智能服務(wù)機(jī)器人表情識別技術(shù)研究.pdf

1、智能服務(wù)機(jī)器人在示教、娛樂、導(dǎo)游、助老助殘等領(lǐng)域有著廣闊的應(yīng)用前景，是一個熱門而又意義深遠(yuǎn)的研究領(lǐng)域。一般而言，自然和諧的人機(jī)交互能力是智能服務(wù)機(jī)器人必備的，因為豐富細(xì)膩的情感變化和心理活動信息的面部表情在人際生活中起著不可替代的作用。表情識別功能和仿人頭部機(jī)器人是智能服務(wù)機(jī)器人系統(tǒng)中兩個重要組成部分，前者用于交互人員表情輸入，后者用于機(jī)器人表情輸出。通過對表情識別算法和機(jī)器人頭部實體研發(fā)實現(xiàn)自然高效人機(jī)交互，在理論研究和實際應(yīng)用中均具

2、有重要意義。
　　為實現(xiàn)自然和諧人機(jī)交互，本文針對智能機(jī)器人表情交互系統(tǒng)中的表情識別技術(shù)和仿人頭部機(jī)器人機(jī)構(gòu)開展兩方面研究工作：首先，分別對表情識別過程中實時自動分割人臉區(qū)域的方法、復(fù)合二值模式特征提取、無監(jiān)督學(xué)習(xí)的LBP特征選擇以及矩陣回歸分析表情分類器設(shè)計進(jìn)行研究，從而為智能化人機(jī)交互提供識別算法基礎(chǔ)；在此基礎(chǔ)上，進(jìn)一步開展了關(guān)于仿人頭部機(jī)器人表情再現(xiàn)實驗系統(tǒng)的研制，經(jīng)實驗分析了相關(guān)原理方法的有效性。本文具體內(nèi)容如下。

3、　　人臉檢測是表情識別中重要和必然的前期階段，主要對識別目標(biāo)實現(xiàn)精確面部區(qū)域分割。本文采用主動形狀模型，以人臉五官輪廓為基礎(chǔ)構(gòu)建人臉識別模型，減少頭部姿態(tài)變化對表情識別的影響并去除面部以外區(qū)域，從而提高人臉檢測和人臉區(qū)域提取準(zhǔn)確率。根據(jù)面部活動編碼系統(tǒng)，利用臉部標(biāo)志點提取人臉表情關(guān)鍵區(qū)域，精確定位人臉位置以及提取表情識別特征區(qū)域。
　　有效表情特征提取對表情識別具有重要意義。通過研究局部特征算子中均勻二值模式，本文提出復(fù)合二值模式

4、算子來描述人臉紋理的變化趨勢和程度，通過揭示多鄰域內(nèi)不同方向數(shù)據(jù)結(jié)構(gòu)的變化來提取面部主要表情區(qū)域的特征，為表情識別提供識別向量。
　　減少表情特征的冗余信息是提高識別效果的一種有效方式。采用二值模式算子能夠有效提取圖像局部紋理特征，但其維數(shù)隨著鄰域中像素數(shù)量增大而陡然增加。因此，本文根據(jù)二值模式的直方圖屬性，采用χ2統(tǒng)計量構(gòu)建特征空間鄰域圖，然后由二值權(quán)重矩陣求出拉普拉斯χ2統(tǒng)計值選擇出更具表征性的特征，形成表情識別的新特征子集。

5、
　　分類器設(shè)計是表情識別的重要環(huán)節(jié)。線性判別分析作為種傳統(tǒng)的分類算法無法有效解決特征空間的非線性問題，對大量高維數(shù)據(jù)樣本的計算量巨大，且特征值求解中易受奇異值問題困擾。在圖譜及核學(xué)習(xí)理論基礎(chǔ)上，通過分析線性判別分析的權(quán)重矩陣與核空間中線性系數(shù)間關(guān)系，本文提出矩陣回歸分析表情識別分類器，用于識別多種表情，避免分類器訓(xùn)練中特征值計算，有效降低計算時間和存儲量。
　　具備面部表情再現(xiàn)功能的智能服務(wù)機(jī)器人對實現(xiàn)智能化、情感化和人性

6、化人機(jī)交互有著重大意義。從仿生角度出發(fā)，基于仿人頭部機(jī)器人和表情識別技術(shù)構(gòu)建智能機(jī)器人表情再現(xiàn)實驗系統(tǒng)，分別在該系統(tǒng)上進(jìn)行頭部機(jī)構(gòu)面部特征的多種動作實驗及真實環(huán)境下表情識別算法的驗證，在真實場景中利用識別的表情類別實現(xiàn)表情再現(xiàn)。
　　本文針對相關(guān)的表情識別技術(shù)分別在數(shù)據(jù)庫和實際環(huán)境中進(jìn)行實驗，驗證了提出的復(fù)合二值模式算子、無監(jiān)督特征選擇算法以及矩陣譜回歸分析表情分類器的有效性和可行性，和真實環(huán)境下自動人臉區(qū)域提取的實時性和穩(wěn)定性。