基于S5PV210芯片的駕駛員情緒感知系統(tǒng)設(shè)計

謝卓然 ， 馬榮國 ， 宋鵬飛

（1.長安大學(xué) 公路學(xué)院，陜西 西安 710064；2.中國公路工程咨詢集團(tuán)有限公司 北京 100097）

為了提高物流行業(yè)效率，需要對駕駛員情緒進(jìn)行判斷和調(diào)節(jié)，始終讓駕駛員處于一種高效的情緒狀態(tài)。駕駛員不良情緒在道路交通運輸領(lǐng)域，經(jīng)常會導(dǎo)致災(zāi)難性的事故。駕駛員處于不良情緒狀態(tài)時，其應(yīng)變速度變慢，處理信息的速度也降低，決策的質(zhì)量也會受到影響[1]，它與安全行車關(guān)系極大。本文提出一種基于S5PV210芯片的駕駛員情緒感知系統(tǒng)方案，由USB工業(yè)相機獲取駕駛員人臉圖像，利用一種基于稀疏表示的表情特征數(shù)值分類方法，獲得駕駛員人臉表情特征數(shù)值，最后通過映射獲得駕駛員情緒狀態(tài)結(jié)果。視覺的方法，通過對布置在駕駛員前段的光學(xué)圖像采集器，對駕駛?cè)嗣娌刻卣鬟M(jìn)行實時監(jiān)測處理，當(dāng)出現(xiàn)預(yù)設(shè)情況時給予警示，比如系統(tǒng)判斷出駕駛員處于疲倦或者生氣的表情時，駕駛員工作狀態(tài)就判定為不利于駕駛的狀態(tài)，給予報警提示，并將實時數(shù)據(jù)通過WIFI通信網(wǎng)絡(luò)發(fā)送回管理中心服務(wù)器，管理中心對所有駕駛員數(shù)據(jù)進(jìn)行分析處理，對管理者提供決策數(shù)據(jù)，或者根據(jù)設(shè)定規(guī)則向管理者提供建議，決策后向駕駛員端發(fā)出管理命令，始終讓駕駛員處于高效率的工作狀態(tài)。

1 系統(tǒng)總體原理與硬件設(shè)計

系統(tǒng)總體原理如圖1所示，采用三星公司的高端ARM Cortex—A8 S5PV210處理器作為主控芯片。通過對布置在駕駛員前段的光學(xué)圖像采集器獲取駕駛員面部圖像，位于前端的S5PV210芯片處理器對該圖像進(jìn)行運算處理，利用一種基于稀疏表示的表情特征數(shù)值分類方法，識別出駕駛員的實時表情，根據(jù)表情映射出此時駕駛員的情緒狀態(tài)。通過計算機

圖1 系統(tǒng)總體原理圖Fig.1 Structure diagram of the proposed system

基于S5PV210芯片的駕駛員情緒感知系統(tǒng)的硬件部件主要包括 LCD、WIFI、USB、攝像頭、SD 卡、電源等資源，如圖2所示。內(nèi)部通過I2C總線將S5PV210與顯示屏、電源模塊、連接在一起，S5PV210的I/O端口接報警器，存儲器端口分別接 DDR和 NAND，XMMC端口接 SD卡，MMC端口接 WIFI模塊，另外LCD端口接LCD，USB端口接攝像頭。

圖2 系統(tǒng)硬件框圖Fig.2 Structure diagram of the hardware system

2 系統(tǒng)識別算法

采用一種基于稀疏[2]表示的表情特征數(shù)值分類方法，獲得駕駛員人臉表情特征數(shù)值。基于稀疏表示的駕駛員面部表情識別算法的基本思想是，首先將所有的訓(xùn)練集圖像和待測試圖像均經(jīng)過預(yù)處理操作后進(jìn)行特征提取，得到已標(biāo)記好的各類別的訓(xùn)練集，然后通過基于稀疏表示的分類算法識別出測試圖像的所屬類別。具體步驟整理如下：

1）將輸入駕駛員表情測試樣本與K個類別的所有訓(xùn)練集人臉表情圖像進(jìn)行手工對齊、大小歸一化、直方圖均衡等預(yù)處理操作，然后進(jìn)行降維處理，分別生成測試樣本人臉表情圖像y和訓(xùn)練集生成矩陣A，使得

2）求解降維處理后測試樣本人臉圖像y在訓(xùn)練集矩陣A的稀疏表示系數(shù)向量x

上式中ε為一個極小值。

3）計算測試圖像y與每個類別訓(xùn)練樣本近似表示y^k的殘差值 rk（y）

4）得到測試圖像y的所屬類別，即為最小殘差值的所屬類別identity（y）=argmin rk（y） （5）算法流程如圖3所示。

圖3 算法流程Fig.3 Schematic diagram of the algorithm

3 仿真實驗

采用天嵌計算機科技有限公司的TQ210開發(fā)板作為實驗平臺，該平臺使用Samsung Cortex－A8 S5PV210芯片。采用兩種驗證方式:Person－dependent驗證方法和Personindependent驗證方法，對表情識別率進(jìn)行測試。Persondependent驗證是指訓(xùn)練集與測試集中允許出現(xiàn)相同人物的表情圖像，因此，這種驗證方法比較容易，得出的結(jié)果也會更好。Person－independent驗證是指訓(xùn)練集與測試集中人物沒有重疊，這樣實際上就是加大識別的難度，但是這種驗證方法更貼近與實際。實驗分別在JAFFE[4]（The Japanese Female Facial Expression）人臉表情數(shù)據(jù)庫和AR[5]人臉數(shù)據(jù)庫分別進(jìn)行。文獻(xiàn)[3]提出面部表情編碼系統(tǒng)（FACS），用44個運動單元來描述人臉表情變化，并定義了6種基本情感類別:悲傷、恐懼、厭惡、憤怒、高興、驚奇，本文將此6類表情均包括。

3.1 JAFFE表情庫

JAFFE日本數(shù)據(jù)庫[4]包含了213幅（每幅圖像的分辨率：256像素×256像素）日本女性的人臉表情圖像，每幅圖像都有原始的表情定義。表情庫中共有10個人，每個人有7種表情，分別為中性、高興、悲傷、驚奇、憤怒、厭惡、恐懼，每種表情2～3張圖像。表1是Person－dependent在JAFFE庫的實驗結(jié)果。

表1 在JAFFE數(shù)據(jù)庫中的Person-dependent實驗結(jié)果Tab.1 Experiments on JAFFE database

從實驗結(jié)果可以看出，中性，高興，憤怒，驚奇4種表情的識別正確率達(dá)到了80%以上。總體識別正確率也達(dá)到了80%。

3.2 AR庫

AR人臉數(shù)據(jù)庫[5]是西班牙巴塞羅那計算機視覺中心創(chuàng)建完成的，它包含了126名志愿者（70名男性和56名女性）的超過4 000張的彩色人臉圖像，每幅圖像的分辨率為256像素×256像素。該數(shù)據(jù)庫采集了所有志愿者，在不同的光照條件下的不同面部表情以及不同遮擋物 （太陽鏡和圍巾）的正面人臉圖像。文中選取120名個體的中性，高興，生氣，吃驚4種表情圖像。在Person－dependent驗證中以所有480個表情為訓(xùn)練集，測試集選取了23個人的中性，高興，生氣，吃驚各40個表情為測試集；在Person－independent驗證中100人的表情是訓(xùn)練集，其余20人的表情為測試集。實驗結(jié)果如表2所示。

表2 在AR數(shù)據(jù)庫的實驗結(jié)果Tab.2 Experiments on AR database

從實驗結(jié)果可以看出，在Person-dependent驗證中識別正確率為75.25%，較為滿意，但是在Person-independent驗證中，識別正確率不足50%，有待方法的改進(jìn)。

4 結(jié) 論

系統(tǒng)采用S5PV210芯片處理器，加載Linux2.6.30內(nèi)核，利用稀疏表示表情分類方法，實現(xiàn)了駕駛員情緒狀態(tài)的計算機自動識別和結(jié)果發(fā)送，從而有利用管理中心掌握駕駛員的情緒狀態(tài)，并給出改善措施，降低了交通事故發(fā)生的概率。

[1]孫偉.疲勞駕駛檢測方法的研究進(jìn)展[J].汽車技術(shù)，2009（2）:1-3.SUN Wei.Research on the development of fatigue driving detectionmethod[J].Automobile Technology，2009（2）:1-3.

[2]戴瓊海，付長軍，季向陽.壓縮感知研究[J].計算機學(xué)報，2011，34（3）:425-434.DAI Qiong-hai，F(xiàn)U Chang-jun，JI Xiang-yang.Research on compressed sensing[J].Chinese Journal of Computers，2011，34（3）:425-434.

[3]Ekman P，F(xiàn)riesenW V.FacialAction Coding System:ATechniquefor the Measurementof Facial Movement[M].Palo Alto:Consulting Psychologists Press，1978.

[4]崔浩.面部表情識別方法研究[D].西安：西北工業(yè)大學(xué)，2006.

[5]甘俊英，肖娟.加權(quán)SRC算法在偽裝人臉識別中的應(yīng)用[J].系統(tǒng)工程理論與實踐，2011，31（4）:124-128.GAN Jun-ying，XIAO Juan.Application of weighted SRC algorithm in face recognition in disguise[J].Systems Engineering Theory and Practice，2011，31（4）:124-128.