滑鐵盧大學Cogdrive實驗室和重慶大學先進制造與信息技術實驗室聯(lián)合建立了一個駕駛員情緒面部表情（DEFE）數(shù)據(jù)集，用于駕駛員自發(fā)情緒分析。該數(shù)據(jù)集包括駕駛過程中60位參與者（43位男性）的面部表情記錄。該數(shù)據(jù)集可用于評估駕駛員面部表情識別的算法，DEFE數(shù)據(jù)集也為同時從不同的情緒模型研究情緒識別提供了可能。
背景
駕駛員情緒在駕駛中起著重要作用，因為它會影響駕駛安全性和舒適性。在全球每年發(fā)生的20－50百萬例非致命傷害和124萬例致命道路交通事故中，駕駛員無力控制情緒已被視為安全的關鍵因素之一。智能汽車的快速發(fā)展也要求在駕駛員與自動化交互與協(xié)作的集成方面出現(xiàn)新的需求，從而進一步提升駕駛舒適性，其中駕駛員情緒是關鍵狀態(tài)之一。因此識別駕駛員情緒對于提升來智能汽車的安全性和舒適性至關重要。
面部表情對駕駛員來說是表達情感的有力渠道?；诿娌勘砬榈那榫w識別的最新進展促使人們創(chuàng)建了多個面部表情數(shù)據(jù)集。公開可用的數(shù)據(jù)集是加速面部表情研究的基礎，如表1所示，我們總結了到目前為止所有包含面部表情的數(shù)據(jù)集，這些數(shù)據(jù)集已被用于面部表情來情緒識別，并獲得了不同程度的成功。這些數(shù)據(jù)集的共同特征之一是在靜態(tài)等場景下采集參加者的面部表情數(shù)據(jù)。
盡管靜態(tài)場景下采集到的面部表情數(shù)據(jù)可以研究通過面部表情識別情緒狀態(tài)，但是它將所提出的算法的應用局限到了靜態(tài)生活場景下。結果，如果將此類算法應用到動態(tài)的駕駛場景下，可能無法得到可靠的識別效果。相對地，駕駛汽車是是一個復雜的認知過程，需要駕駛員動態(tài)地對視覺提示，危害評估，決策，戰(zhàn)略規(guī)劃等同時做出反應，從而占用駕駛員大量的認知資源，而認知過程對引起情緒反應來說是必須的，顯然，駕駛會影響駕駛員的情緒表達，這種情緒表達和生活場景中相比是有差異的。
表1． 基于面部表情的情緒識別公開數(shù)據(jù)集小結
12下一頁>（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
