驾驶员不良情绪状态检测系统的方法研究

吉林大学学报(信息科学版) ›› 2015, Vol. 33 ›› Issue (6): 680-.

驾驶员不良情绪状态检测系统的方法研究

马兴民1, 孙文财2, 徐艺2, 郑鹏宇3

1. 烟台职业学院汽车工程系, 山东烟台264670; 2. 吉林大学交通学院, 长春130022; 3. 吉林省外国企业服务有限公司, 长春130021

收稿日期:2015-05-05 出版日期:2015-11-27 发布日期:2016-01-04
作者简介:马兴民(1963—), 男, 山东烟台人, 烟台职业学院高级工程师, 主要从事汽车安全技术研究, (Tel)86-13787849122(E-mail)1349722102@ qq. com; 通讯作者: 孙文财(1981—), 男, 长春人, 吉林大学副教授, 主要从事交通环境与安全技术研究, (Tel)86-13500806339(E-mail)swcai@163. com。
基金资助:
国家自然科学基金青年基金资助项目(51308250); 中国博士后科学基金资助项目(2013M530984); 中国博士后基金特别资助项目(2014T70292); 高等学校博士学科点专项科研基金资助项目(20120061120043)

Research on Method of Driver’s Negative Emotions Detection System

MA Xingmin1, SUN Wencai2, XU Yi2, ZHENG Pengyu3

1. Department of Automototive Engineering, Yantai Vocational College, Yantai 264670, China; 2. College of Traffic, Jilin University,
Changchun 130022, China; 3. Jilin Province Foreign Enterprises Service Company Limited, Changchun 130021, China

Received:2015-05-05 Online:2015-11-27 Published:2016-01-04

摘要/Abstract

摘要：

针对驾驶员因处于非常状态下驾车而频繁导致交通事故问题, 设计了驾驶员不良情绪状态检测系统。该系统采用LBP(Local Binary Patterns)和SVM(Support Vector Machine)决策树相结合的算法分析、识别人脸表情。经实验验证, 该方法有较高的准确率, 系统运行速度快。

关键词: 不良情绪状态, 计算机视觉, 情绪状态检测, 支持向量机

Abstract:

To avoid traffic accidents caused by abnormal driving status, a method of negative emotional state detection method is proposed. LBP ( Local Binary Patterns) and SVM ( Support Vector Machine) are used combining decision tree algorithm for facial expression recognition and analyzing. The experimental results on the datasets show that the proposed method has high accuracy while maintaining the low cost processes.

Key words: negative emotions, computer vision, emotional state detection, support vector machine(SVM)

中图分类号:

TP391

马兴民1, 孙文财2, 徐艺2, 郑鹏宇3. 驾驶员不良情绪状态检测系统的方法研究[J]. 吉林大学学报(信息科学版), 2015, 33(6): 680-.

MA Xingmin1, SUN Wencai2, XU Yi2, ZHENG Pengyu3. Research on Method of Driver’s Negative Emotions Detection System[J]. Journal of Jilin University(Information Science Ed, 2015, 33(6): 680-.

[1]	陈冲, 朱晓旭, 万林葳, 付凯宇, 黄自彬, 王文雅, 车浩源. 融合深度学习技术的多模态安全管理应用 [J]. 吉林大学学报(信息科学版), 2025, 43(6): 1430-1440.
[2]	王冬梅, 宋南南, 张丹, 王鹏, 路敬祎. 基于 AOA-SVM 的数字孪生管道泄漏识别模型 [J]. 吉林大学学报(信息科学版), 2025, 43(5): 937-943.
[3]	邢航, 王刚, 王岩, 侯明辉. 自适应深度一致与跨频注意力的多视立体网络 [J]. 吉林大学学报(信息科学版), 2025, 43(4): 724-735.
[4]	张科星, 何江. 基于改进支持向量机的动态多点手势动作识别方法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 583-590.
[5]	郭祥葛. 应用计算机视觉的监控图像异常行为识别算法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 682-687.
[6]	曹敬馨, 刘洲洲. 移动网络隐私信息库未知访问源安全性预警[J]. 吉林大学学报(信息科学版), 2024, 42(4): 733-739.
[7]	王海宽, 原锦明. 基于 Swin-Transformer 的可视化安卓恶意软件检测研究[J]. 吉林大学学报(信息科学版), 2024, 42(2): 339-347.
[8]	何乐华, 谢光珍, 刘柯翔, 吴宁, 张浩澜, 张忠睿. 基于 YOLOv5 的倒地检测[J]. 吉林大学学报(信息科学版), 2024, 42(2): 378-386.
[9]	李婉莹, 刘学艳, 杨博. 隐私保护的图像替代数据生成方法[J]. 吉林大学学报(信息科学版), 2024, 42(1): 59-66.
[10]	魏亚明, 孟媛. 基于随机森林模型的不平衡大数据分类算法 [J]. 吉林大学学报(信息科学版), 2023, 41(6): 1079-1085.
[11]	王娜, 李劲松, 潘子尧, 姚明海. 基于支持向量机的学位预警方法研究[J]. 吉林大学学报(信息科学版), 2023, 41(5): 903-907.
[12]	蔡茂, 刘芳. 基于细粒度图像分类算法的新冠 CT 图像分类[J]. 吉林大学学报(信息科学版), 2023, 41(4): 676-684.
[13]	邓昊原, 张爽, 陈曙东. 基于瞬变电磁探测的未爆弹分类研究[J]. 吉林大学学报(信息科学版), 2023, 41(2): 265-271.
[14]	宋红毅. 基于自适应投影的三维人体运动图像智能检测[J]. 吉林大学学报(信息科学版), 2023, 41(1): 151-157.
[15]	李倩, 付光杰. 基于混沌-懒蚂蚁 SVM 的抽油机故障识别[J]. 吉林大学学报(信息科学版), 2023, 41(1): 138-144.