基于S5PV210芯片的駕駛員情緒感知系統設計

摘要：針對交通領(lǐng)域駕駛員安全問(wèn)題，提出一種基于S5PV210芯片的駕駛員情緒感知系統設計方法。采用S5PV210芯片處理器.加載linux2.6.30內核，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值分類(lèi)方法，獲得駕駛員人臉表情特征數值，最后通過(guò)映射獲得駕駛員情緒狀態(tài)結果。當出現預設情況時(shí)給予警示，并將實(shí)時(shí)數據通過(guò)WIFI通信網(wǎng)絡(luò )發(fā)送回管理中心服務(wù)器。仿真實(shí)驗表明，本系統目前對駕駛員情緒的正確識別率可以達到80%以上。

為了提高物流行業(yè)效率，需要對駕駛員情緒進(jìn)行判斷和調節，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(huì )導致災難性的事故。駕駛員處于不良情緒狀態(tài)時(shí)，其應變速度變慢，處理信息的速度也降低，決策的質(zhì)量也會(huì )受到影響，它與安全行車(chē)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值分類(lèi)方法，獲得駕駛員人臉表情特征數值，最后通過(guò)映射獲得駕駛員情緒狀態(tài)結果。

1 系統總體原理與硬件設計

系統總體原理如圖1所示，采用三星公司的高端ARMCortex—A8 S5PV210處理器作為主控芯片。通過(guò)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值分類(lèi)方法，識別出駕駛員的實(shí)時(shí)表情，根據表情映射出此時(shí)駕駛員的情緒狀態(tài)。通過(guò)計算機視覺(jué)的方法，通過(guò)對布置在駕駛員前段的光學(xué)圖像采集器，對駕駛人面部特征進(jìn)行實(shí)時(shí)監測處理，當出現預設情況時(shí)給予警示，比如系統判斷出駕駛員處于疲倦或者生氣的表情時(shí)，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(shí)時(shí)數據通過(guò)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據進(jìn)行分析處理，對管理者提供決策數據，或者根據設定規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)。

基于S5PV210芯片的駕駛員情緒感知系統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。內部通過(guò)I2C總線(xiàn)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。

2 系統識別算法

采用一種基于稀疏表示的表情特征數值分類(lèi)方法，獲得駕駛員人臉表情特征數值?；谙∈璞硎镜鸟{駛員面部表情識別算法的基本思想是，首先將所有的訓練集圖像和待測試圖像均經(jīng)過(guò)預處理操作后進(jìn)行特征提取，得到已標記好的各類(lèi)別的訓練集，然后通過(guò)基于稀疏表示的分類(lèi)算法識別出測試圖像的所屬類(lèi)別。具體步驟整理如下：

算法流程如圖3所示。

3 仿真實(shí)驗

采用天嵌計算機科技有限公司的TQ210開(kāi)發(fā)板作為實(shí)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Person—independent驗證方法，對表情識別率進(jìn)行測試。Person—dependent驗證是指訓練集與測試集中允許出現相同人物的表情圖像，因此，這種驗證方法比較容易，得出的結果也會(huì )更好。 Person—independent驗證是指訓練集與測試集中人物沒(méi)有重疊，這樣實(shí)際上就是加大識別的難度，但是這種驗證方法更貼近與實(shí)際。實(shí)驗分別在 JAFFE(The Japanese Fem ale Facial Expression)人臉表情數據庫和AR人臉數據庫分別進(jìn)行。文獻提出面部表情編碼系統(FACS)，用44個(gè)運動(dòng)單元來(lái)描述人臉表情變化，并定義了 6種基本情感類(lèi)別：悲傷、恐懼、厭惡、憤怒、高興、驚奇，本文將此6類(lèi)表情均包括。

3.1 JAFFE表情庫

JAFFE日本數據庫包含了213幅(每幅圖像的分辨率：256像素x256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(gè)人.每個(gè)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(shí)驗結果。

從實(shí)驗結果可以看出，中性，高興，憤怒，驚奇4種表情的識別正確率達到了80%以上?？傮w識別正確率也達到了80%。

3.2 AR庫

AR人臉數據庫是西班牙巴塞羅那計算機視覺(jué)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(guò)4 000張的彩色人臉圖像，每幅圖像的分辨率為256像素x256像素。該數據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(yáng)鏡和圍巾)的正面人臉圖像。文中選取120名個(gè)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(gè)表情為訓練集，測試集選取了23個(gè)人的中性.高興，生氣，吃驚各40個(gè)表情為測試集;在Person—independent驗證中100

人的表情是訓練集，其余20人的表情為測試集。實(shí)驗結果如表2所示。

從實(shí)驗結果可以看出，在Person—dependent驗證中識別正確率為75.25%，較為滿(mǎn)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 結論

系統采用S5PV210芯片處理器.加載Linux2.6.30內核，利用稀疏表示表情分類(lèi)方法，實(shí)現了駕駛員情緒狀態(tài)的計算機自動(dòng)識別和結果發(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。