助老服務(wù)機(jī)器人臉表情識(shí)別系統(tǒng)的設(shè)計(jì).pdf

1、隨著助老服務(wù)機(jī)器人智能化，基于表情識(shí)別的人機(jī)交互技術(shù)以逐漸成為研究熱點(diǎn)。相對(duì)于語(yǔ)音和手勢(shì)，表情交互在助老服務(wù)機(jī)器人多方式人機(jī)交互中的地位無(wú)可替代，例如對(duì)于行動(dòng)或語(yǔ)言能力有缺陷的病人，機(jī)器人理解其面部表情則成為主要的交互方式，因此助老服務(wù)機(jī)器人具備面部表情識(shí)別功能，對(duì)實(shí)現(xiàn)人性化，自然化和智能化的人機(jī)交互有著重大意義。
　　 由于家庭服務(wù)機(jī)器人，特別是助老服務(wù)機(jī)器人，因?yàn)槠浞?wù)的對(duì)象，所以要求表情識(shí)別系統(tǒng)具有較高的實(shí)時(shí)性能。本文采用

2、GPU并行計(jì)算，實(shí)現(xiàn)系統(tǒng)的高實(shí)時(shí)性能，在分析三個(gè)核心算法的并行性的基礎(chǔ)上，設(shè)計(jì)基于CUDA的核心程序，實(shí)驗(yàn)結(jié)果表明，系統(tǒng)具有較高的實(shí)時(shí)性能。
　　 面部表情識(shí)別的關(guān)鍵技術(shù)是對(duì)圖像特征的提取。其一般流程為圖像首先經(jīng)過(guò)預(yù)處理，其次進(jìn)行特征選擇和特征提取，最后進(jìn)行表情分類識(shí)別。
　　 本文利用機(jī)器人單日視覺(jué)系統(tǒng)在室內(nèi)環(huán)境下獲取視頻信息，并按幀的方式提取靜態(tài)表情圖像。首先對(duì)采集的人臉圖像進(jìn)行圖像預(yù)處理。分別從圖像幾何規(guī)范化和灰度

3、規(guī)范化的角度，使用雙線性插值和直方圖均衡化的方法對(duì)人臉圖像進(jìn)行處理，使得表情圖像符合特征提取的要求。
　　 二維Gabor小波具有良好的頻率選擇性和方向選擇性，不同參數(shù)的Gabor濾波器能夠捕捉圖像中不同的空間頻率、空間位置及方向信息，這些特征對(duì)光照條件以及人臉姿態(tài)的變化不敏感，具有一定的魯棒性，非常適用于表示人臉圖像。本文采用Gabor小波實(shí)現(xiàn)對(duì)人臉表情圖像的特征提取。實(shí)驗(yàn)結(jié)果表明Gabor小波提取的特征可以有效地反應(yīng)人臉圖像

4、的局部信息。
　　 由于Gabor提取的特征向量維數(shù)較大，并且特征向量之間存在高度冗余特性，這樣會(huì)增加AdaBoost算法的訓(xùn)練時(shí)間，影響后續(xù)的支持向量機(jī)對(duì)表情圖像的識(shí)別率，所以本文采用AdaBoost算法對(duì)Gabor小波的提取結(jié)果進(jìn)行降維。實(shí)驗(yàn)結(jié)果證明AdaBoost可以有效降低Gabor特征向量的維數(shù)，而且降維后的特征向量并沒(méi)有造成有效信息的丟失。
　　 本文中設(shè)計(jì)的識(shí)別系統(tǒng)中對(duì)疼痛表情與非疼痛表情進(jìn)行識(shí)別是一個(gè)二分