基于生理信号与多视图多任务机器学习的真实驾驶诱发情感状态检测
机器学习
2019-07-24 v1 机器学习
摘要
情感状态在驾驶表现与安全性中起着关键作用。它们会削弱驾驶员的情境感知并对认知过程产生负面影响，严重降低道路安全性。因此，检测与评估驾驶员的情感状态对于改善驾驶体验、提升安全性、舒适性与幸福感至关重要。情感计算的最新进展已使得此类状态的检测成为可能。这有望催生共情式汽车用户界面，其考虑驾驶员的情绪状态并施加影响以改善安全。在本工作中，我们提出一种利用生理信号检测驾驶员情感状态的多视图多任务机器学习方法。所提方法能够考虑生理反应中的驾驶间变异性，同时实现所学模型的可解释性，这一因素在部署于真实世界的系统中尤为重要。我们在三个包含真实驾驶体验的不同数据集上评估了模型。结果表明，考虑驾驶特异性差异显著提升了模型性能。
引用
@article{arxiv.1907.09929,
title = {Detection of Real-world Driving-induced Affective State Using Physiological Signals and Multi-view Multi-task Machine Learning},
author = {Daniel Lopez-Martinez and Neska El-Haouij and Rosalind Picard},
journal= {arXiv preprint arXiv:1907.09929},
year = {2019}
}
备注
Affective Computing and Intelligent Interaction Conference 2019