基于表情識別的服務機器人智能交互系統(tǒng)研究.pdf

1、隨著智能機器人的快速發(fā)展，如何賦予機器人和諧的人機交互能力使其能夠感知人類的情感成為當前人與機器人交互研究的熱點。人臉表情作為人類情感表達的重要組成部分，要使機器人能夠理解人類的情感表達，必須使機器人有識別人臉表情的能力，因此表情識別的研究在人機交互領域顯現(xiàn)出了其重要的研究意義和應用價值。
　　針對傳統(tǒng)AAM模型提取人臉表情特征時表征能力不足和實時性差的問題，本文提出一種基于BRISK和AAM組合方式提取表情的形狀和紋理特征的方法

2、。首先，對初始的人臉圖像采用Fast-SIC算法擬合出人臉的AAM模型，在獲得人臉關鍵特征點之后用BRISK匹配特征點以增強匹配效率，其次用LGBP對人臉AAM模型的紋理特征進行提取以增強表情特征的表征能力，最后用SVM分類器對提取的表情特征進行分類。然而，傳統(tǒng)的人臉特征點定位提取表情特征的方法，不可避免的會引入人工標定誤差，而卷積神經(jīng)網(wǎng)絡可以克服這個缺點。本文在研究卷積神經(jīng)網(wǎng)絡的理論基礎上，利用目前流行的深度學習框架TensorFlo

3、w設計了一個獨特的卷積神經(jīng)網(wǎng)絡模型用于表情識別。本文設計的卷積網(wǎng)絡與傳統(tǒng)卷積網(wǎng)絡不同的是，忽略了偏置項（biases），加快了訓練速度，減少了學習參數(shù)的個數(shù)。通過分析對比網(wǎng)絡層不同處理技巧（如激活函數(shù)，卷積核大小，Dropout等）的優(yōu)劣，選取了比較合適的網(wǎng)絡結構和參數(shù)，對8種基本的表情類別進行了有效的分類。
　　本文中的表情識別方法主要在CK+和JAFFE表情庫上進行了算法有效性的實驗驗證，其中在CK+表情庫上AAM與LGBP結