基于協(xié)同交互的表情識別和情感體驗建模方法研究.pdf

1、隨著智能計算的發(fā)展,人們逐漸習慣于通過人機交互解決社會生活中遇到的問題。計算智能體如果可以了解和掌握人類內(nèi)在的情感體驗,就可以提高人機交互的合理性和協(xié)同性,實現(xiàn)生動、無縫的交互?？紤]到情感計算與現(xiàn)實研究的復雜性,本文以面部表情的實時分析研究為基礎,探討被觀測主體的外在面部表情表達與內(nèi)在情感體驗之間的聯(lián)系機制,取得了以下主要研究成果:
　　 提出基于張量的坐標空間變換方法,將面部特征矢量從像素空間轉換到參數(shù)空間,統(tǒng)一矢量維度,降低

2、數(shù)據(jù)處理的復雜度,提高實時分析的效率和準確率。理論證明了進行張量空間轉換的合理性,實現(xiàn)了面部特征矢量的幾何和物理特性在空間變換的過程中保持不變。實驗驗證了該方法可以有效的提高面部表情識別的精度和實時分析的效率。
　　 從智能認知的角度,定義組織環(huán)境和個體面部表情分析模型。組織環(huán)境中的參與主體受組織規(guī)范約束,增強了分析研究的可操作性和可信性;個體模型對組織環(huán)境中特定的主體進行面部表情識別分析,通過模型間的協(xié)同交互迭代傳遞主體的面部

3、表情聚類結構,完善模型自身的分析能力。由協(xié)同交互改進的面部表情識別算法收斂更快,并給出全局優(yōu)化的面部表情聚類分布。
　　 在個體模型的基礎上,建立面部表情的貝葉斯網(wǎng)絡,實現(xiàn)對參與主體面部表情的動因分析和預測推理。引入?yún)f(xié)同交互改進面部表情網(wǎng)絡的結構學習算法,提高了面部表情網(wǎng)絡的拓撲結構質量。在構建的面部表情網(wǎng)絡中,可以實時分析影響主體面部表情表達的環(huán)境動因,以及預測主體下一時刻最有可能表達的面部表情狀態(tài)。該方法為通過面部表情分析情

4、感體驗做了基礎準備。
　　 基于上述研究,設計了通過面部表情研究情感體驗一致性分布的分析模型。該模型用以發(fā)現(xiàn)主體是否隱藏了應該表達的情感特征,其面部表情表達與內(nèi)在的情感體驗是否一致。模型將面部表情特征和面部表情狀態(tài)定義為情感特征證據(jù),結合協(xié)同依賴的評估算法實現(xiàn)對情感體驗的協(xié)調(diào)度一致性分析,給出主體的情感體驗分布圖。該分布圖是最具“個性化的”面部表情分析和情感計算認知結果。
　　 綜上所述,該研究工作在較高層次上對人類外在