개선된 Faster R-CNN 및 신경 구조 검색 네트워크 기반 운전자의 감정 인식

지능형 차량이 지속적으로 운전자의 건강과 안녕을 모니터링할 수 있는 능력은 매우 중요합니다. 이는 자율주행 차량의 경우에 특히 그러합니다. 이 문제를 해결하기 위해, 딥 러닝을 사용하여 운전자의 실제 감정을 인식하는 자동 시스템(드라이버의 감정 인식기, DRER)이 개발되었습니다. 실내 차량 내에서 운전자의 감정적 가치는 이미지 디자인에 대칭적으로 매핑되어 추상 표현의 특성과 표현 디자인 원칙을 조사하고, 지능형 제품을 위한 운전자의 얼굴 표정 디자인에 대한 기존 연구를 기반으로 한 실험적 평가가 수행됩니다. 본 연구에서 개선된 faster R-CNN 얼굴 탐지기를 개발하기 위해 기본 11 레이어 CNN 모델을 사용자 정의 CNN 특징 학습 블록으로 대체하여 운전자의 얼굴을 높은 프레임 속도(FPS)로 감지합니다. 운전자의 다양한 감정을 인식하기 위해 NasNet 대형 CNN 모델에서 전이 학습이 수행됩니다. 또한 이 연구 작업의 일환으로 사용자 정의 운전자의 감정 인식 이미지 데이터 세트가 개발되고 있습니다. 제안된 모델은 얼굴 이미지를 기반으로 한 DRER을 위한 개선된 faster R-CNN과 NasNet-Large CNN 아키텍처의 전이 학습을 결합하여 이전보다 더 높은 정확도를 가능하게 합니다. 제안된 모델은 정확도 측면에서 최근 업데이트된 최첨단 기술 중 일부를 능가합니다. 제안된 모델은 다양한 벤치마크 데이터 세트에서 다음과 같은 정확도를 달성했습니다: JAFFE 98.48%, CK+ 99.73%, FER-2013 99.95%, AffectNet 95.28%, 및 사용자 정의 개발된 데이터 세트에서 99.15%입니다.