摘要：針對交通領(lǐng)域駕駛員安全問題，提出一種基于S5PV210芯片的駕駛員情緒感知系統(tǒng)設(shè)計(jì)方法。采用S5PV210芯片處理器.加載linux2.6.30內(nèi)核，由USB工業(yè)相機(jī)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。當(dāng)出現(xiàn)預(yù)設(shè)情況時(shí)給予警示，并將實(shí)時(shí)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。仿真實(shí)驗(yàn)表明，本系統(tǒng)目前對駕駛員情緒的正確識(shí)別率可以達(dá)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(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(yùn)輸領(lǐng)域，經(jīng)常會(huì)導(dǎo)致災(zāi)難性的事故。駕駛員處于不良情緒狀態(tài)時(shí)，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(huì)受到影響，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(jī)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。

1 系統(tǒng)總體原理與硬件設(shè)計(jì)

系統(tǒng)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(yùn)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(shí)別出駕駛員的實(shí)時(shí)表情，根據(jù)表情映射出此時(shí)駕駛員的情緒狀態(tài)。通過計(jì)算機(jī)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(shí)時(shí)監(jiān)測處理，當(dāng)出現(xiàn)預(yù)設(shè)情況時(shí)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(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(bào)警提示，并將實(shí)時(shí)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)。

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(bào)警器，存儲(chǔ)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(tǒng)識(shí)別算法

采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。基于稀疏表示的駕駛員面部表情識(shí)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(shí)別出測試圖像的所屬類別。具體步驟整理如下：

算法流程如圖3所示。

3 仿真實(shí)驗(yàn)

采用天嵌計(jì)算機(jī)科技有限公司的TQ210開發(fā)板作為實(shí)驗(yàn)平臺(tái)，該平臺(tái)使用Samsung Cortex—A8 S5PV210芯片。采用兩種驗(yàn)證方式：Person—dependent驗(yàn)證方法和Person—independent驗(yàn)證方法，對表情識(shí)別率進(jìn)行測試。Person—dependent驗(yàn)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(yàn)證方法比較容易，得出的結(jié)果也會(huì)更好。 Person—independent驗(yàn)證是指訓(xùn)練集與測試集中人物沒有重疊，這樣實(shí)際上就是加大識(shí)別的難度，但是這種驗(yàn)證方法更貼近與實(shí)際。實(shí)驗(yàn)分別在 JAFFE(The Japanese Fem ale Facial Expression)人臉表情數(shù)據(jù)庫和AR人臉數(shù)據(jù)庫分別進(jìn)行。文獻(xiàn)提出面部表情編碼系統(tǒng)(FACS)，用44個(gè)運(yùn)動(dòng)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(yàn)結(jié)果。

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

3.2 AR庫

AR人臉數(shù)據(jù)庫是西班牙巴塞羅那計(jì)算機(jī)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x256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(gè)體的中性，高興，生氣，吃驚4種表情圖像。在Person—dependent驗(yàn)證中以所有480個(gè)表情為訓(xùn)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(yàn)證中100

人的表情是訓(xùn)練集，其余20人的表情為測試集。實(shí)驗(yàn)結(jié)果如表2所示。

從實(shí)驗(yàn)結(jié)果可以看出，在Person—dependent驗(yàn)證中識(shí)別正確率為75.25%，較為滿意，但是在Person—independent驗(yàn)證中，識(shí)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(shí)現(xiàn)了駕駛員情緒狀態(tài)的計(jì)算機(jī)自動(dòng)識(shí)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。