基于改进残差网络的驾驶员情绪监测方法

针对驾驶员情绪实时监测问题,提出一种基于改进残差网络(ResNet)的表情识别方法,并设计了一种驾驶员情绪监测系统。系统首先对摄像头获取的驾驶员面部图像进行人脸检测与预处理,包括定位和白化处理,然后通过ResNet提取表情特征;其次,选用支持向量机(support vector machine,SVM)改进ResNet中的分类器,将表情特征输入SVM中进行情绪分类;最终,采用交叉熵损失函数,使用Fer2013数据集进行训练和实验,并利用迁移学习加速模型训练。实验结果表明,所提方法的识别准确率达到72.6%。与其他方法的对比分析验证了所提方法在驾驶员情绪监测中的有效性和实用性。