Classificação de Emoções do Motorista Baseada em Rede Neural Convolucional durante Condução Agressiva e Suave Usando Sensores de Câmera Multimodal

Devido ao fato de que a condução agressiva frequentemente causa perdas de vida e propriedades em grande escala, técnicas para detecção antecipada de estados emocionais adversos do motorista tornaram-se importantes para a prevenção de comportamentos de condução agressiva. Estudos anteriores focaram principalmente em sistemas para detectar emoções agressivas do motorista por meio de acelerômetros e giroscópios de smartphones, ou concentraram-se em métodos de detecção de sinais fisiológicos usando eletroencefalografia (EEG) ou sensores de eletrocardiograma (ECG). Como sensores de EEG e ECG causam desconforto aos motoristas e podem ser desprendidos do corpo do motorista, torna-se difícil focar em bio-sinais para determinar seu estado emocional. Giroscópios e acelerômetros dependem do desempenho de receptores GPS e não podem ser usados em áreas onde os sinais GPS estão bloqueados. Além disso, se a condução ocorrer em uma estrada de montanha com muitas curvas rápidas, o estado emocional de um motorista pode facilmente ser mal interpretado como o de um motorista agressivo. Para resolver esses problemas, propomos um método baseado em rede neural convolucional (CNN) para detectar emoções e identificar a condução agressiva usando imagens da face do motorista, obtidas com sensores de câmeras de luz infravermelha próxima (NIR) e térmica. Neste estudo, realizamos um experimento usando nosso próprio banco de dados, que fornece uma alta precisão de classificação para detectar emoções do motorista que levam tanto à condução agressiva quanto à suave (ou seja, relaxada). Nosso método proposto demonstra um desempenho melhor do que os métodos existentes.