赵华, 范鸿钢, 冯译方, 陈大昕, 刘志喜, 陈韬
天津大学学报(自然科学与工程技术版). 2025, 58(06): 619-628.
驾驶员的情绪变化会直接影响其驾驶行为.目前对于驾驶员行为预测的研究依然采用统计分析的方式,无法反映情绪状态对驾驶员行为的影响,导致对驾驶员动力需求的预判存在信息偏差.为此,针对实际驾驶过程中的驾驶员情绪状态判断,提出了满足实车应用的驾驶员情绪识别算法,同时设计试验研究了不同情绪间驾驶行为的特征差异.首先,针对车载计算单元相对不足的问题,结合人脸动作单元和面部表情编码系统,简化了高兴和愤怒两种表情的面部关键点,进而降低特征维度.然后,使用支持向量机分别建立了两种情绪的识别模型,通过网格搜索算法优化了模型参数,提升离线识别准确率.最后,结合情绪诱导设计了实车道路试验,基于通用计算平台测试了模型的在线识别效果,同时对比了驾驶员在高兴和愤怒时的驾驶行为以及车辆运行差异.结果表明:利用简化特征建立的高兴和愤怒识别模型,数据集离线测试的准确率分别达到了84.45%和84.43%;通用计算平台的测试结果显示该算法满足车载实时应用的需求,与情绪诱导结果对应,能够在线识别驾驶员的情绪状态;与高兴情绪相比,驾驶员在愤怒情绪下的驾驶行为更加激进,加速踏板的操作从长期维持不变转为周期性的剧烈踩踏,踏板频谱幅值最大提高了165.1%,整车油耗最大增加了14.2%.