孫乾 夏澤昊

摘要：情緒帶有生動性，也帶有感知。目前從研究的現(xiàn)狀看，情緒識別已經(jīng)被應(yīng)用到很多智能設(shè)備上。智能設(shè)備帶有情緒識別，使設(shè)備更加靈活化，且設(shè)備的人性化更符合人們的需求。智能控制筆屬于智能化的一種設(shè)備，在生活中應(yīng)用很多，在智能控制筆中假如情緒識別的功能，對智能控制筆人性化提升有一定的意義。本文主要分析情緒識別在智能控制筆上的運用，希望在指導(dǎo)智能控制方面的發(fā)展有一定的作用。

關(guān)鍵詞：智能化;情緒識別;識別方法

中圖分類號：TP391.41文獻標(biāo)識碼：A文章編號：1672-9129（2020）14-0063-01

1情緒識別在智能控制筆上的應(yīng)用原理

在智能控制筆中，有基礎(chǔ)按鍵，在基礎(chǔ)按鍵的功能上搭載了6軸加速度傳感器，通過姿態(tài)識別算法，可以構(gòu)建出運動軌跡，并擬合出運動手勢，是一種識別情緒的方式。同時在優(yōu)化設(shè)備功能方面也有指導(dǎo)性作用，相比于當(dāng)前市面上已出現(xiàn)的固定按鍵功能上，本作品還加入了遠(yuǎn)程移動光標(biāo)功能，當(dāng)教師需要切換頁面，或者打開其他程序時，可以將教鞭光標(biāo)操作功能開啟，并移動光標(biāo)指向，此時教鞭即可實現(xiàn)藍牙鼠標(biāo)的功能。在識別原理方面，該模塊是基于 MEMS 動作傳感器開發(fā)模型，其提供在三軸向加速度與角加速度的測量，通過 IIC 通信協(xié)議與主控芯片STM32連接，并實時計算移動距離實現(xiàn)控制光標(biāo)的移動。

2對相關(guān)情緒識別的判斷功能

在識別過程中，對情緒的判斷是主要的識別功能。一般情況下，都需要加入情緒檢測模塊，實時判斷教師情緒。除了上述加速度傳感器外，還搭載了聲音傳感器檢測來實時獲取聲音數(shù)據(jù)，通過IIC連接主控芯片STM32，由語音識別算法將模擬信號轉(zhuǎn)換為文字，并通過自然語言處理（NPL）算法根據(jù)已知文字分類結(jié)合聲音大小與教鞭狀態(tài)來判斷教師此時情緒，解決實時監(jiān)測教師情緒問題。此外，為了提高算法識別的準(zhǔn)確度，我們擬采用二級觸發(fā)的方式，即識別出教師情緒不穩(wěn)定時，會觸發(fā)搭載在教鞭前端的攝像頭模塊，通過人臉識別算法和表情識別算法進行再次判斷并輸出結(jié)果。

3核心算法思路

運動軌跡計算：運動軌跡提取算法模塊負(fù)責(zé)處理由MEMS加速度傳感器采集的離散的數(shù)據(jù)。假設(shè)設(shè)定傳感器的采樣時間間隔為 Δt，迭代后可得：速度vn=vn-1+an+a[n-1]2×△t（n>1）;位移sn=sn-1+vn-1×△t+14an+an-1×△t（n>1）。

計算步驟分為以下四個步驟：

（1）將MEMS輸出三軸角速度數(shù)據(jù)通過姿態(tài)矩陣算出重力加速度;

（2）將MEMS輸出三軸加速度數(shù)據(jù)濾除重力加速度分量后，計算出x，y，z三軸方向上的瞬時速度;

（3）根據(jù)速度求出MEMS傳感器在x，y，z三軸方向的位移;

（4）通過連線各個時刻的空間位置坐標(biāo)點就可得MEMS傳感器在三維空間的運動軌跡。

人臉識別：采用多任務(wù)級聯(lián)卷積網(wǎng)絡(luò)（MTCNN）人臉檢測算法來進行人臉識別操作。其由三個網(wǎng)絡(luò)構(gòu)成，由粗到細(xì)進行人臉檢測和人臉關(guān)鍵點定位。具體步驟如下：

（1）將圖片調(diào)整到不同比例，制作圖像金字塔，為輸入網(wǎng)絡(luò)準(zhǔn)備;

（2）將金字塔圖像輸入P-Net（Proposal Network），獲取含人臉的候選窗口（Proposal boundding boxes），并通過非極大值抑制（NMS）算法合并高度重合的候選框，去除冗余框;

（3）將P-Net輸出得到的人臉圖像輸入R-Net（Refinement Network），對人臉檢測框回歸校準(zhǔn)，通過NMS算法去除冗余框，此時的到的人臉檢測框更加精準(zhǔn)且冗余框更少。

（4）將R-Net輸出得到的人臉圖像輸入O-Net（Output Network），一方面對人臉檢測框坐標(biāo)進行進一步的細(xì)化，另一方面輸出人臉5個關(guān)鍵點（左眼、右眼、鼻子、左嘴角、右嘴角）坐標(biāo)。

表情識別：我們采用神經(jīng)卷積網(wǎng)絡(luò)采用經(jīng)典的網(wǎng)絡(luò)來進行表情識別，該模型的構(gòu)建主要參考谷歌的Going Deeper設(shè)計如下網(wǎng)絡(luò)結(jié)構(gòu)，輸入層后加入（1，1）卷積層增加非線性表示且模型層次較淺，參數(shù)較少（大量參數(shù)集中在全連接層）。

結(jié)語：情緒識別在智能控制筆中的應(yīng)用，是一種科技水平的提升。但是在實際應(yīng)用中，識別功能芯片。識別的過程設(shè)計是需要一個長期優(yōu)化的過程，每一個部分的識別都需要做好控制，才能達到識別功能的最佳性。智能控制筆中加入情緒識別功能，也是智能控制水平的提升。

參考文獻：

[1]梁路宏，艾海舟，徐光檔， 等.人臉檢測研究綜述[J].計算機學(xué)報，2002，25（5）：449-458.

[2]周飛燕，金林鵬，董軍.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計算機學(xué)報，2017，40（6）：1229-1251.

[3]陳沙利，張柳依，江鋒， 等.基于多種生理信號的情緒識別研究[J].中國醫(yī)療器械雜志，2020，44（4）：283-287.

[4]辛創(chuàng)業(yè)，許芬.基于LSTM神經(jīng)網(wǎng)絡(luò)的語音情緒識別[J].工業(yè)控制計算機，2020，33（8）：87-89.

[5]劉芾，李茂軍，胡建文， 等.基于低像素人臉圖像的表情識別[J].激光與光電子學(xué)進展，2020，57（10）：89-96.