随着社会经济的发展,我国人民生活水平的不断提高,家用汽车已经走进千家万户,成为人们日常生活中不可或缺的一部分。与此同时,出租车、公交车、大货车等车辆的数量也在增加,给人们的出行和生活带来了极大的便利。然而,车辆的增加在给人们带来便利的同时,也使得交通拥堵现象日益严重,行人与车辆、车辆与车辆、车辆与道路之间的冲突逐渐加大,进而导致由愤怒情绪引起的道路交通事故逐年增加。2006年底,“路怒”一词成功当选“2006年度华语地区中文新词”,自此,“路怒症”开始进入中国媒体的视线,并引起广大交通安全学者和驾驶人的重视。因此,如何准确地识别出驾驶人的愤怒情绪,进而有效并及时地干预驾驶人的愤怒情绪,预测并应对驾驶人具有危害性的驾驶行为,已经成为现如今汽车驾驶人愤怒情绪研究发展的热点。本论文以驾驶人的面部表情信息和脉搏信息为研究对象,通过模拟驾驶及情感诱发实验采集被试者在平静、高兴和愤怒三种情绪状态下的面部表情信息及脉搏信息,结合计算机图像处理(瞳孔定位,面部表情特征提取)和生理信号处理(脉搏去噪,脉搏主波峰检测,脉搏特征提取)来研究驾驶人的愤怒情绪。论文的主要研究内容如下：(1)搭建模拟驾驶及情感诱发实验环境。通过实验获得被试驾驶人的实时面部表情视频信息和脉搏信息。通过对比分析被试者完成的调查问卷和主试的记录,截取被试情感诱发强度较大时刻的情感信息,以保证下一步所使用情感信息的主、客观有效性。(2)对所获得的面部表情图像进行处理以获得驾驶人面部表情特征向量。对预处理后的图像进行瞳孔定位,然后根据瞳孔间距与人脸大小间的关系精确定位人脸,对精确定位后的人脸使用Gabor小波和主成分分析相结合的方法完成特征提取、特征降维等工作,得到驾驶人情绪识别所需要的面部表情特征。(3)对采集到的脉搏信息处理以获得脉搏信息特征向量。使用基于Stein无偏似然估计分层阈值的方法对脉搏信息去噪,检测并定位脉搏主波波峰位置,然后提取脉搏信息主波波峰的均值、方差,脉搏信号的均值、方差,以及脉搏信息主波间期近似熵特征,并将这些特征量作为驾驶人情绪识别的脉搏信息特征向量。(4)对所提取的驾驶人面部表情和脉搏信息特征向量进行信息融合,通过在MATLAB平台上进行仿真实验,得出适用于本研究且分类效果较好的Fisher线性判别分类器,并通过所设计的Fisher线性判别分类器完成驾驶人愤怒情绪的识别工作。