[发明专利]一种基于机器学习的驾驶员情绪识别与显示装置及方法

权利要求书

1.一种基于机器学习的驾驶员情绪识别与显示装置，其特征在于，包括人脸检测系统、情绪识别系统及情绪显示系统；

所述人脸检测系统连接于情绪识别系统，所述人脸检测系统用于获取驾驶员人脸的图像信息，并对获取的图像信息进行处理获得人脸图像模型，并将处理后的人脸图像模型发送至情绪识别系统；

所述情绪识别系统连接于情绪显示系统，所述情绪识别系统用于提取人脸图像模型的情绪特征点，通过特征分析模型和情绪分类模型得到人脸信息中人脸情绪识别结果，并将人脸情绪识别结果发送至情绪显示系统；

所述情绪显示系统用于根据接收到的人脸情绪识别结果的不同类型，显示驾驶员的情绪信息。

2.根据权利要求1所述基于机器学习的驾驶员情绪识别与显示装置，其特征在于，所述人脸识别系统包括图像获取模块、人脸定位模块及图像预处理模块；

所述图像获取模块用于实时获取驾驶员的面部表情信息，并将其转换成人脸图像信息发送至人脸定位模块；

所述人脸定位模块用于检测出人脸图像信息中需要处理的人脸区域，同时剔除噪声干扰，将处理后的人脸图像信息发送至图像预处理模块；

所述图像预处理模块用于通过集合归一化方法和灰度归一化方法对处理后的人脸图像信息进行处理，获得人脸尺寸和人脸光照信息统一的人脸图像模型。

3.根据权利要求1所述基于机器学习的驾驶员情绪识别与显示装置，其特征在于，所述情绪识别系统包括人脸图像数据库、人脸情绪特征提取模块、人脸情绪特征选择模块及人脸情绪特征分类模块；

所述人脸图像数据库用于存储人脸图像信息的特征分析模型和情绪分类模型；

所述人脸情绪特征提取模块用于通过Gabor滤波方法对接收到的人脸图像模型进行特征向量提取，获得特征向量模型，并将获得的特征向量模型发送至人脸情绪特征选择模块；

所述人脸情绪特征选择模块用于通过PCA算法对提取到的特征向量模型进行降维处理，删除冗余信息得到处理后的数据，并将处理后的数据发送至人脸情绪特征分类模块；

所述人脸分类模块用于根据已经训练好的特征分许模型和情绪分类模型对接收到的数据进行分类，得到当前的情绪所属类别名称，并将类别名称发送至情绪显示系统。

4.根据权利要求3所述基于机器学习的驾驶员情绪识别与显示装置，其特征在于，所述情绪识别系统还包括图像训练数据库及图像动态数据库；

所述图像训练数据库用于保存用于人脸情绪特征分类模块训练特征分析模型的训练图像；

所述图像动态数据库用于记录一定时间内的驾驶员的人脸图像信息，并保存该人脸图像信息的分类结果，并将保存的分类结果在固定时间更新图像训练数据库，对人脸图像信息的特征分析模型和情绪分类模型进行优化。

5.根据权利要求1所述基于机器学习的驾驶员情绪识别与显示装置，其特征在于，所述情绪显示系统用于根据情绪识别系统发送的人脸情绪识别结果，在输出显示屏上显示情绪类别以及情绪程度。

6.一种基于机器学习的驾驶员情绪识别与显示方法，其特征在于，包括以下步骤：

获取驾驶员的人脸图像信息，并对获取的人脸图像信息进行处理获得人脸图像模型；

提取人脸图像模型的情绪特征点，通过特征提取模型和情绪分类模型得到人脸信息中人脸情绪识别结果；

根据人脸情绪识别结果的不同类型，显示驾驶员的情绪信息。

7.根据权利要求6所述基于机器学习的驾驶员情绪识别与显示方法，其特征在于，所述“获取驾驶员的人脸图像信息，并对获取的人脸图像信息进行处理获得人脸图像模型”具体包括：

实时获取驾驶员的面部表情信息，并转换成人脸图像信息；

检测人脸图像信息中需要处理的人脸区域，同时剔除噪声干扰；

通过集合归一化方法和灰度归一化方法对处理后的人脸图像信息进行处理，获得人脸尺寸和人脸光照信息统一的人脸图像模型。