实现了四种情绪两两组合的六个分类任务，结果表明模型在六个分类任务的测试集上泛化性能较好，平均准确率均能达到84%以上，其中平静-高兴分类任务的平均准确率接近90%；最后，本文基于情绪调节相关理论，设计四种情绪调节方案对驾驶员恐惧情绪进行调节。主观评价数据分析与生理数据分析结果表明，四种调节方案均能获得一定的调节效果。 |
| 作者： | 梁沁 |
| 专业： | 车辆工程 |
| 导师： | 曹晓琳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
