類人機器人人臉識別及情感交互系統(tǒng)研究.pdf

1、在智能的人機交互過程中，類人機器人不僅需要具備仿人外形，完成人類的指令，更為重要是還需具備仿人的行為以及仿人的情感。本文圍繞交互過程中的人臉識別及情感交互展開研究。面部是進行身份認證的重要途徑，同時也是人類傳遞情感的重要通道，本文以類人機器人情感交互系統(tǒng)平臺的搭建為基礎(chǔ)，以實驗室推出的情感交互機器人為研究平臺，通過分析和研究人臉面部圖像實現(xiàn)人臉識別和情感交互。在現(xiàn)有人臉識別方法的基礎(chǔ)上，本文針對人臉識別過程中的特征提取和分類做了深入探討

2、和研究，提出一種新的人臉識別方法，并應(yīng)用到類人機器人的情感交互系統(tǒng)上。以人臉識別技術(shù)為突破口，結(jié)合圖像識別技術(shù)、語音會話技術(shù)以及軀體動作控制技術(shù)，設(shè)計和實現(xiàn)了類人機器人情感交互系統(tǒng)。
　　主要工作和創(chuàng)新點介紹如下:
　　(1)由于人臉的非剛性和易受到光照、姿態(tài)變化等因素的影響，一直缺乏有效的特征描述方式，考慮現(xiàn)有的Gabor算法和局部二值模式(LBP)算子都存在各自的優(yōu)缺點，本文在兩種算法的基礎(chǔ)上提出一種新的特征描述算法:G

3、-LBP。為了進一步提高系統(tǒng)的穩(wěn)定性及精度，本文將人臉圖像投影到熵值空間，定義了方差交叉投影熵的概念，熵值空間與紋理空間形成互補的模式，從不同角度對人臉圖像進行描述。實驗結(jié)果表明G-LBP融合特征在保證有效決策信息不被丟失的同時，且能有效降低特征數(shù)據(jù)間的冗余。定義的方差交叉投影熵值彌補了方差投影熵在人臉描述特征上丟失的部分信息。在最終的分類決策上，兩種不同的特征在局部遮擋、表情變化、光照和小的姿態(tài)變化上表現(xiàn)出較好的識別性能，證明是一種有