elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Maschinelle Erkennung der Frustration von Autofahrern aus Videoaufnahmen des Gesichts: Vorläufige Ergebnisse

Zhang, Meng und Ihme, Klas und Jipp, Meike (2016) Maschinelle Erkennung der Frustration von Autofahrern aus Videoaufnahmen des Gesichts: Vorläufige Ergebnisse. 5. Interdisziplinärer Workshop Kognitive Systeme: Mensch, Teams, Systeme und Automaten, 2016-03-14 - 2016-03-16, Bochum, Deutschland.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Abstract: Gerade unter Zeitdruck empfinden Autofahrer bestimmte Situationen, wie Baustellen oder lange Rotphasen, als frustrierend. Frustration kann zu aggressivem Verhalten führen und somit das Unfallrisiko massiv erhöhen. Vor diesem Hintergrund könnten zukünftige intelligente Fahrerassistenzsysteme Frustration der Fahrer erkennen und dieser entgegenwirken bevor sie verhaltensrelevant wird. Dies setzt allerdings eine robuste und möglichst nicht-invasive Erkennung von Frustration im Fahrzeug voraus. Besonders vielversprechend scheint die Erkennung von Frustration aus Gesichtsausdrücken der Probanden zu sein. Deshalb setzt sich die hier beschriebene Arbeit zum Ziel mit Methoden der Videoverarbeitung und des maschinellen Lernens Videoaufnahmen des Gesichts von frustrierten Autofahrern während einer Simulatorfahrt von nicht-frustrierten zu trennen. Hierzu wurden einerseits spezifische Merkmale der Gesichtsausdrücke von Frustration bestimmt, andererseits verschiedene Verfahren zur statistischen Abgrenzung der Gesichtsausdrücke evaluiert. Dreißig Probanden fuhren sowohl frustrierende (Frust) als auch nicht-frustrierende (noFrust) Fahrten im Fahrsimulator während ihr Gesicht auf Video aufgenommen wurde. Die Aktivierung der Gesichtsmuskeln wurde auf Basis des Facial Action Coding Systems aus den Videodaten extrahiert. Die daraus resultierende Aktivierung 18 verschiedener Gesichtsmuskeln über die Zeit wurde dann über verschiedene Verfahren zwischen den beiden Bedingungen verglichen. Spezielle Gesichtsmuskeln im Bereich des Mundes wurden häufiger in der Frust- gegenüber der noFrust-Bedingung gezeigt. Erste Ergebnisse mit maschinellen Klassifikatoren deuten an, dass die Klassifikation von Frustration über die Gesichtsmuskelaktivierung möglich ist (mittlerer kreuzvalidierter Fehler bei den Probanden liegt bei 5%). Dies lässt sich langfristig zur Gestaltung von intelligenten Fahrerassistenzsystemen zur Reduktion von Frustration nutzen.

elib-URL des Eintrags:https://elib.dlr.de/100500/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Maschinelle Erkennung der Frustration von Autofahrern aus Videoaufnahmen des Gesichts: Vorläufige Ergebnisse
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Zhang, MengDLRNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ihme, KlasDLRNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Jipp, MeikeMeike.Jipp (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:16 März 2016
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Emotionserkennung, Nutzerzustandsüberwachung, Autofahren, Maschinelles Lernen, Frustration
Veranstaltungstitel:5. Interdisziplinärer Workshop Kognitive Systeme: Mensch, Teams, Systeme und Automaten
Veranstaltungsort:Bochum, Deutschland
Veranstaltungsart:nationale Konferenz, Workshop
Veranstaltungsbeginn:14 März 2016
Veranstaltungsende:16 März 2016
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Bodengebundener Verkehr (alt)
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V BF - Bodengebundene Fahrzeuge
DLR - Teilgebiet (Projekt, Vorhaben):V - Fahrzeugintelligenz (alt)
Standort: Braunschweig
Institute & Einrichtungen:Institut für Verkehrssystemtechnik > Human Factors
Hinterlegt von: Ihme, Klas
Hinterlegt am:31 Mär 2016 08:12
Letzte Änderung:24 Apr 2024 20:05

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.