一种基于深度学习的驾驶员情感识别及不确定性评估方法

本发明涉及一种基于深度学习的驾驶员情感识别及不确定性评估方法，属于驾驶员情感识别领域。图像增强模块采用自适应直方图均衡化技术，有效解决车内光照不均带来的影响，提升图像质量。视觉特征提取模块使用改进后的Wide ResNet网络，通过添加谱归一化层和高斯过程层，不仅能够提取丰富的情感特征，还能感知特征之间的距离关系，增强模型对复杂和不确定数据的处理能力。情感识别模块利用贝叶斯理论体系，对高斯过程层得到的概率密度分布进行分类，并通过随机特征扩展拉普拉斯近似计算高斯过程后验，实现高效的情感识别。本发明通过引入不确定性评估功能，有效预测测试样本与训练样本之间的距离，为自动驾驶环境下的驾驶员情感识别提供决策优化。