[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

说明书

本发明提出一种基于双层神经网络模型的驾驶员情绪识别系统，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；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数据处理模块进行预处理，数据处理模块将预处理的信号传输至双层神经网络模块进行驾驶员情绪的准确判断，温馨提示模块实时地响应双层神经网络模块的处理结果，以提出一种有效为驾驶员提供安全保障的情绪识别系统。

技术领域

本发明涉及驾车安全系统技术领域，尤其涉及一种基于双层神经网络模型的驾驶员情绪识别系统。

背景技术

随着科技的发展，时代的进步，道路上的机动车辆持续增长，道路交通面临着诸多挑战，其中驾驶员的异常情绪将会对交通安全产生严重威胁，比较典型的就是路怒症。驾驶员情绪是其对交通环境变化的心理反应，会影响驾驶员的认知，判断和行为。在焦虑、烦躁以及愤怒的情绪中，驾驶员更可能分心驾驶，增加了撞车的可能性。因此，驾驶过程中识别驾驶员的异常情绪并进行温馨提醒，能为驾驶安全提供基础保障，这将显得至关重要。

Wang Xiaoyuan等人将多心电图特征融合后，采用了BP网络和D–S证据的组合方法，对驾驶员情感进行了识别，其将驾驶员的情绪分为平静与焦虑两种，它们各自的识别准确率分别91.34％和92.89％；高相铭等人针对现有汽车安全驾驶监控技术存在的问题，提出了一种驾驶员情绪检测与安抚系统，该系统弥补了常规的安全驾驶监控装置仅针对疲劳驾驶和醉酒驾驶进行检测的不足之处，保证了驾乘人员的安全，但其不足之处在于没有利用驾驶员的脑电信号，情绪识别准确度仍有待提高；朱丽提出了一种驾驶员情绪检测方法、装置、电子设备及存储介质，利用了两个分支的神经网络分别处理采集到的关于驾驶员的视频数据及音频数据，最后再进行综合分析，提高了驾驶员情绪检测的准确性，但其在获取驾驶员的视频数据及音频数据时，容易受周围环境的影响，如光照，阴影和乘客的说话声等；陈海波发明了一种驾驶员情绪状态检测方法及检测系统，利用神经网络对人脸图像进行检测识别，在识别驾驶员疲劳状态的同时还能够识别驾驶员是否处于情绪激动状态，但考虑到仅利用了驾驶员的人脸图像可能导致情绪识别准确度较差。

发明内容

本发明的目的在于提出一种情绪判断准确性高，有效为驾驶员提供安全保障的基于双层神经网络模型的驾驶员情绪识别系统。

为达到上述目的，本发明提出一种基于双层神经网络模型的驾驶员情绪识别系统，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进行驾驶员情绪的准确判断，所述温馨提示模块实时地响应所述双层神经网络模块的处理结果。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。