[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

说明书

本发明涉及一种基于机器学习的驾驶员情绪识别与显示装置及方法，所述装置包括人脸检测系统、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。也方便于驾驶员更好地控制路况，作出相应策略。

技术领域

本发明涉及图像数据处理以及机器学习领域，具体涉及一种基于机器学习的驾驶员情绪识别与显示装置及方法。

背景技术

随着大数据时代的来临，人工智能、模式识别、计算机视觉等领域也面临着巨大挑战，由此更加凸显了机器学习的重要性。目前，利用海量的人脸图像数据，在人脸检测和表情识别的研究中已经存在很多模型方法，然而针对表情识别在交通提示中的应用却较为缺乏。尤其，随着城市交通的拥堵现象的日益严重，以及个人社会压力的迅速增加，在驾驶过程中，驾驶员不能及时意识到自己的情绪状态，也无法获得其他驾驶员的情绪信息，以致交通冲突频繁发生。

发明内容

为此，需要提供一种基于机器学习的驾驶员情绪识别与显示装置及方法，解决现有驾驶员在驾驶过程中，无法及时意识到自己情绪状态，而容易导致交通冲突频繁发生的问题。

为实现上述目的，发明人提供了一种基于机器学习的驾驶员情绪识别与显示装置，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。

进一步优化，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。

进一步优化，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析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。

进一步优化，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；