基于巡邏服務(wù)機(jī)器人平臺的表情識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著高科技技術(shù)的不斷涌現(xiàn)，結(jié)合“人工智能”與“互聯(lián)網(wǎng)+”概念的產(chǎn)品備受青睞。產(chǎn)品功能對于用戶來說是首要考慮因素，交互體驗(yàn)更能影響用戶對產(chǎn)品評價(jià)的好壞。目前，展廳安防巡邏領(lǐng)域的服務(wù)型機(jī)器人具有很好的發(fā)展前景和應(yīng)用價(jià)值，增加機(jī)器人情感交互功能，將使產(chǎn)品獲得更好的交互體驗(yàn)。因此，結(jié)合公司真實(shí)項(xiàng)目背景與需求，基于現(xiàn)有的項(xiàng)目接口和OpenCV視覺開源庫，設(shè)計(jì)并開發(fā)出一款基于巡邏服務(wù)機(jī)器人平臺的表情識別系統(tǒng)。
　　本文首先對系統(tǒng)的應(yīng)用背景和研

2、究意義進(jìn)行概述，介紹當(dāng)今國內(nèi)外服務(wù)機(jī)器人表情識別的研究現(xiàn)狀及常用的開源表情樣本庫，對機(jī)器人以及平臺相關(guān)技術(shù)進(jìn)行介紹。接著，以表情識別系統(tǒng)的實(shí)現(xiàn)流程為主線，分別介紹該流程中人臉檢測、特征提取、分類訓(xùn)練這三大步驟的主要內(nèi)容。分析現(xiàn)有的表情識別算法，結(jié)合實(shí)際項(xiàng)目需求，為本系統(tǒng)選擇出各個(gè)步驟中合適的算法和參數(shù)，并完成開發(fā)任務(wù)。
　　本文主要工作可歸納為:
　　1)研究特征提取方案，實(shí)現(xiàn)了表情特征提取及特征降維。系統(tǒng)選擇Gabor濾波

3、提取表情圖像特征，用主成分分析算法(Principle Component Analysis，PCA)及線性判別分析算法(Linear Discriminant Analysis，LDA)進(jìn)行特征降維。論文重點(diǎn)研究不同的Gabor濾波窗口設(shè)置方法和特征采樣策略對系統(tǒng)的識別性能和運(yùn)算效率的影響。通過對Gabor濾波算法的分析，對窗口設(shè)置方法和局部采樣策略進(jìn)行實(shí)驗(yàn)，分析實(shí)驗(yàn)數(shù)據(jù)，觀察實(shí)驗(yàn)結(jié)果，為本項(xiàng)目開發(fā)選擇出合適的窗口設(shè)置方法和特征提取策

4、略。
　　2)設(shè)計(jì)SVM分類器，實(shí)現(xiàn)表情識別功能。研究支持向量機(jī)算法，基于雙線性法和網(wǎng)格搜索法相結(jié)合的思路對徑向基核函數(shù)模型進(jìn)行設(shè)計(jì)。通過實(shí)驗(yàn)數(shù)據(jù)尋找徑向基SVM分類器的最優(yōu)參數(shù)。
　　3)設(shè)計(jì)BP人工神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)表情識別功能。論文選擇相關(guān)參數(shù)，對隱藏層進(jìn)行設(shè)計(jì)，構(gòu)建本系統(tǒng)的BP人工神經(jīng)網(wǎng)絡(luò)。通過實(shí)驗(yàn)數(shù)據(jù)的對比與分析，為本項(xiàng)目的BP神經(jīng)網(wǎng)絡(luò)選擇了適合的激活函數(shù)。
　　4)制作自定義表情樣本訓(xùn)練庫。通過使用本系統(tǒng)的分類

5、器管理子系統(tǒng)中的樣本處理功能，對JAFFE、YALE和CK+三個(gè)開源樣本庫進(jìn)行特定處理或者對系統(tǒng)實(shí)時(shí)采集的表情圖像進(jìn)行預(yù)處理，以此構(gòu)造系統(tǒng)的訓(xùn)練樣本集。
　　5)設(shè)計(jì)和實(shí)現(xiàn)了系統(tǒng)功能，并通過相關(guān)測試。按照軟件工程開發(fā)流程，結(jié)合論文對表情識別過程算法的設(shè)計(jì)，使用OpenCV視覺開源庫提供的API接口和機(jī)器人平臺開發(fā)接口，完成了本系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。最后編寫測試用例，對系統(tǒng)進(jìn)行測試，獲取實(shí)驗(yàn)數(shù)據(jù)，對支持向量機(jī)分類結(jié)果和BP神經(jīng)網(wǎng)絡(luò)分類結(jié)