首站-论文投稿智能助手
典型文献
基于AdaBoost与改进CNN的驾驶员愤怒情绪识别
文献摘要:
针对驾驶员愤怒驾驶引发的道路交通安全问题,提出一种基于AdaBoost与改进卷积神经网络(convolutional neural net-works,CNN)的驾驶员愤怒情绪识别模型.利用AdaBoost算法检测驾驶员人脸并采集面部表情数据,建立基于驾驶员情绪的表情数据集.针对CNN中LeNet模型的不足,提出改进方案,搭建改进LeNet模型.利用数据集对LeNet模型和改进LeNet模型进行训练,并对二者的辨识结果进行对比分析.结果表明,改进LeNet模型的正确率为95.83%,F1-Score为0.8837,损失值为0.0745,相较于LeNet模型而言,该模型对于驾驶员表情的识别性能更高.改进LeNet模型的高识别率能够在一定程度上降低愤怒情绪所带来的交通安全隐患,为辅助安全驾驶提供理论依据,进一步提高人机共驾的安全性.
文献关键词:
交通安全;卷积神经网络;LeNet模型;正确率;损失值
作者姓名:
于祥阁;张敬磊;孙龙祥;王云;盖姣云
作者机构:
山东理工大学交通与车辆工程学院,山东淄博255000
文献出处:
引用格式:
[1]于祥阁;张敬磊;孙龙祥;王云;盖姣云-.基于AdaBoost与改进CNN的驾驶员愤怒情绪识别)[J].中国科技论文,2022(02):203-211
A类:
B类:
AdaBoost,愤怒情绪,情绪识别,道路交通安全,改进卷积神经网络,convolutional,neural,net,works,识别模型,人脸,面部表情,驾驶员情绪,表情数据集,LeNet,改进方案,Score,损失值,识别性,识别率,安全驾驶,人机共驾
AB值:
0.310981
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。