机械工程学报

作者：王跃飞, 马伟丽, 王文康, 王超, 肖锴

单位：1. 合肥工业大学机械工程学院 合肥 230009;2. 安全关键工业测控技术教育部工程研究中心 合肥 230009

关键词：驾驶员情绪,生理信号,车辆状态,神经网络；

基金：国家自然科学基金(61202096)和安徽省重点研究与开发计划(202104a05020018)资助项目。

高精度驾驶员情绪识别模型是智能车辆安全辅助驾驶系统构建的关键问题之一。针对该问题，提出一种基于生理特征映射的驾驶员情绪在线识别模型构建方法。对不同情绪下驾驶员心电、脉搏生理信号进行时域特征提取，建立生理信号-情绪关联样本库，给出改进式自编码(Improved stacked autoencoder, I-SAE)神经网络架构，构建基于I-SAE神经网络的人员情绪生理表征和离线辨识模型；同步采集行驶过程中不同情绪下驾驶员生理信号和车辆状态数据，利用主成分分析法选取车辆状态特征参数向量，通过I-SAE模型识别处理生理信号数据，将驾驶员情绪的生理表征映射为车辆状态表征，构建车辆状态-驾驶员情绪关联样本库；在此基础上，建立基于学习矢量量化(Learning vector quantization, LVQ)的驾驶员情绪在线识别模型。试验数据表明，该方法构建的驾驶员情绪在线识别模型正确识别率达84%以上，可满足安全距离预警等车辆智能系统需要。

来源：2022年第20期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第20期