驾驶员情绪面部表情(DEFE)数据集

驾驶员情绪面部表情(DEFE)数据集是由重庆大学汽车工程学院和滑铁卢大学机械与机电工程系共同创建的，专门用于智能车辆中驾驶员自发情绪分析的数据集。该数据集包含60名参与者在驾驶过程中的面部表情记录。在观看特定的视频-音频片段以引发特定情绪后，每位参与者在相同的驾驶场景中完成驾驶任务，并从维度情绪和离散情绪的角度对其在驾驶过程中的情绪反应进行评分。数据集支持从两个方面对驾驶员情绪进行分类：维度情绪（唤醒、价态和支配）和离散情绪（情绪类别及其强度）。此外，数据集还用于分析动态驾驶场景和静态生活场景中人类面部表情的差异，为提高交通安全提供了必要的数据支持。The Driver Emotion Facial Expression (DEFE) dataset was co-created by the School of Automotive Engineering of Chongqing University and the Department of Mechanical and Mechatronics Engineering of the University of Waterloo, which is specifically dedicated to spontaneous emotion analysis of drivers in intelligent vehicles. This dataset includes facial expression recordings of 60 participants during driving. After viewing specific audio-visual clips to elicit specific emotions, each participant completed a driving task in the identical driving scenario, and their emotional responses during driving were scored from the perspectives of dimensional emotion and discrete emotion. The dataset supports classifying driver emotions from two aspects: dimensional emotions (arousal, valence, and dominance) and discrete emotions (emotion categories and their intensities). Furthermore, this dataset is also used to analyze the differences in human facial expressions between dynamic driving scenarios and static daily scenarios, providing necessary data support for improving traffic safety.

搜集汇总

数据集介绍

构建方式

驾驶员情绪面部表情（DEFE）数据集的构建基于60名参与者在驾驶过程中的面部表情记录。研究团队通过播放特定的视频-音频片段来诱发参与者的特定情绪，随后在相同的驾驶场景中完成驾驶任务，并通过维度情绪和离散情绪两个方面对驾驶过程中的情绪反应进行评分。数据收集过程中，参与者观看了三个随机排序的视频-音频片段，每个片段旨在诱发特定的情绪（愤怒、快乐或中性），并在驾驶任务结束后通过自我评估量表（SAM）和差异情绪量表（DES）报告其情绪状态。最终，数据集包含了164个视频片段，涵盖了愤怒、快乐和中性三种情绪类别，并标注了情绪的强度和维度（效价、唤醒度和支配度）。

使用方法

DEFE数据集的使用方法主要包括情绪分类和情绪强度识别。研究者可以利用该数据集进行基于维度情绪模型（效价、唤醒度和支配度）和离散情绪模型（愤怒、快乐和中性）的情绪分类实验。此外，数据集还支持情绪强度的识别，特别是愤怒和快乐情绪的强度分级。通过使用支持向量机（SVM）和深度学习模型（如Xception），研究者可以在DEFE数据集上建立基线结果，并与其他静态生活场景中的情绪数据集（如DEAP和CK+）进行对比分析，以验证驾驶场景中情绪识别的特殊性。

背景与挑战

背景概述

驾驶员情绪面部表情（DEFE）数据集由Wenbo Li等人于2020年提出，旨在为智能车辆中的驾驶员情绪分析提供支持。该数据集包含60名驾驶员在驾驶过程中自发情绪的面部表情记录，涵盖了愤怒、快乐和中性三种情绪。通过观看特定的视频-音频片段诱发情绪后，驾驶员在相同的驾驶场景中完成任务，并对其情绪反应进行评分。DEFE数据集结合了离散情绪模型和维度情绪模型，提供了情绪类别、强度以及唤醒度、效价和支配度的多维度标注。该数据集的发布填补了驾驶场景下情绪分析数据集的空白，为智能车辆中驾驶员情绪识别的研究提供了重要资源。

当前挑战

DEFE数据集在构建和应用中面临多重挑战。首先，驾驶场景下的情绪表达与非驾驶场景存在显著差异，驾驶任务的高认知负荷可能抑制情绪的面部表现，导致情绪识别的难度增加。其次，数据采集过程中，驾驶员的情绪诱发和记录需要高度精确的控制，以确保情绪的真实性和一致性。此外，面部表情的识别还受到光照、遮挡（如眼镜）等因素的干扰，进一步增加了数据处理的复杂性。最后，尽管DEFE数据集为驾驶场景下的情绪分析提供了基础，但其样本量和多样性仍需进一步扩展，以支持更广泛的算法验证和应用场景。

常用场景

经典使用场景

驾驶员情绪面部表情（DEFE）数据集主要用于智能车辆领域中的驾驶员情绪分析。该数据集通过记录驾驶员在驾驶过程中的面部表情，结合视频-音频刺激诱发特定情绪，为研究者提供了一个独特的资源，用于分析驾驶员在驾驶环境中的自发情绪反应。其经典使用场景包括驾驶员情绪识别、情绪与驾驶行为的关系研究，以及智能车辆中的人机交互系统开发。

解决学术问题

DEFE数据集解决了驾驶员情绪识别中的关键问题，尤其是在动态驾驶场景中情绪表达的独特性。传统情绪数据集多基于静态生活场景，而驾驶环境中的情绪表达受到驾驶任务的显著影响，导致传统算法在驾驶场景中的识别效果不佳。DEFE数据集填补了这一研究空白，提供了专门针对驾驶场景的情绪数据，帮助研究者开发更精准的情绪识别算法，提升驾驶安全性和舒适性。

实际应用

DEFE数据集的实际应用场景广泛，尤其在智能车辆和交通安全领域。通过分析驾驶员的情绪状态，智能车辆可以实时调整驾驶策略，例如在驾驶员情绪紧张时提供辅助驾驶功能，或在驾驶员情绪低落时播放舒缓音乐以提升驾驶体验。此外，该数据集还可用于开发情绪监测系统，帮助预防因情绪失控导致的交通事故，进一步提升道路安全。

数据集最近研究

最新研究方向

近年来，驾驶员情绪面部表情（DEFE）数据集在智能车辆领域的研究中引起了广泛关注。该数据集通过记录60名驾驶员在驾驶过程中的面部表情，结合视频-音频刺激诱发特定情绪，为驾驶员情绪分析提供了宝贵的数据资源。研究重点集中在情绪分类、情绪强度识别以及驾驶场景与非驾驶场景下情绪表达的差异分析。通过对比静态生活场景数据集（如JAFFE），研究发现驾驶场景下的面部表情动作单元（AUs）存在显著差异，表明驾驶任务对情绪表达具有抑制作用。这一发现为智能车辆中驾驶员情绪识别算法的开发提供了新的视角，强调了驾驶场景下情绪数据集的必要性。DEFE数据集的公开将进一步推动驾驶员情绪分析技术的发展，为提升驾驶安全性和舒适性提供支持。

相关研究论文

• A Spontaneous Driver Emotion Facial Expression (DEFE) Dataset for Intelligent Vehicles

  重庆大学汽车工程学院 · 2020年