滑铁卢大学Cogdrive实验室和重庆大学先进制造与信息技术实验室联合建立了一个驾驶员情绪面部表情（DEFE）数据集，用于驾驶员自发情绪分析。该数据集包括驾驶过程中60位参与者（43位男性）的面部表情记录。该数据集可用于评估驾驶员面部表情识别的算法，DEFE数据集也为同时从不同的情绪模型研究情绪识别提供了可能。
背景
驾驶员情绪在驾驶中起着重要作用，因为它会影响驾驶安全性和舒适性。在全球每年发生的20－50百万例非致命伤害和124万例致命道路交通事故中，驾驶员无力控制情绪已被视为安全的关键因素之一。智能汽车的快速发展也要求在驾驶员与自动化交互与协作的集成方面出现新的需求，从而进一步提升驾驶舒适性，其中驾驶员情绪是关键状态之一。因此识别驾驶员情绪对于提升来智能汽车的安全性和舒适性至关重要。
面部表情对驾驶员来说是表达情感的有力渠道。基于面部表情的情绪识别的最新进展促使人们创建了多个面部表情数据集。公开可用的数据集是加速面部表情研究的基础，如表1所示，我们总结了到目前为止所有包含面部表情的数据集，这些数据集已被用于面部表情来情绪识别，并获得了不同程度的成功。这些数据集的共同特征之一是在静态等场景下采集参加者的面部表情数据。
尽管静态场景下采集到的面部表情数据可以研究通过面部表情识别情绪状态，但是它将所提出的算法的应用局限到了静态生活场景下。结果，如果将此类算法应用到动态的驾驶场景下，可能无法得到可靠的识别效果。相对地，驾驶汽车是是一个复杂的认知过程，需要驾驶员动态地对视觉提示，危害评估，决策，战略规划等同时做出反应，从而占用驾驶员大量的认知资源，而认知过程对引起情绪反应来说是必须的，显然，驾驶会影响驾驶员的情绪表达，这种情绪表达和生活场景中相比是有差异的。
表1． 基于面部表情的情绪识别公开数据集小结
