面向儿童的智能聊天机器人设计

朱向庆 朱万鸿 何昌毅 甘海杰 陈泽锐

摘 要：文中设计可陪伴孩子聊天的机器人，以STM32F103ZET6单片机为控制中心，使用SYN7318语音识别模块、PAJ7620手势识别模块、OpenMV3 Cam M7摄像头模块、WiFi模块、HMI触摸屏和GSM模块等完成语音识别、合成，MP3播放，手势、图像获取及识别，远程语音通话。实验结果证明，所提系统能对语音进行准确的识别，并做出相应的动作;识别到关键词时开启远程亲子互动，家长可通过智能手机远程查看儿童的状态信息及相关图片。系统性能良好，操作简便，成本低廉，适合在智能化市场推广应用。

关键词：聊天机器人;手势识别;语音识别;语音合成;图像获取;语音通话

中图分类号：TP273;TN915文献标识码：A文章编号：2095-1302（2020）01-00-04

0 引 言

目前，国内外出现了众多功能各异的聊天机器人，但是很多聊天机器人缺乏语料库，只能在一定程度上解决人们的问题。在个别领域，人工智能的发展可以很快被应用到聊天机器人身上，但是整体来说还有待加强[1]。而同时兼备语音、图像及手势识别功能的聊天机器人相对较少[2]。

现如今，很多家长经常都会因为工作繁忙，没能照顾孩子，甚至让孩子独自留在家中，导致孩子严重缺乏与家长的交流互动。针对于此现象，专门设计一款可陪伴孩子聊天的机器人。它能够与孩子进行智能对话，模仿家长回答孩子日常生活中所遇到的“为什么”，还可以通过实时监控了解孩子的情绪问题并及时处理。本聊天机器人自带智能摄像头，能实时捕获家里及孩子的情况，家长可通过智能手机远程连接聊天机器人，与小孩进行语音通话。同时，聊天机器人含智能串口触摸屏，可结合语音识别进行相关界面的切换。

1 系统的硬件结构

本系统硬件结构如图1所示，它以STM32F103ZET6微控制器为核心，搭载OpenMV3摄像头模块、USART HMI智能串口触摸屏、GPRS/GSM模块IoT-GA6、WiFi模块ESP8266、手势识别模块PAJ7620、语音识别模块SYN7318和舵机等。

STM32F103ZET6是意法半导体公司（ST公司）推出的一款以ARM Cortex-M3为内核的32位微控制器，拥有144个引脚，112个通用I/O口，512 KB的FLASH ROM及64 KB的SRAM，具有3路12位的A/D转换器，2路12位D/A输出，4个通用定时器，2个高级定时器，2个基本定时器，3路SPI接口，2路I2C接口，5路USART，1个USB从设备接口，1个CAN接口，1个SDIO接口，兼容SRAM，NOR和NAND FLASH接口的16位总线FSMC[3-4]。STM32F103ZET6内部资源丰富，完全满足设计要求。

1.1 SYN7318语音识别模块

语音服务采用龙邱科技的SYN7318 中文语音交互模块，它集成非特定语音识别、语音合成、语音唤醒和MP3音频播放功能[5]。SYN7318中文语音交互模块的UART与STM32串口直接相连，接收命令帧，如控制命令帧、待合成的文本数据，或将语音识别结果发送给STM32单片机。

1.2 手势识别模块

手势识别使用ATK-PAJ7620模块，其内部采用的PAJ7620U2传感器是原相科技（Pixart）的一款内部集成光学阵列式传感器。该模块具有体积小、功能多、反应快等特点，支持9种手势识别，输出速率高达240 Hz，支持接近检测和物体大小识别，兼容3.3 V与5 V系统。STM32单片机通过I2C通信协议与ATK-PAJ7620模块通信。

1.3 OpenMV3摄像头模块

聊天机器人采用OpenMV3 CAm M7摄像头模块获取家里的图像信息，OpenMV是低成本、可扩展、基于MicroPython机器视觉的模块，它是一个可编程的摄像头，内置一些图像处理算法，通过MicroPython语言可以实现自定义逻辑[6-7]。OpenMV通过串口与STM32相连，完成数据交换。

1.4 MG90S舵机模块

借助舵机MG90S控制摄像头模块，可以自动切换摄像头视角。MG90S舵机的控制信号是周期为20 ms的脉宽调制（PWM）信号，其中脉冲宽度为0.5～2.5 ms，相对应舵盘的位置为0°～180°，呈线性變化。STM32的PWM输出口PC6连接舵机MG90S的控制线，通过输出不同的占空比控制舵机的旋转角度，完成摄像头的视觉切换。

1.5 GPRS/GSM模块

为实现语音通话服务，使用GPRS/GSM模块IoT-GA6，它支持2G，3G，4G的移动卡或联通卡，支持数字音频和模拟音频，支持标准AT和TCP/IP命令，其尺寸小，功耗低，能提供完善的GPRS/GSM短信、数据传输及语音通话服务。为用户提供远程互动的语音通话功能。GPRS/GSM模块控制方式为串口，它与STM32串口直接相连，以完成数据交换。

1.6 HMI显示屏模块

系统使用USART HMI智能串口触摸屏实现人机交互，该触摸屏具有解析度高、传输速度快、存储空间大、稳点性高、使用方便的优点。触摸屏封装好底层功能以后，通过串口与用户STM32单片机进行交互。

单片机可以随时通过串口发指令通知设备：切换某个页面或者改变某个组件的属性。设备也可以随时通过串口通知操作者：目前触摸页面上的某个组件或者设备进入某个页面。

1.7 WiFi模块

借助ESP8266 WiFi模块和互联网，当系统连接服务器后，家长可以在手机端远程查看家庭状况，或通过GPRS/GSM模块与小孩通话，进行远程互动。WiFi模块内置乐鑫公司出品的物联网芯片ESP8266。该模块可工作于三种模式：AP模式、Station模式以及混合模式。STM32单片机通过串口连接WiFi模块，使用AT指令进行控制，完成通信[8-9]。

远程服务器工作框架如图2所示，它使用百度智能云服务器及图灵机器人服务器，其中百度智能云负责语音识别，图灵机器人负责回答问题[10]。所有的数据都通过ESP8266模块上传至服务器，完成STM32与服务器的数据交换，实现远程监控及在线语音服务。

2 软件设计与实现

为提高系统稳定性和实时性，STM32单片机程序使用FreeRTOS操作系统[11]，用Keil μVision 5软件编写，编译生成的机器码由ST-LinkV2仿真器下载至单片机[12];OpenMV的程序则采用Python语言设计[13]。

HMI触摸屏使用USART HMI软件编写控件及指令代码，编译生成的*.tft文件放置于SD卡中，SD卡插進HMI触摸屏SD卡槽，HMI触摸屏自带的控制器会自动读取该文件完成烧写功能，烧写完成后断电，拔掉SD卡即可。

2.1 FreeRTOS系统任务设计

FreeRTOS是一个轻量级的操作系统，能够简化应用软件的设计，缩短开发时间，并为系统提供实时性和可靠性[14-16]。

图3是FreeRTOS系统各任务流程，开机后初始化各模块及外部设备，并建立多个任务及其运行环境，随即开启任务调度，始终运行高优先级任务。

2.1.1 任务1：语音聊天

任务1首先创建一个语音识别二值信号量，并用于任务同步。当串口接收到语音唤醒指令后，释放该信号量，系统立即任务同步，随即启动录音并把录音文件上传至百度语音服务器进行识别，识别完成后将结果上传至图灵语音聊天服务器进行匹配语音回答，最后播放语音回答。识别结果为相关操作时，将控制系统对应模块。如果系统的WiFi模块未连接上热点，那么将匹配自定义本地库进行语音回答。

2.1.2 任务2：手势识别

任务2负责手势识别，其能够识别向上、向下、向左、向右、向前、向后、顺时针、逆时针和挥动共9种手势，同时还支持接近识别。当检测到人的相关手势后，会执行相应的动作。例如：当检测到人接近时，自动唤醒系统，并通过SYN7318中文语音交互模块合成提示语;当检测到手势时，执行儿歌的播放、暂停、上一首、下一首等;当检测到人离开时，系统进入睡眠模式，以降低功耗。手势识别每250 ms检测一次，随即切换为接近检测，两种识别模式一直循环下去。

2.1.3 任务3：人机交互

任务3主要是人机交互界面的操控，接收语音及手势的操控指令，进行图形化界面的切换。当触摸显示屏相关界面的按钮时，会同步语音及摄像头模块进行动作。例如，在拨号界面时，号码的输入及修改等操作由上位机编写的固件程序自动处理，只有点击拨号按钮，才向主控器发送拨号指令，主控器根据指令执行相关模块动作，同时显示屏与主控器实时交换数据，同步图形化界面的更新。最后任务挂起200 ms。

2.1.4 任务4：WiFi自动重连

任务4以1 s的时间间隔检查网络状态，当网络断开时，系统自动重连热点;当系统连上互联网后，与服务器交换数据。

2.1.5 任务5：图像识别

任务5主要用于图像识别后的相应操作。系统的图像识别功能可以识别小孩的面部表情和行为动作，进而进行对应的交流。当OpenMV检测某个自定义人脸（如孩子“哭”的表情）时，就会将该表情信息传递到单片机，接收到表情的单片机会将其与对应的操作进行匹配并做出对应处理，如播放愉快的儿歌。用户可以自定义录入孩子不同时候的表情，再选择不同的界面并播放不同的歌曲。每识别完一次表情，任务挂起2 s。

2.2 OpenMV程序设计

OpenMV是基于Python的嵌入式机器视觉模块，它成本低、易拓展，开发环境友好，除了用于图像处理外，还可以用Python调用其硬件资源，进行I/O控制，与现实世界进行交互。OpenMV的程序采用Python语言设计，它负责图像捕获、追踪和识别，并将图像信息上传到服务器。OpenMV程序流程如图4所示，在程序开始时，初始化ESP8266并捕获摄像头的图像信息。若未捕获到孩子的面部或动作信息，会自动调节舵机，再次进行图像捕获;若捕获到孩子的面部或动作信息，则将其与本地库图像进行快速对比，直到匹配到最合适的库，并输出该库的信息，通过串口传输到单片机。另外，当OpenMV接收到服务器回传的“监控”信号后，会将此时捕获的孩子图像传输到远程服务器端，供家长远程查看。

3 实验结果

图5为硬件实物。实验结果证明，系统能够正常运行，可实现语音聊天，并且根据结果做出相应的动作。系统手势识别准确率高，图像识别、语音通话、远程控制、监控等运行良好。语音识别率达到98%，识别后语音回答有2～3 s的延迟;图像识别率达到95%，响应延迟1～2 s。

4 结 语

本文通过互联网、云服务器、图像识别、语音识别和语音合成等技术，成功研制出可陪伴孩子成长的机器人。实验证明采用互联网方式，语音及图像的识别率都得到明显提高。由于人的表情图像具有动态性，其识别效果良好。系统性能良好、实时性较高、成本较低，适合在智能化市场上推广应用。

参 考 文 献

[1]朱思坤.聊天机器人对话一致性和可延续性的研究[D].重庆：重庆大学，2018.

[2]王浩畅，李斌.聊天机器人系统研究进展[J].计算机应用与软件，2018，35（12）：1-6.

[3]张勇.ARM Cortex-M3嵌入式开发与实践：基于STM32F103[M].北京：清华大学出版社，2017.

[4]朱向庆，何昌毅，朱万鸿，等.基于STM32单片机的通信技术实验系统设计[J].实验技术与管理，2019，36（8）：81-84.

[5]刘尧，祝小雅，胡安正.基于SYN7318语音识别的智能家居嵌入式控制系统设计与开发[J].电子制作，2019（12）：18-19.

[6]刘义亭，董梦超，黄家才，等.基于OpenMV的目标跟踪系统设计[J].南京工程学院学报（自然科学版），2019，17（1）：39-44.

[7]梅妍玭，傅荣.基于OpenMV的3D定位识别系统[J].新技术新工艺，2018（2）：50-52.

[8]常欣，王琦.用STM32和ESP8266实现的可扩展物联网系统[J].单片机与嵌入式系统应用，2018，18（12）：58-61.

[9]张延顺，景加荣，黄涛，等.基于ESP8266的分子泵无线监控系统设计与实现[J].工业仪表与自动化装置，2019（3）：106-110.

[10]林承师.基于Java平台与图灵聊天机器人的接入实现[J].信息与电脑（理论版），2018（21）：113 -116.

[11]朱迪.FreeRTOS实时操作系统任务调度优化的研究与实现[D].南京：南京邮电大学，2015.

[12]夏传东.浅谈ST-LINK调试器的时间线调试技巧[J].单片机与嵌入式系统应用，2017，17（8）： 25-28.

[13]刘鹏，张燕，李肖俊，等.Python语言[M].北京：清华大学出版社，2019.

[14] GUAN F，PENG L，PERNEEL L，et al. Open source FreeRTOS as a case study in real-time operating system evolution [J]. Journal of systems and software，2016，118： 19-35.

[15]刘迎澍，杨珂，丁纬航.基于FreeRTOS的智能用电监控系统[J].电子设计工程，2017，25（21）：157 -160.

[16]刘火良，杨森.FreeRTOS内核实现与应用开发实战指南：基于STM32[M].北京：机械工业出版社，2019.