基于表情識(shí)別的服務(wù)機(jī)器人智能交互系統(tǒng)研究.pdf

1、隨著智能機(jī)器人的快速發(fā)展，如何賦予機(jī)器人和諧的人機(jī)交互能力使其能夠感知人類的情感成為當(dāng)前人與機(jī)器人交互研究的熱點(diǎn)。人臉表情作為人類情感表達(dá)的重要組成部分，要使機(jī)器人能夠理解人類的情感表達(dá)，必須使機(jī)器人有識(shí)別人臉表情的能力，因此表情識(shí)別的研究在人機(jī)交互領(lǐng)域顯現(xiàn)出了其重要的研究意義和應(yīng)用價(jià)值。
　　針對(duì)傳統(tǒng)AAM模型提取人臉表情特征時(shí)表征能力不足和實(shí)時(shí)性差的問(wèn)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(duì)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(guān)鍵特征點(diǎn)之后用BRISK匹配特征點(diǎn)以增強(qiáng)匹配效率，其次用LGBP對(duì)人臉AAM模型的紋理特征進(jìn)行提取以增強(qiáng)表情特征的表征能力，最后用SVM分類器對(duì)提取的表情特征進(jìn)行分類。然而，傳統(tǒng)的人臉特征點(diǎn)定位提取表情特征的方法，不可避免的會(huì)引入人工標(biāo)定誤差，而卷積神經(jīng)網(wǎng)絡(luò)可以克服這個(gè)缺點(diǎn)。本文在研究卷積神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)上，利用目前流行的深度學(xué)習(xí)框架TensorFlo

3、w設(shè)計(jì)了一個(gè)獨(dú)特的卷積神經(jīng)網(wǎng)絡(luò)模型用于表情識(shí)別。本文設(shè)計(jì)的卷積網(wǎng)絡(luò)與傳統(tǒng)卷積網(wǎng)絡(luò)不同的是，忽略了偏置項(xiàng)（biases），加快了訓(xùn)練速度，減少了學(xué)習(xí)參數(shù)的個(gè)數(shù)。通過(guò)分析對(duì)比網(wǎng)絡(luò)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(luò)結(jié)構(gòu)和參數(shù)，對(duì)8種基本的表情類別進(jìn)行了有效的分類。
　　本文中的表情識(shí)別方法主要在CK+和JAFFE表情庫(kù)上進(jìn)行了算法有效性的實(shí)驗(yàn)驗(yàn)證，其中在CK+表情庫(kù)上AAM與LGBP結(jié)