1.基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,包括以下步骤:步骤S1:分别采集车辆启动点火行车前和行车过程中驾驶员的面部视频图像和生理信号;
步骤S2:对采集到的面部视频图像和生理信号分别进行预处理;
步骤S3:从预处理过的面部视频图像和生理信号中提取驾驶员恐惧情绪的面部特征和生理特征,计算获得的面部特征评定指标和生理特征评定指标作为恐惧情绪评定指标;
获得的生理特征评定指标包括单位时间平均心率、单位时间心率脉搏平均值和出汗时间;当驾驶员为心率与脉搏相同的正常人时,取单位时间平均心率和出汗时间作为生理特征评定指标,当驾驶员为心率与脉搏不同的异常人时,取单位时间心率脉搏平均值和出汗时间作为生理特征评定指标;
步骤S4:采用k‑均值聚类分析法进行驾驶员的恐惧情绪分类,训练并构建基于k‑均值—模糊神经网络的驾驶员的恐惧情绪识别模型,通过输入的驾驶员的恐惧情绪评定指标识别其恐惧情绪类别,并输出相应的情绪判定信息;
步骤S5:根据收到的判定信息,在车辆启动点火行车前和行车过程中两阶段,对驾驶车辆实施分级干预措施。
2.根据权利要求1所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于:步骤S1中,通过设置在汽车方向盘主体中心处的摄像头采集驾驶员的面部视频图像并记录驾驶员的出汗时间T出汗;通过设置于汽车方向盘主体把手处的心率脉搏协同监测传感器采集驾驶员心率、脉搏的动态实时数据。
3.根据权利要求2所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,步骤S2中,面部视频图像的预处理方法包括以下步骤:步骤A1:对采集到的面部视频图像进行角度归一化处理;
通过瞳孔定位将人脸图像调至水平,假设定位的左右眼坐标分别为(xa,ya)和(xb,yb),则人脸图像调整角度α的计算公式如下:α=arctan(yb‑ya)/(xb‑xa)·180/л其中,α当值为正时,对人脸图像按照顺时针方向旋转相应角度;反之则按照逆时针方向旋转相应角度;
步骤A2:对角度归一化处理后的人脸图像进行尺度归一化处理;
以两瞳孔之间的距离为衡量标准进行人脸图像的剪切,假设两瞳孔之间的距离为d,剪切时,以两瞳孔的中间点为基准,在竖直方向,向上取0.6d,向下取1.6d;在水平方向,向左、向右各取d,将人脸图像大小最终尺度归一化为100×100;
步骤A3:选用加权平均法对尺度归一化处理后的人脸图像进行灰度化处理;
将一般的彩色RGB三通道图像转化为灰度图像,加权平均法计算公式如下:Gray(x,y)=0.299R(x,y)+0.578G(x,y)+0.114B(x,y)其中,R(x,y),G(x,y),B(x,y)为RGB图像的三个通道,Gray(x,y)为像素点的灰度值;
步骤A4:对灰度化处理后的人脸图像进行直方图均衡化处理;
转换函数如下:
其中,Sk为输出人脸图像的灰度级;N为总的像素个数;L为灰度级总数;nj为对应灰度级的像素个数。
4.根据权利要求3所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,步骤S2中,生理信号的预处理方法包括以下步骤:步骤B1:采用零相移数字滤波去除采集到的心率和脉搏两种信号的基线漂移;
步骤B2:利用倒数切比雪夫滤波器对心率和脉搏两种信号滤除工频干扰;
转换函数如下:
其中,ω是频率,|H(ω)|为滤波器在截止频率ω0的放大率,ε为幅度振动的分贝数,λ为波长,Tn(ω/ω0)是n阶切比雪夫多项式;
令ω/ω0=Ω,n阶切比雪夫多项式可表示为:Tn(Ω)=cos(n·arccosΩ),0≤Ω≤1Tn(Ω)=cosh(n·arccoshΩ),Ω>1步骤B3:选用小波变换去噪法,去除心率和脉搏两种信号的伪迹与噪声,得到纯净的心率和脉搏两种信号;
转换函数如下:
其中,WT(a,b)为小波变换后的信号,f(t)为待处理信号, 为小波函数,a为小波变换的尺度因子,控制小波函数的伸缩,对应于频率;b为小波变换的平移因子,控制小波函数的平移,对应于时间。
5.根据权利要求4所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,步骤S3中,在预处理后的面部视频图像中,提取连续多帧人脸图像,利用积分投影法确定面部特征点的位置,计算获得的面部特征评定指标包括眼睛开合度β、嘴巴开合度η和眼动速率v;
积分投影法公式如下:
其中,(x,y)表示像素所在的位置,Gray(x,y)表示该像素点的灰度值,x1、x2、y1、y2分别表示人脸图像的左右上下像素边界,V(x)表示水平积分投影,H(y)表示垂直积分投影;
眼睛开合度用眼部高宽比表示,计算公式为:
β=h/w
其中,h和w分别表示眼睛的高度和宽度;
嘴巴开合度用嘴部高宽比表示,计算公式为:
η=m/n
其中,m和n分别表示嘴巴的高度和宽度;
眼动速率的计算公式为:
v=L/t
其中,L为瞳孔定位后计算的相邻两帧人脸图像的瞳孔与内眼角距离的差值,t为处理这两帧人脸图像所用的时间。
6.根据权利要求5所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,步骤S3中:
单位时间平均心率的计算公式如下:
HR=N1/C
其中,N1表示采样周期内的心跳次数,C表示采样周期;
单位时间心率脉搏平均值的计算公式如下:
γ=(N1+N2)/2C
其中,N2表示采样周期内的脉动次数,C表示采样周期。
7.根据权利要求6所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,步骤S4中,采用k‑均值聚类分析法进行恐惧情绪分类的具体步骤如下:步骤C1:采集驾驶员平静、一般惊吓、重度恐惧的情绪样本,并按比例分为情绪分类样本、模型训练与测试样本;
步骤C2:提取情绪分类样本中的恐惧情绪评定指标作为分类变量,统计并输入SPSS中,采用k‑均值聚类分析法进行恐惧情绪分类,确定平静、一般惊吓与重度恐惧的情绪状态下各指标的分界阈值,定义平静、一般惊吓、重度恐惧的情绪状态与各评价指标区间的关联性:平静与一般惊吓的情绪状态各指标分界阈值为:β平静、η平静、v平静、HR平静、γ平静、T平静;
一般惊吓与重度恐惧的情绪状态各指标分界阈值为:β1、η1、v1、HR1、γ1、T′;
一般惊吓的情绪状态下各指标区间为:β平静<β<β1、η平静<η<η1、v平静
重度恐惧的情绪状态下各指标区间为:β≥β1、η≥η1、v≥v1、HR≥HR1、T出汗≥T′或者β≥β1、η≥η1、v≥v1、γ≥γ1、T出汗>T′。
8.根据权利要求7所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,步骤S4中,情绪判定信息的获得方法如下:步骤D1:提取并输入训练与测试样本中的恐惧情绪评定指标至恐惧情绪识别模型中进行训练和测试,促使其完成自学习并记忆;
步骤D2:输入层输入行车前和行车过程中提取驾驶员的恐惧情绪评定指标,包括眼睛开合度β、嘴巴开合度η、眼动速率v、单位时间平均心率HR、单位时间心率脉搏平均值γ、出汗时间T出汗;
步骤D3:将驾驶员的恐惧情绪评定指标由输入层输入至模糊化层,对各类情绪评定指标进行模糊化处理:将眼睛开合度β模糊转换成β≤β平静或β平静<β<β1或β≥β1三种情况;将嘴巴开合度η模糊转换成η≤η平静或η平静<η<η1或η≥η1三种情况;将眼动速率v模糊转换成v≤v平静或v平静
步骤D4:状态层根据模糊规则层的模糊规则将模糊化层转换后的信息分别与平静、一般惊吓、重度恐惧的情绪状态对应关联,并由输出层对应输出平静、一般惊吓、重度恐惧三种情绪判定信息;
步骤D41:模糊规则
平静:β≤β平静,η≤η平静,v≤v平静,HR≤HR平静或γ≤γ平静,出汗为否;
一般惊吓:β平静<β<β1,η平静<η<η1,v平静
重度恐惧:β≥β1,η≥η1,v≥v1,HR≥HR1或γ≥γ1,出汗为是。
9.根据权利要求8所述的基于驾驶员恐惧情绪识别的分阶段分级干预的方法,其特征在于,步骤S5中,实施的分级干预措施包括以下两个阶段:第一阶段为车辆启动点火的行车前:驾驶员点火启动汽车后,如接收的驾驶员情绪判定信息为平静时,允许驾驶员正常驾驶;如接收的驾驶员情绪判定信息为一般惊吓或重度恐惧,则启动汽车点火阻断装置,并同时打开汽车音乐播放器,自动播放驾驶员提前设定的音乐,舒缓驾驶员情绪;直至接收的驾驶员情绪判定信息为平静后,关闭汽车点火阻断装置,允许驾驶员正常驾驶汽车;
第二阶段为行车过程中:如接收的驾驶员情绪判定信息为平静时,则继续正常行驶;如接收的驾驶员情绪判定信息为一般惊吓,则打开汽车音乐播放器,自动播放驾驶员提前设定的音乐,提醒驾驶员缓解情绪;如接收的驾驶员情绪判定信息为重度恐惧,则改变车辆油门踏板和制动踏板灵敏度,提升制动踏板的灵敏度为原来的1.2‑1.5倍,降低油门踏板的灵敏度为原来的0.6‑1倍。
10.基于驾驶员恐惧情绪识别的分阶段分级干预的系统,其特征在于:包括数据采集模块、数据预处理模块、恐惧情绪特征提取模块、恐惧情绪识别模块、恐惧情绪分阶段分级干预模块;
所述数据采集模块包括摄像头和心率脉搏协同监测传感器,用于采集车辆点火启动行车前和行车过程中驾驶员的面部视频图像和生理信号;
所述数据预处理模块用于对面部视频图像进行归一化、均衡化处理,对生理信号完成基线漂移、工频干扰、伪迹与噪声的去除处理;
所述恐惧情绪特征提取模块用于提取驾驶员恐惧情绪的面部特征和生理特征并计算获得面部特征评定指标和生理特征评定指标;获得的生理特征评定指标包括单位时间平均心率、单位时间心率脉搏平均值和出汗时间;当驾驶员为心率与脉搏相同的正常人时,取单位时间平均心率和出汗时间作为生理特征评定指标,当驾驶员为心率与脉搏不同的异常人时,取单位时间心率脉搏平均值和出汗时间作为生理特征评定指标;
所述恐惧情绪识别模块,采用k‑均值聚类分析法进行驾驶员的恐惧情绪分类,搭载基于k‑均值—模糊神经网络的恐惧情绪识别模型,实现对驾驶员的恐惧情绪状态的有效识别,并输出驾驶员的情绪判定信息;
所述恐惧情绪分阶段分级干预模块与汽车行车电脑、音乐播放器、点火阻断装置、汽车制动踏板、汽车油门连接,根据车辆启动点火行车前和行车过程中两阶段恐惧情绪识别模块输出的驾驶员的情绪判定信息,对驾驶的车辆实施分阶段分级干预措施。