[发明专利]一种基于双层神经网络模型的驾驶员情绪识别系统

权利要求书

1.一种基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，包括数据采集模块、数据处理模块、双层神经网络模块和温馨提示模块；

所述数据采集模块采集包括驾驶员心电信号、面部肌电信号以及脑电信号传输至所述数据处理模块进行预处理，所述数据处理模块将预处理的信号传输至所述双层神经网络模块实现驾驶员情绪的准确判断，所述双层神经网络模块将情绪识别结果传输至所述温馨提示模块以对情绪异常的驾驶员进行安抚。

2.根据权利要求1所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述数据采集模块采用了心电传感器、面部肌电传感器和脑电传感器，实时采集人体生理信号。

3.根据权利要求1所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述数据处理模块包括对心电信号的预处理、面部肌电信号的预处理以及脑电信号的预处理。

4.根据权利要求3所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述心电信号的预处理包括采用三层小波包分解所述心电信号，其次对设定中各层细节有较大起伏的频带进行删除，最后重构其他子频带信号并求和。

5.根据权利要求3所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述面部肌电信号的预处理包括对采集到的原始肌电信号利用滑动平均法去除基线漂移，并进行带通滤波。

6.根据权利要求3所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述脑电信号的预处理包括采用独立成分分析方法去除脑电信号中的眼电伪迹。

7.根据权利要求3所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述数据处理模块还包括数据分割，将分割后的数据标记为相应类别的情绪。

8.根据权利要求1所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述双层神经网络模块包括CNN的卷积单元和RNN的时序单元；所述CNN的卷积单元，先后通过连续2组的一维卷积、批归一化、一维最大池化和Dropout的组合操作，对原始的高维数据进行降维，以提取数据中的高级特征。

所述RNN的时序单元，通过连续2次的LSTM操作，且每个LSTM操作中的隐含层神经元数均设置为多个，将所述低维的卷积特征转换为高维的时序特征，再执行Dropout的操作，其后执行全连接、批归一化操作，最后利用Softmax激活函数，输出驾驶员处于各个情绪类别的概率，选择概率较大的类别，作为最终预测的驾驶员情绪类别。

9.根据权利要求1所述的基于双层神经网络模型的驾驶员情绪识别系统，其特征在于，所述温馨提示模块会在系统判定驾驶员情绪处于异常状态时发出相应的温馨提示，安抚驾驶员的情绪。