技术特征：
1.一种报警管理系统，其特征在于，包括：原始数据获取单元，用于获取一系列预定时间点的驾驶员的面部图像和所述一系列预定时间点的基于电子地图的路况数据；情绪识别单元，用于使用基于第一卷积神经网络的情绪识别器对所述一系列预定时间点的驾驶员的面部图像进行图像处理以对所述驾驶员的情绪进行识别以获得由一系列情绪指数组成的情绪输入向量；情绪编码单元，用于使用包含一维卷积层和全连接层的情绪编码器对所述情绪输入向量进行编码以获得情绪特征向量；路况编码单元，用于使用基于深度神经网络的路况编码器对所述一系列预定时间点的所述基于电子地图的路况数据进行编码以获得一系列路况特征向量；路况矩阵构造单元，用于将所述一系列路况特征向量沿样本维度排列为输入特征矩阵；路况变化特征提取单元，用于使用基于第二卷积神经网络的路况变化特征提取器对所述输入特征矩阵进行显示空间编码以获得路况特征图；池化单元，用于对所述路况特征图进行沿通道维度的全局池化处理以获得路况特征矩阵；响应单元，用于对于所述情绪特征向量的每个位置的特征值，计算该位置的特征值相对于所述路况特征矩阵的响应特征值，其中，所述响应特征值基于所述路况特征矩阵中第一行到第i行的i个行均值与该位置的特征值之间的商之和生成；以及警示单元，用于将所述响应特征值排列为分类特征向量后输入分类器以获得分类结果，所述分类结果用于表示判定驾驶员情绪的警示信号。2.根据权利要求1所述的报警管理系统，其中，所述情绪识别单元，包括：特征提取子单元，用于使用所述情绪识别器的第一卷积神经网络从所述面部图像获得面部特征图；情绪分类子单元，用于将所述面部特征图输入所述情绪识别器的分类器以获得所述情绪指数；以及向量构造单元，用于将所述情绪指数按照时间维度排列为所述情绪输入向量。3.根据权利要求2所述的报警管理系统，其中，所述情绪编码单元，包括：全连接编码子单元，用于使用所述情绪编码器的全连接层对所述情绪输入向量进行全连接编码以提取所述情绪输入向量中各个位置的特征值的高维隐含特征；以及一维卷积编码子单元，用于使用所述情绪编码器的一维卷积层对所述情绪输入向量进行一维卷积处理以提取所述情绪输入向量中各个位置的特征值之间的关联的高维隐含特征以获得所述情绪特征向量。4.根据权利要求3所述的报警管理系统，其中，所述基于第二卷积神经网络的路况变化特征提取器以如下公式对所述输入特征矩阵进行显示空间编码以获得所述路况特征图；其中，所述公式为：f
i
＝active(n
i
×
f
i-1
+b
i
)其中，f
i-1
为第i层第二卷积神经网络的输入，f
i
为第i层第二卷积神经网络的输出，n
i
为第i层第二卷积神经网络的卷积核，且b
i
为第i层第二卷积神经网络的偏置向量，active表示非线性激活函数。5.根据权利要求4所述的报警管理系统，其中，所述响应单元，进一步用于对于所述情绪特征向量的每个位置的特征值，以如下公式计算该位置的特征值相对于所述路况特征矩阵的响应特征值；其中，所述公式为：
f
i
表示所述情绪特征向量中各个位置的特征值，表示所述路况特征矩阵中的第一行到第i行的i个行均值。6.根据权利要求1所述的报警管理系统，其中，所述警示单元，进一步用于：将所述响应特征值排列为分类特征向量后输入所述分类器的softmax分类函数以获得所述分类特征向量分别归属于驾驶员情绪的警示信号的各个标签的概率值；以及，基于所述分类特征向量分别归属于驾驶员情绪的警示信号的各个标签的概率值，确定所述分类结果。7.一种报警管理系统的工作方法，其特征在于，包括：获取一系列预定时间点的驾驶员的面部图像和所述一系列预定时间点的基于电子地图的路况数据；使用基于第一卷积神经网络的情绪识别器对所述一系列预定时间点的驾驶员的面部图像进行图像处理以对所述驾驶员的情绪进行识别以获得由一系列情绪指数组成的情绪输入向量；使用包含一维卷积层和全连接层的情绪编码器对所述情绪输入向量进行编码以获得情绪特征向量；使用基于深度神经网络的路况编码器对所述一系列预定时间点的所述基于电子地图的路况数据进行编码以获得一系列路况特征向量；将所述一系列路况特征向量沿样本维度排列为输入特征矩阵；使用基于第二卷积神经网络的路况变化特征提取器对所述输入特征矩阵进行显示空间编码以获得路况特征图；对所述路况特征图进行沿通道维度的全局池化处理以获得路况特征矩阵；对于所述情绪特征向量的每个位置的特征值，计算该位置的特征值相对于所述路况特征矩阵的响应特征值，其中，所述响应特征值基于所述路况特征矩阵中第一行到第i行的i个行均值与该位置的特征值之间的商之和生成；以及将所述响应特征值排列为分类特征向量后输入分类器以获得分类结果，所述分类结果用于表示判定驾驶员情绪的警示信号。8.根据权利要求7所述的报警管理系统的工作方法，其中，使用基于第一卷积神经网络的情绪识别器对所述一系列预定时间点的驾驶员的面部图像进行图像处理以对所述驾驶员的情绪进行识别以获得由一系列情绪指数组成的情绪输入向量，包括：使用所述情绪识别器的第一卷积神经网络从所述面部图像获得面部特征图；将所述面部特征图输入所述情绪识别器的分类器以获得所述情绪指数；以及将所述情绪指数按照时间维度排列为所述情绪输入向量。9.根据权利要求7所述的报警管理系统的工作方法，其中，使用包含一维卷积层和全连接层的情绪编码器对所述情绪输入向量进行编码以获得情绪特征向量，包括：使用所述情绪编码器的全连接层对所述情绪输入向量进行全连接编码以提取所述情绪输入向量中各个位置的特征值的高维隐含特征；以及使用所述情绪编码器的一维卷积层对所述情绪输入向量进行一维卷积处理以提取所述情绪输入向量中各个位置的特征值之间的关联的高维隐含特征以获得所述情绪特征向量。10.根据权利要求7所述的报警管理系统的工作方法，其中，所述基于第二卷积神经网络的路况变化特征提取器以如下公式对所述输入特征矩阵进行显示空间编码以获得所述路况特征图；其中，所述公式为：f
i
＝active(n
i
×
f
i-1
+b
i
)其中，f
i-1
为第i层第二卷积神经网络的输入，f
i
为第i层第二卷积神经网络的输出，n
i
为第i层第二卷积神经网络的卷积核，且b
i
为第i层第二卷积神经网络的偏置向量，active表
示非线性激活函数。
技术总结
本申请涉及智能交通安全的领域，其具体地公开了一种报警管理系统及其工作方法。其通过基于卷积神经网络的图像识别和分类技术来对驾驶员的情绪进行识别以获得情绪指数，同时通过基于深度神经网络的路况编码器来对电子地图的路况数据进行编码以得到编码的路况特征向量，并且还进一步地基于时间维度上的变化趋势结合绝对数值来进行分类，以提高分类的准确性。通过这样的方式，可以综合路况信息和驾驶员的情绪模式来自动产生警报，从而保证公交车出行的安全性。出行的安全性。出行的安全性。
技术研发人员：周敏兰
受保护的技术使用者：上海雾滴行科技有限公司
技术研发日：2022.04.12
技术公布日：2022/6/24