1.一种驾驶员情绪识别方法,其特征在于,包括如下步骤:
获取驾驶员的面部表情特征、生理特征及驾驶行为特征的历史数据,将历史数据作为反映生理特征的数据,并通过主成分分析法对反映生理特征的数据进行降维处理,对降维处理后的历史数据进行聚类,根据聚类结果数据将驾驶员的驾驶风格划分为不同类别;
将不同的驾驶风格类别所对应的聚类结果数据输入神经网络模型,对所述神经网络模型进行训练,分别得到不同的驾驶风格类别对应的情绪识别模型;
判定需要进行情绪识别的驾驶员的驾驶风格类别所对应的情绪识别模型,将需要进行情绪识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据输入对应的情绪识别模型,识别出驾驶员在不同时间窗口的情绪状态数据;根据每个时间窗口内大于设定情绪识别阈值的情绪状态数据判定驾驶员的情绪状态;情绪识别阈值基于外部交通场景动态设置;
将需要进行情绪识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据输入对应的情绪识别模型,结合基于外部交通场景动态设置的情绪识别阈值,识别出驾驶员的情绪状态数据,包括如下步骤:采集待识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据,对面部表情特征、生理特征及驾驶行为特征的实时数据进行聚类,根据聚类结果数据判定驾驶员的驾驶风格类别;将待识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据输入驾驶员的驾驶风格类别所对应的情绪识别模型中,识别出驾驶员在不同时间窗口的情绪状态数据。
2.根据权利要求1所述的驾驶员情绪识别方法,其特征在于,所述对历史数据进行聚类之前,还包括将面部表情特征转化为整数标签;采用主成分分析法将生理特征及驾驶行为特征转化为一维连续变量。
3.根据权利要求1所述的驾驶员情绪识别方法,其特征在于,所述生理特征包括驾驶员的心率变化数据和血压变化数据,所述驾驶行为特征包括驾驶过程中的转向盘转角、车辆速度和车辆加速度。
4.根据权利要求1所述的驾驶员情绪识别方法,其特征在于,所述神经网络模型包括输入层、全连接层和输出层,所述全连接层用于对输入的数据进行加权和非线性激活处理,所述输出层采用Softmax激活函数,用于将全连接层的输出数据转换为不同情绪类别的概率分布。
5.一种驾驶员情绪识别系统,其特征在于,包括:
驾驶风格类别获取模块,用于获取驾驶员的面部表情特征、生理特征及驾驶行为特征的历史数据,将历史数据作为反映生理特征的数据,并通过主成分分析法对反映生理特征的数据进行降维处理,对降维处理后的历史数据进行聚类,根据聚类结果数据将驾驶员的驾驶风格划分为不同类别;
情绪识别模型获取模块,用于将不同的驾驶风格类别所对应的聚类结果数据输入神经网络模型,对所述神经网络模型进行训练,分别得到不同的驾驶风格类别对应的情绪识别模型;情绪识别阈值基于外部交通场景动态设置;
情绪识别模块,用于判定需要进行情绪识别的驾驶员的驾驶风格类别所对应的情绪识别模型,将需要进行情绪识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据输入对应的情绪识别模型,识别出驾驶员在不同时间窗口的情绪状态数据;根据每个时间窗口内大于设定情绪识别阈值的情绪状态数据判定驾驶员的情绪状态;情绪识别阈值基于外部交通场景动态设置;
将需要进行情绪识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据输入对应的情绪识别模型,识别出驾驶员在不同时间窗口的情绪状态数据,包括如下步骤:采集待识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据,对面部表情特征、生理特征及驾驶行为特征的实时数据进行聚类,根据聚类结果数据判定驾驶员的驾驶风格类别;将待识别的驾驶员的面部表情特征、生理特征及驾驶行为特征的实时数据输入驾驶员的驾驶风格类别所对应的情绪识别模型中,识别出驾驶员在不同时间窗口的情绪状态数据。
6.一种计算机设备,其特征在于,包括存储器和处理器;所述存储器存储有计算机程序,所述处理器用于运行所述存储器内的计算机程序,以执行权利要求1-4任一项所述的驾驶员情绪识别方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序适于处理器进行加载,以执行权利要求1-4任一项所述的驾驶员情绪识别方法。