基于S5PV210芯片的駕駛員情緒感知系統設計

謝卓然 ， 馬榮國 ， 宋鵬飛

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

為了提高物流行業效率，需要對駕駛員情緒進行判斷和調節，始終讓駕駛員處于一種高效的情緒狀態。駕駛員不良情緒在道路交通運輸領域，經常會導致災難性的事故。駕駛員處于不良情緒狀態時，其應變速度變慢，處理信息的速度也降低，決策的質量也會受到影響[1]，它與安全行車關系極大。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方法，獲得駕駛員人臉表情特征數值，最后通過映射獲得駕駛員情緒狀態結果。視覺的方法，通過對布置在駕駛員前段的光學圖像采集器，對駕駛人面部特征進行實時監測處理，當出現預設情況時給予警示，比如系統判斷出駕駛員處于疲倦或者生氣的表情時，駕駛員工作狀態就判定為不利于駕駛的狀態，給予報警提示，并將實時數據通過WIFI通信網絡發送回管理中心服務器，管理中心對所有駕駛員數據進行分析處理，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出管理命令，始終讓駕駛員處于高效率的工作狀態。

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行運算處理，利用一種基于稀疏表示的表情特征數值分類方法，識別出駕駛員的實時表情，根據表情映射出此時駕駛員的情緒狀態。通過計算機

圖1 系統總體原理圖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 系統硬件框圖Fig.2 Structure diagram of the hardware system

2 系統識別算法

采用一種基于稀疏[2]表示的表情特征數值分類方法，獲得駕駛員人臉表情特征數值。基于稀疏表示的駕駛員面部表情識別算法的基本思想是，首先將所有的訓練集圖像和待測試圖像均經過預處理操作后進行特征提取，得到已標記好的各類別的訓練集，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個類別的所有訓練集人臉表情圖像進行手工對齊、大小歸一化、直方圖均衡等預處理操作，然后進行降維處理，分別生成測試樣本人臉表情圖像y和訓練集生成矩陣A，使得

2）求解降維處理后測試樣本人臉圖像y在訓練集矩陣A的稀疏表示系數向量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，對表情識別率進行測試。Persondependent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，得出的結果也會更好。Person－independent驗證是指訓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）人臉表情數據庫和AR[5]人臉數據庫分別進行。文獻[3]提出面部表情編碼系統（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日本數據庫[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庫的實驗結果。

表1 在JAFFE數據庫中的Person-dependent實驗結果Tab.1 Experiments on JAFFE database

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

3.2 AR庫

AR人臉數據庫[5]是西班牙巴塞羅那計算機視覺中心創建完成的，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人的表情是訓練集，其余20人的表情為測試集。實驗結果如表2所示。

表2 在AR數據庫的實驗結果Tab.2 Experiments on AR database

從實驗結果可以看出，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。

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方法，實現了駕駛員情緒狀態的計算機自動識別和結果發送，從而有利用管理中心掌握駕駛員的情緒狀態，并給出改善措施，降低了交通事故發生的概率。

[1]孫偉.疲勞駕駛檢測方法的研究進展[J].汽車技術，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].計算機學報，2011，34（3）:425-434.DAI Qiong-hai，FU Chang-jun，JI Xiang-yang.Research on compressed sensing[J].Chinese Journal of Computers，2011，34（3）:425-434.

[3]Ekman P，FriesenW 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：西北工業大學，2006.

[5]甘俊英，肖娟.加權SRC算法在偽裝人臉識別中的應用[J].系統工程理論與實踐，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.