，如針對相關(guān)行駛特征為當(dāng)前的車速、加速度等車輛運行參數(shù)判斷車輛為急加速、急減速、快速轉(zhuǎn)彎等狀態(tài)時，駕駛員很可能處于憤怒的情緒，則該分類器中與該車輛運行參數(shù)對應(yīng)的分類為駕駛員憤怒情緒。這樣，在采集到汽車當(dāng)前的各種相關(guān)行駛特征后，即可根據(jù)各種相關(guān)行駛特征在已完成學(xué)習(xí)、訓(xùn)練的分類器中進行歸類。
[0043]根據(jù)各種相關(guān)行駛特征在已完成學(xué)習(xí)、訓(xùn)練的分類器中的分類結(jié)果即可獲知汽車當(dāng)前行駛中的相關(guān)行駛特征所對應(yīng)的駕駛員情緒分類，實現(xiàn)對當(dāng)前駕駛汽車的駕駛員情緒的識別。
[0044]本實施例利用從汽車當(dāng)前的相關(guān)行駛信息中提取的相關(guān)行駛特征在預(yù)設(shè)的分類器中進行分類，識別當(dāng)前駕駛汽車的駕駛員情緒。由于是通過汽車當(dāng)前的相關(guān)行駛信息來識別駕駛員情緒，識別出的駕駛員情緒更加符合汽車當(dāng)前的實際行駛狀況，而不會受到駕駛員的面部特征、面部環(huán)境等因素的影響，能更加準確地識別出駕駛員情緒。
[0045]如圖2所示，本發(fā)明第二實施例提出一種汽車駕駛員情緒識別方法，在上述實施例的基礎(chǔ)上，在上述步驟S10之前還包括:
[0046]步驟S30，采集預(yù)設(shè)時間內(nèi)汽車行駛中的訓(xùn)練行駛信息，并從所述訓(xùn)練行駛信息中提取訓(xùn)練行駛特征；獲取針對不同訓(xùn)練行駛特征標注的不同駕駛員情緒；
[0047]步驟S40，基于預(yù)設(shè)的分類算法對不同訓(xùn)練行駛特征標注的不同駕駛員情緒進行學(xué)習(xí)、訓(xùn)練，形成預(yù)設(shè)的分類器。
[0048]本實施例中，在實際應(yīng)用中利用汽車當(dāng)前的相關(guān)行駛信息對駕駛員情緒進行識別之前，還可先對車輛的行駛特征進行學(xué)習(xí)、訓(xùn)練及分類標注等操作，生成預(yù)設(shè)的分類器。
[0049]具體地，首先收集預(yù)設(shè)時間內(nèi)汽車的相關(guān)行駛信息，該相關(guān)行駛信息可以包括至少以下一種或幾種的組合:車輛姿態(tài)信息、車況信息、路況信息、駕駛時長、車輛位置信息、車輛駕駛軌跡信息。提取預(yù)設(shè)時間內(nèi)汽車的相關(guān)行駛信息中的各種相關(guān)行駛特征作為分類器的基礎(chǔ)訓(xùn)練數(shù)據(jù)，獲取用戶或開發(fā)人員對不同相關(guān)行駛特征及其大小范圍進行人工標注的駕駛員情緒。如根據(jù)相關(guān)行駛特征為當(dāng)前的車速、加速度等車輛運行參數(shù)時判斷車輛為急加速、急減速、快速轉(zhuǎn)彎等狀態(tài)時，駕駛員很可能處于憤怒的情緒，則可將此車輛運行參數(shù)對應(yīng)標注為駕駛員憤怒情緒；當(dāng)根據(jù)相關(guān)行駛特征為當(dāng)前的車速、加速度等車輛運行參數(shù)判斷車輛為平穩(wěn)勻速直線行駛狀態(tài)時，駕駛員很可能處于平靜的情緒，則可將此車輛運行參數(shù)對應(yīng)標注為駕駛員平靜情緒；還可在駕駛時長超過一定閾值時，對應(yīng)標注為駕駛員情緒為疲勞狀態(tài)等?；陬A(yù)設(shè)的分類算法如決策樹分類算法、人工神經(jīng)網(wǎng)絡(luò)分類算法等機器學(xué)習(xí)算法對各種相關(guān)行駛特征及其標注的不同駕駛員情緒進行學(xué)習(xí)、訓(xùn)練，在收集大量訓(xùn)練數(shù)據(jù)進行學(xué)習(xí)、訓(xùn)練后，形成預(yù)設(shè)的分類器。該分類器即可將不同相關(guān)行駛特征準確地歸類到相應(yīng)的駕駛員情緒，以供后續(xù)識別操作中調(diào)用該分類器。
[0050]需要說明的是，本實施例中，分類的駕駛員情緒可以為幾種固定的情緒，如愉悅、平靜、疲勞、憤怒等，也可以為具體的情緒評分，在此不作限定。進行訓(xùn)練數(shù)據(jù)采集時，收集的相關(guān)行駛信息可以是出廠時預(yù)設(shè)時間內(nèi)汽車的相關(guān)行駛信息，也可以是截止到當(dāng)前汽車的相關(guān)行駛信息即更新到汽車當(dāng)前的最新行駛信息。這樣，能隨著汽車的行駛不斷地對預(yù)設(shè)的分類器進行學(xué)習(xí)、訓(xùn)練，強化，使得基于預(yù)設(shè)的分類器識別出的駕駛員情緒更加準確。
[0051]如圖3所示，本發(fā)明第三實施例提出一種汽車駕駛員情緒識別方法，在上述實施例的基礎(chǔ)上，在上述步驟S20之后還包括:
[0052]步驟S50，根據(jù)識別出的駕駛員情緒進行相應(yīng)的情緒引導(dǎo)處理。
[0053]本實施例中在識別出駕駛員情緒不利于當(dāng)前的車輛駕駛時，可對駕駛員進行相應(yīng)的情緒引導(dǎo)處理。如在識別出駕駛員情緒的評分較低或駕駛員情緒為憤怒情緒時，則可向駕駛員推送警告信息，通過文字顯示或語音提示駕駛員當(dāng)前情緒不利于駕駛，或自動播放用于緩解壓力的預(yù)設(shè)音頻信息，從而引導(dǎo)駕駛員緩和情緒，有效降低因駕駛員的憤怒情緒導(dǎo)致危險駕駛行為的可能性，提高了駕駛安全性。
[0054]本發(fā)明進一步提供一種汽車駕駛員情緒識別裝置。
[0055]參照圖4，圖4為本發(fā)明汽車駕駛員情緒識別裝置第一實施例的功能模塊示意圖。
[0056]在第一實施例中，該汽車駕駛員情緒識別裝置包括:
[0057]獲取模塊01，用于獲取汽車當(dāng)前行駛中的相關(guān)行駛信息，并從所述相關(guān)行駛信息中提取相關(guān)彳丁駛特征；
[0058]本實施例中，在汽車行駛過程中實時獲取汽車當(dāng)前的相關(guān)行駛信息，其中，該相關(guān)行駛信息可以包括至少以下一種或幾種的組合:當(dāng)前車輛姿態(tài)信息、當(dāng)前車況信息、當(dāng)前路況信息、駕駛時長、當(dāng)前車輛位置信息、車輛駕駛軌跡信息，當(dāng)然，也不限定該相關(guān)行駛信息為其他可以體現(xiàn)汽車當(dāng)前實際行駛狀況的信息，如汽車周圍環(huán)境等。
[0059]獲取汽車當(dāng)前的相關(guān)行駛信息后，還可從所述相關(guān)行駛信息中提取相關(guān)行駛特征。如根據(jù)當(dāng)前車況信息可以提取車輛當(dāng)前的車速、加速度等車輛運行參數(shù)，根據(jù)當(dāng)前路況信息可以提取當(dāng)前道路的平穩(wěn)度等參數(shù)。這樣，可在汽車行駛過程中實時采集能體現(xiàn)汽車當(dāng)前實際行駛狀況的各種相關(guān)行駛特征。
[0060]分類模塊02，用于根據(jù)所述相關(guān)行駛特征在預(yù)設(shè)的分類器中進行分類，根據(jù)所述分類器中的分類結(jié)果識別與所述相關(guān)行駛特征相對應(yīng)的駕駛員情緒。
[0061]采集到汽車當(dāng)前的各種相關(guān)行駛特征后，即可根據(jù)所述相關(guān)行駛特征在預(yù)設(shè)的分類器中進行歸類。其中，該分類器可以為決策樹分類器、選擇樹分類器、證據(jù)分類器等，分類器能夠把數(shù)據(jù)庫中的數(shù)據(jù)紀錄映射到給定類別中的某一個，從而可以應(yīng)用于數(shù)據(jù)預(yù)測。本實施例中，該分類器已完成學(xué)習(xí)、訓(xùn)練等操作，已將不同相關(guān)行駛特征分類到相應(yīng)的駕駛員情緒，如針對相關(guān)行駛特征為當(dāng)前的車速、加速度等車輛運行參數(shù)判斷車輛為急加速、急減速、快速轉(zhuǎn)彎等狀態(tài)時，駕駛員很可能處于憤怒的情緒，則該分類器中與該車輛運行參數(shù)對應(yīng)的分類為駕駛員憤怒情緒。這樣，在采集到汽車當(dāng)前的各種相關(guān)行駛特征后，即可根據(jù)各種相關(guān)行駛特征在已完成學(xué)習(xí)、訓(xùn)練的分類器中進行歸類。
[0062]根據(jù)各種相關(guān)行駛特征在已完成學(xué)習(xí)、訓(xùn)練的分類器中的分類結(jié)果即可獲知汽車當(dāng)前行駛中的相關(guān)行駛特征所對應(yīng)的駕駛員情緒分類，實現(xiàn)對當(dāng)前駕駛汽車的駕駛員情緒的識別。
[0063]本實施例利用從汽車當(dāng)前的相關(guān)行駛信息中提取的相關(guān)行駛特征在預(yù)設(shè)的分類器中進行分類，識別當(dāng)前駕駛汽車的駕駛員情緒。由于是通過汽車當(dāng)前的相關(guān)行駛信息來識別駕駛員情緒，識別出的駕駛員情緒更加符合汽車當(dāng)前的實際行駛狀況，而不會受到駕駛員的面部特征、面部環(huán)境等因素的影響，能更加準確地識別出駕駛員情緒。
[0064]如圖5所示，本發(fā)明第二實施例提出一種汽車駕駛員情緒識別裝置，在上述實施例的基礎(chǔ)上，還包括:
[0065]采集模塊03，用于采集預(yù)設(shè)時間內(nèi)汽車行駛中的訓(xùn)練行駛信息，并從所述訓(xùn)練行駛信息中提取訓(xùn)練行駛特征；獲取針對不同訓(xùn)練行駛特征標注的不同駕駛員情緒；
[0066]訓(xùn)練模塊04，用于基于預(yù)設(shè)的分類算法對不同訓(xùn)練行駛特征標注的不同駕駛員情緒進行學(xué)習(xí)、訓(xùn)