买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于机器学习的驾驶员路怒情绪检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116189267B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310205506.5，技术领域涉及：G06V40/16；该发明授权一种基于机器学习的驾驶员路怒情绪检测方法是由郑宏宇;潘之瑶;靳立强;李建华;肖峰设计研发完成，并于2023-03-06向国家知识产权局提交的专利申请。

本一种基于机器学习的驾驶员路怒情绪检测方法在说明书摘要公布了：本发明公开了一种基于机器学习的驾驶员路怒情绪检测方法，旨在通过多种传感器采集驾驶员的人脸图像、声音和用力状态，以实现对驾驶员路怒情绪的准确检测，提高驾驶安全性。该方法包括采样模块、人脸识别模块、特征点定位模块、路怒情绪检测模块和警示模块，其中采用了AdaBoost算法、Haar‑Cascade算法、受约束的局部神经域模型和支持向量机模型，并结合粒子群优化算法对参数进行优化，以提高路怒情绪检测的准确性和泛化能力；本方法可应用于各类车型和驾驶员，可实现实时检测和警示。

本发明授权一种基于机器学习的驾驶员路怒情绪检测方法在权利要求书中公布了：1.一种基于机器学习的驾驶员路怒情绪检测方法，其特征在于，包括采样模块、人脸识别模块、特征点定位模块、路怒情绪检测模块和警示模块； 所述采样模块，使用布置在车内仪表盘之上的940nm红外摄像头作为驾驶员人脸采样设备；使用安装在主驾驶座位的头枕左侧的麦克风作为驾驶员声音采样设备；使用布置在加速踏板和制动踏板上的压力传感器、布置在方向盘上的握力传感器作为驾驶员用力状态采样设备； 所述人脸识别模块，采用AdaBoost算法和Haar-Cascade算法对所述人脸采样模块中采集到的图像进行人脸检测，识别到人脸位置，并且对局部器官进行初步定位，所述局部器官包括眉毛、眼睛、鼻子和嘴巴，具体步骤如下所示： S1：数据准备：获取人脸采样模块中采集到的图像，并将其转化为灰度图像； S2：Haar-like特征提取：对每个灰度图像进行Haar-like特征提取，提取出多个不同大小、不同位置的特征； S3：AdaBoost分类器训练：将提取的Haar-like特征作为输入，对训练集进行训练，得到多个AdaBoost分类器； S4：级联分类器构建：将训练好的AdaBoost分类器级联起来，形成一个级联分类器； S5：图像扫描：在待检测的图像上使用滑动窗口技术，对图像中的每一个位置进行扫描，并对每个窗口使用级联分类器进行分类判断，得到该窗口是否包含人脸； S6：人脸定位：如果一个窗口被分类为包含人脸，则可以认为该窗口中心处存在一个人脸，根据窗口的位置和大小，可以初步定位人脸的位置； S7：局部器官定位：根据人脸位置和大小，对眉毛、眼睛、鼻子和嘴巴进行初步定位； 所述特征点定位跟踪模块，以所述人脸识别模块的初步定位结果为基础，采用受约束的局部神经域模型进行人脸特征点的定位，建立包含n个特征点的受约束的局部神经域模型；具体步骤如下所示： S1：根据所述人脸识别模块中得到的眉毛、眼睛、鼻子和嘴巴的初步定位位置，将其作为受约束的局部神经域模型的初始位置，即假设初始的人脸特征点位置为x0＝[x1,y1,...,xn,yn]T； S2：对每个特征点进行偏移量的估计，得到偏移量矩阵w，偏移量矩阵的每个元素wij表示特征点i在x方向上的偏移量和在y方向上的偏移量的组合，即wij＝[Δxi,Δyi]； S3：根据偏移量矩阵和初始位置x0，得到估计的特征点位置x＝[x1+Δx1,y1+Δy1,...,xn+Δxn,yn+Δyn]T； S4：通过条件随机场模型来对特征点位置进行优化，将优化后的特征点位置记为x*，条件随机场模型可以定义为： 其中，I为输入的人脸图像，Z是归一化因子，Ex|I是CRF的能量函数，包括全局能量项Eglobalx和局部能量项Elocx*,x两个部分： Ex|I＝Eglobalx+Elocx*,x 其中，μ和Σ分别是训练数据集上所有特征点的均值和协方差矩阵，λi、ai和bi分别表示第i个特征点的权重、长轴和短轴，x*表示经过全局约束后的特征点位置，通过梯度下降优化算法来最小化CRF能量函数，得到优化后的特征点位置x*； S5：重复执行S3至S5，直到特征点位置收敛或达到最大迭代次数为止，最终得到的特征点位置即为人脸的关键点位置； 所述路怒情绪检测模块，基于泛化能力较强的支持向量机模型搭建驾驶员路怒情绪检测模型，利用粒子群优化算法对其参数进行优化；具体步骤如下所示： S1：建立训练样本库，包含超过200分钟的驾驶视频，其中包括不少于40位驾驶员的驾驶视频，每个驾驶员的驾驶视频时长不超过5分钟，然后使用人脸识别模块和特征点定位模块进行解析，人工给不同帧的人脸图像的路怒情绪进行评分，评分范围为[0,10]，丝毫没有路怒情绪为0分，充满路怒情绪为10分，最小分数刻度为0.1分； S2：数据预处理：为了提高模型的收敛速度和精度，对样本数据，即驾驶员路怒情绪参数，按以下公式进行归一化处理： 其中，Xmin和Xmax分别为样本数据的最小值和最大值；X为样本数据，X'为归一化后的数据，归一化到范围[0,1]； S3：模型训练：基于支持向量机SVM算法搭建驾驶员路怒情绪检测模型，其优化目标是找到一个最优的超平面，将不同类别的数据分隔开来，训练过程可以表示为以下公式： 其中，w表示超平面的法向量，b表示偏置项，ξi表示松弛变量，C表示正则化参数，n表示样本数量； S4：参数优化：使用粒子群优化算法PSO对SVM模型的参数进行优化，其优化过程可以表示为以下公式： xit+1＝xit+vit+1 vit+1＝wvit+c1r1pi-xi+c2r2g-xi 其中，xi表示粒子的位置向量，vi表示粒子的速度向量，w表示惯性权重，c1和c2表示加速因子，r1和r2表示随机数向量，pi表示粒子历史上最好的位置向量，g表示全局最好的位置向量，t表示当前迭代次数； S5：模型测试：将优化后的模型应用于路怒情绪的识别任务，通过对测试数据集的预测结果进行评估和分析； 所述警示模块，在所述路怒情绪检测模块检测到驾驶员的路怒情绪超过预设值时，采取相应措施。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。