通过分析道路场景预测驾驶员自报告的压力
计算机视觉与模式识别
2021-09-28 v1
摘要
若干研究已表明生物信号在驾驶员压力识别中的相关性。在本工作中,我们考察了一个重要但较少被探索的问题:我们开发方法以测试视觉驾驶场景是否可用于估计驾驶员的主观压力水平。为此,我们使用 AffectiveROAD 视频记录及其对应的压力标签,即一种连续的人为驾驶员提供的压力度量。我们采用常见的压力类别离散化,将其连续值划分为三类:低、中、高。我们设计并评估了三种计算机视觉建模方法来分类驾驶员的压力水平:(1) 物体存在特征,使用自动场景分割计算特征;(2) 端到端图像分类;(3) 端到端视频分类。三种方法均展现出有前景的结果,表明有可能从视觉场景中的信息近似驾驶员的主观压力。我们观察到,处理与时间信息及视觉信息相集成的视频分类,在九名驾驶员的测试集上获得了 的最高准确率,而随机基线准确率为 。
引用
@article{arxiv.2109.13225,
title = {Predicting Driver Self-Reported Stress by Analyzing the Road Scene},
author = {Cristina Bustos and Neska Elhaouij and Albert Sole-Ribalta and Javier Borge-Holthoefer and Agata Lapedriza and Rosalind Picard},
journal= {arXiv preprint arXiv:2109.13225},
year = {2021}
}