融合面部表情与驾驶行为的路怒症识别方法研究

路怒症现象是交通事故发生的一个重要隐患,受到了各国交通管理者的普遍关注,为了高效率准确检测出路怒症情绪,及时进行必要的干涉和调整,有必要建立一种较精确的路怒症在线识别方法。该研究利用车载装置收集到的驾驶员人脸图像信息,为了克服传统的Ada Boost算法样本权重扭曲的缺点,采用更换权重的方式来改进AdaBoost人脸检测算法,进而获得了优化的人脸检测模型,对驾驶员的面部表情信息进行识别判定。依据驾驶员操控车辆的稳定性来判定驾驶行为,通过转向盘角度变化率、加速及制动踏板变化率获取驾驶行为信息,依据支持向量机算法来实现驾驶行为非线性分类,利用最优分类平面来划分驶安全行为和危险行为,进而识别判定驾驶员的驾驶行为信息。综合考虑驾驶员的面部表情和驾驶行为的影响,构建了融合面部表情和驾驶行为的Fisher线性判别模型,得到了一种优化后融合多信息的路怒症识别方法,最后通过实例验证,通过试验结果发现:通过更换权重和建立阈值改进Ada Boost人脸检测算法,即使在大样本量计算中也可保持良好的计算稳定性;融合面部表情和驾驶行为的路怒症识别方法的准确率为86%以上,明显高于单独使用驾驶人面部表情特征或驾驶行为信息特征时的正确率。