情緒識別在智能控制筆上的運用

孫乾 夏澤昊

摘要：情緒帶有生動性，也帶有感知。目前從研究的現狀看，情緒識別已經被應用到很多智能設備上。智能設備帶有情緒識別，使設備更加靈活化，且設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備，在生活中應用很多，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，希望在指導智能控制方面的發展有一定的作用。

關鍵詞：智能化;情緒識別;識別方法

中圖分類號：TP391.41文獻標識碼：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用原理

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

2對相關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據，通過IIC連接主控芯片STM32，由語音識別算法將模擬信號轉換為文字，并通過自然語言處理（NPL）算法根據已知文字分類結合聲音大小與教鞭狀態來判斷教師此時情緒，解決實時監測教師情緒問題。此外，為了提高算法識別的準確度，我們擬采用二級觸發的方式，即識別出教師情緒不穩定時，會觸發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責處理由MEMS加速度傳感器采集的離散的數據。假設設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輸出三軸角速度數據通過姿態矩陣算出重力加速度;

（2）將MEMS輸出三軸加速度數據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：采用多任務級聯卷積網絡（MTCNN）人臉檢測算法來進行人臉識別操作。其由三個網絡構成，由粗到細進行人臉檢測和人臉關鍵點定位。具體步驟如下：

（1）將圖片調整到不同比例，制作圖像金字塔，為輸入網絡準備;

（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，通過NMS算法去除冗余框，此時的到的人臉檢測框更加精準且冗余框更少。

（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進行進一步的細化，另一方面輸出人臉5個關鍵點（左眼、右眼、鼻子、左嘴角、右嘴角）坐標。

表情識別：我們采用神經卷積網絡采用經典的網絡來進行表情識別，該模型的構建主要參考谷歌的Going Deeper設計如下網絡結構，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，參數較少（大量參數集中在全連接層）。

結語：情緒識別在智能控制筆中的應用，是一種科技水平的提升。但是在實際應用中，識別功能芯片。識別的過程設計是需要一個長期優化的過程，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].計算機學報，2002，25（5）：449-458.

[2]周飛燕，金林鵬，董軍.卷積神經網絡研究綜述[J].計算機學報，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].中國醫療器械雜志，2020，44（4）：283-287.

[4]辛創業，許芬.基于LSTM神經網絡的語音情緒識別[J].工業控制計算機，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].激光與光電子學進展，2020，57（10）：89-96.