發(fā)布時(shí)間：2020-09-21 20:49

　　 隨著智能機(jī)器人技術(shù)的不斷發(fā)展,應(yīng)用領(lǐng)域的不斷擴(kuò)大,人機(jī)交互任務(wù)也日趨復(fù)雜。利用情感識(shí)別模型,賦予機(jī)器人類人的情感認(rèn)知能力,可以實(shí)現(xiàn)高效、自然、和諧的智能人機(jī)交互。情感識(shí)別模型性能涉及運(yùn)算量、識(shí)別率等多個(gè)指標(biāo),在建模過(guò)程中,如特征工程、模型分析與模型融合等,都涉及多通道信息的融合問(wèn)題。因此,開展基于加權(quán)融合策略的情感識(shí)別建模方法研究,以提高模型的識(shí)別率,具有重要的理論意義和工程價(jià)值。本文以情感識(shí)別模型作為研究對(duì)象,提高模型識(shí)別率作為研究目標(biāo),開展基于加權(quán)融合策略的情感識(shí)別建模方法研究。考慮人體情感信息類型和情感特征的多樣性,根據(jù)模型對(duì)正確率和運(yùn)算量的要求,針對(duì)建模過(guò)程中的特征級(jí)融合、模型級(jí)融合、決策級(jí)融合以及權(quán)重確定方法等關(guān)鍵技術(shù)進(jìn)行深入的研究,本文的主要工作如下。1)基于面部圖像特征級(jí)融合的表情識(shí)別。憑借面部結(jié)構(gòu)與心理學(xué)方面的研究結(jié)果與經(jīng)驗(yàn),選擇與面部表情密切相關(guān)的眼睛、眉毛、嘴巴及周邊部位的特征點(diǎn),利用其二維坐標(biāo)得到幾何特征。憑借以深度學(xué)習(xí)為突破點(diǎn)的純數(shù)據(jù)驅(qū)動(dòng)的特征學(xué)習(xí)算法,構(gòu)建一個(gè)多層的卷積神經(jīng)網(wǎng)絡(luò),讓機(jī)器自主地從樣本數(shù)據(jù)中逐層地學(xué)習(xí),得到表征樣本更加本質(zhì)的深度特征。根據(jù)表情識(shí)別模型的特點(diǎn),引入特征級(jí)融合,線性串聯(lián)兩種特征構(gòu)成表情圖像的多特征,達(dá)到信息上的互補(bǔ),從而提高模型識(shí)別率。2)基于面部圖像模型級(jí)融合的表情識(shí)別。分析面部結(jié)構(gòu),選擇能夠體現(xiàn)面部的主要形態(tài)且不會(huì)因?yàn)槟Ｐ偷牟煌淖兤湎鄬?duì)位置的特征點(diǎn),憑借面部肌肉運(yùn)動(dòng)范圍大小將面部分區(qū),并根據(jù)分區(qū)將特征點(diǎn)分為互不相交的特征組。利用單組特征的識(shí)別率,引入基于反饋的原理,設(shè)計(jì)權(quán)重確定方法,并引入剛性原理,分析面部不同分區(qū)的剛性,將其作為檢驗(yàn)權(quán)重正確性的依據(jù)。在此基礎(chǔ)上引入模型級(jí)融合,根據(jù)分類模型特點(diǎn)設(shè)計(jì)加權(quán)核函數(shù),實(shí)現(xiàn)特征的非線性加權(quán)融合,增加強(qiáng)相關(guān)特征對(duì)分類結(jié)果的影響并減少弱相關(guān)特征對(duì)分類結(jié)果的影響,從而提高模型識(shí)別率。3)基于多種生理信號(hào)決策級(jí)融合的情感識(shí)別。由于多種人體生理活動(dòng)與情感狀態(tài)相關(guān),同時(shí)對(duì)應(yīng)的人體表征信號(hào)多樣,選擇可用于情感識(shí)別的4種生理信號(hào),包括腦電信號(hào)、心電信號(hào)、呼吸信號(hào)以及皮膚電信號(hào),根據(jù)信號(hào)種類的不同分別建立特征提取模型。針對(duì)生理信號(hào)對(duì)情感狀態(tài)的表現(xiàn)力強(qiáng)弱各異,根據(jù)生理信號(hào)對(duì)情感狀態(tài)的識(shí)別率,引入基于反饋的原理,設(shè)計(jì)權(quán)重確定方法。根據(jù)情感識(shí)別模型的特點(diǎn),在決策級(jí)引入加權(quán)融合和最大值規(guī)則,充分發(fā)揮生理信號(hào)的優(yōu)勢(shì),從而提高模型識(shí)別率。4)基于多模態(tài)信息特征級(jí)和決策級(jí)融合的情感識(shí)別。分析人體結(jié)構(gòu)與情感信號(hào),選擇視覺(jué)信號(hào)和生理信號(hào)構(gòu)成多模態(tài)情感信息。其中,視覺(jué)信號(hào)為面部表情的彩色圖像序列,生理信號(hào)包括腦電信號(hào)、心電信號(hào)、呼吸信號(hào)以及皮膚電信號(hào)4種信號(hào)。引入特征級(jí)融合,串聯(lián)視覺(jué)信號(hào)特征和生理信號(hào)特征得到4種多模態(tài)特征,利用多模態(tài)特征對(duì)情感狀態(tài)的識(shí)別率,引入基于反饋的原理,設(shè)計(jì)權(quán)重確定方法。根據(jù)情感識(shí)別模型的特點(diǎn),在決策級(jí)引入加權(quán)融合和最大值規(guī)則,充分發(fā)揮多模態(tài)情感信息的優(yōu)勢(shì),從而提高模型識(shí)別率。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：TP18;TN911.7;TP391.41
【部分圖文】：

奢－逡逑圖１－１教育輔助機(jī)器人邐圖１－２救援機(jī)器人逡逑ｌｉ＾Ｔ！＇邋Ｉ邋ｈ，逡逑，攃逡逑圖１－３輔助醫(yī)療機(jī)器人邐圖１＂４助老助殘機(jī)器人逡逑在教育領(lǐng)域，優(yōu)秀教師憑借多年的教學(xué)經(jīng)驗(yàn)可以做到“因材施教”，擁有情逡逑感識(shí)別能力的智能機(jī)器人可以實(shí)現(xiàn)自適應(yīng)教學(xué)，對(duì)學(xué)生進(jìn)行有針對(duì)性的一對(duì)一指逡逑導(dǎo)，根據(jù)不同學(xué)習(xí)狀況自動(dòng)適應(yīng)［２］，如圖１－１所示。在消防救援領(lǐng)域，被困人員逡逑１逡逑

能研究中尤為重要。逡逑ＩｚＨ，奢－逡逑圖１－１教育輔助機(jī)器人邐圖１－２救援機(jī)器人逡逑ｌｉ＾Ｔ�。у澹慑澹瑁义�，攃逡逑圖１－３輔助醫(yī)療機(jī)器人邐圖１＂４助老助殘機(jī)器人逡逑在教育領(lǐng)域，優(yōu)秀教師憑借多年的教學(xué)經(jīng)驗(yàn)可以做到“因材施教”，擁有情逡逑感識(shí)別能力的智能機(jī)器人可以實(shí)現(xiàn)自適應(yīng)教學(xué)，對(duì)學(xué)生進(jìn)行有針對(duì)性的一對(duì)一指逡逑導(dǎo)，根據(jù)不同學(xué)習(xí)狀況自動(dòng)適應(yīng)［２］，如圖１－１所示。在消防救援領(lǐng)域，被困人員逡逑１逡逑

逑在高溫高壓、有毒有害等特殊環(huán)境下情緒波動(dòng)較大，救援機(jī)器人根據(jù)被困人員情逡逑感狀態(tài)調(diào)整救援流程，增加救援成功幾率［３］，如圖１－２。在輔助醫(yī)療領(lǐng)域，康復(fù)逡逑訓(xùn)練是一個(gè)枯燥乏味的重復(fù)性過(guò)程，根據(jù)患者情感狀態(tài)及時(shí)調(diào)整訓(xùn)練進(jìn)程并對(duì)恢逡逑復(fù)狀況實(shí)時(shí)評(píng)定，有助于增強(qiáng)患者對(duì)康復(fù)治療的信心，此外患者在醫(yī)院康復(fù)治療逡逑中心進(jìn)行康復(fù)訓(xùn)練的花費(fèi)巨大，而經(jīng)濟(jì)是醫(yī)療輔助機(jī)器人另一大特點(diǎn)［４］，如圖１－３。逡逑在助老助殘領(lǐng)域，由于老齡化己成為２１世紀(jì)全球性趨勢(shì)，并且世界上有５億多逡逑殘疾人，智能機(jī)器人輔助進(jìn)行家務(wù)勞動(dòng)，提供多樣性護(hù)理服務(wù)的同時(shí)，可以豐富逡逑精神生活，實(shí)現(xiàn)生活質(zhì)量地改善［５］，如圖１－４。因此，情感識(shí)別在實(shí)現(xiàn)人機(jī)之間逡逑智能交互起著不可替代的作用。逡逑情逡逑主觀體驗(yàn)邋胃逡逑外部表現(xiàn)逡逑生理喚醒逡逑圖１－５人體情感結(jié)構(gòu)圖逡逑情感狀態(tài)作為一種內(nèi)在的、主觀的感受，如何能夠被準(zhǔn)確、有效地認(rèn)知，是逡逑情感識(shí)別研宄需要解決的一個(gè)根本問(wèn)題。情感具有三種成分：主觀體驗(yàn)（個(gè)體對(duì)逡逑不同情感狀態(tài)的自我感受）、外部表現(xiàn)（情感狀態(tài)發(fā)生時(shí)身體各部分的動(dòng)作量化逡逑形式

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡冬妮;王武軍;王青;;基于知網(wǎng)數(shù)據(jù)的情感識(shí)別國(guó)內(nèi)研究情況綜述[J];網(wǎng)絡(luò)新媒體技術(shù);2018年06期

2 韓志艷;王健;;基于模糊核聚類的多模式情感識(shí)別算法研究[J];電子設(shè)計(jì)工程;2016年20期

3 陳曉鷗;楊德順;;音樂(lè)情感識(shí)別研究進(jìn)展[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2017年02期

4 潘瑩;;情感識(shí)別綜述[J];電腦知識(shí)與技術(shù);2018年08期

5 李超;趙文萍;趙子平;;多視角判別分析的情感識(shí)別[J];信號(hào)處理;2018年08期

6 張力行;葉寧;黃海平;王汝傳;;基于皮膚電信號(hào)與文本信息的雙模態(tài)情感識(shí)別系統(tǒng)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2018年11期

7 吳琨;王漢友;;情感化設(shè)計(jì)與品牌情感識(shí)別[J];時(shí)代人物;2008年11期

8 余梓彤;李曉白;趙國(guó)英;;情感識(shí)別與教育[J];人工智能;2019年03期

9 劉曉東;王淼;李松陽(yáng);;一種基于行為上下文的視頻情感識(shí)別方法[J];微電子學(xué)與計(jì)算機(jī);2019年05期

10 ;全球首個(gè)具有情感識(shí)別功能的家用機(jī)器人[J];傳感器世界;2014年06期

相關(guān)會(huì)議論文 前10條

1 毛峽;;從科學(xué)中感知美麗[A];2015年中國(guó)自動(dòng)化大會(huì)摘要集[C];2015年

2 楊廣映;楊善曉;;基于表面肌電信號(hào)的情感識(shí)別研究[A];第三屆中國(guó)智能計(jì)算大會(huì)論文集[C];2009年

3 王志強(qiáng);熊子?xùn)|;傅向華;;基于螺旋模型的歌曲情感識(shí)別算法研究[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

4 張偉;謝湘;;基于HMM的音樂(lè)情感識(shí)別研究[A];第九屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

5 黃力行;辛樂(lè);趙禮悅;陶建華;;自適應(yīng)權(quán)重的雙模態(tài)情感識(shí)別[A];第九屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

6 錢金法;趙力;;穿戴式生理參數(shù)測(cè)量?jī)x研究及在兒童情感識(shí)別中的應(yīng)用[A];2006’和諧開發(fā)中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2006年

7 宋鵬;鄭文明;趙力;;基于特征遷移學(xué)習(xí)方法的跨庫(kù)語(yǔ)音情感識(shí)別[A];第十三屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議(NCMMSC2015)論文集[C];2015年

8 陳方方;孫耀挺;張龍;汪凱;;大學(xué)生自閉特質(zhì)與情緒感知的關(guān)系[A];華東六省一市第二十三次神經(jīng)病學(xué)學(xué)術(shù)會(huì)議暨2016年浙江省神經(jīng)病學(xué)學(xué)術(shù)年會(huì)論文匯編[C];2016年

9 張慶;盧家楣;;優(yōu)秀教師的情感識(shí)別能力的研究[A];第十七屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2014年

10 薛競(jìng)騰;趙力;;語(yǔ)音信號(hào)中的情感特征識(shí)別[A];2007’促進(jìn)西部發(fā)展聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前5條

1 品牌策劃人 林友清;品牌視覺(jué)是心智的入場(chǎng)券[N];華夏酒報(bào);2017年

2 劉國(guó)信;人工智能成電視行業(yè)競(jìng)爭(zhēng)新“賽道”[N];人民郵電;2017年

3 記者　邰舉;韓開發(fā)出腦電波情感識(shí)別技術(shù)[N];科技日?qǐng)?bào);2007年

4 黃力行邋陶建華;多模態(tài)情感識(shí)別參透人心[N];計(jì)算機(jī)世界;2007年

5 中國(guó)工業(yè)報(bào)記者 曹雅麗;辛國(guó)斌：加強(qiáng)國(guó)際合作 推動(dòng)機(jī)器人產(chǎn)業(yè)高質(zhì)量發(fā)展[N];中國(guó)工業(yè)報(bào);2018年

相關(guān)博士學(xué)位論文 前10條

1 魏薇;基于加權(quán)融合策略的情感識(shí)別建模方法研究[D];北京郵電大學(xué);2019年

2 許峰;基于深度學(xué)習(xí)的網(wǎng)絡(luò)輿情識(shí)別研究[D];北京郵電大學(xué);2019年

3 李超;多模態(tài)生理信號(hào)情感識(shí)別研究[D];天津大學(xué);2017年

4 林奕琳;基于語(yǔ)音信號(hào)的情感識(shí)別研究[D];華南理工大學(xué);2006年

5 程靜;基本情感生理信號(hào)的非線性特征提取研究[D];西南大學(xué);2015年

6 劉英杰;網(wǎng)絡(luò)輿情的信息情感維度空間構(gòu)建和信息情感元識(shí)別研究[D];吉林大學(xué);2017年

7 朱亞忱;基于特權(quán)信息的情感識(shí)別[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

8 王金偉;基于表情時(shí)空特征的認(rèn)知情感狀態(tài)識(shí)別研究[D];天津大學(xué);2014年

9 張石清;基于語(yǔ)音和人臉的情感識(shí)別研究[D];電子科技大學(xué);2012年

10 韓文靜;語(yǔ)音情感識(shí)別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王映麗;基于人臉視頻的心率特征提取方法研究[D];天津理工大學(xué);2019年

2 路婷婷;基于語(yǔ)音和人臉表情的多模態(tài)情感識(shí)別算法研究[D];西北大學(xué);2018年

3 朱宗寶;面向老年人語(yǔ)音與面部表情的情感識(shí)別研究[D];安徽建筑大學(xué);2018年

4 吳浩鵬;雙模態(tài)信息融合的情感識(shí)別研究[D];內(nèi)蒙古工業(yè)大學(xué);2018年

5 李鐘;基于多生理信號(hào)的情感識(shí)別方法研究[D];河南大學(xué);2018年

6 潘瑞（PERRY FORDSON）;基于多模態(tài)人體數(shù)據(jù)情緒識(shí)別及特征學(xué)習(xí)方法研究[D];華南理工大學(xué);2018年

7 趙亮;基于腦電信號(hào)間Granger因果關(guān)系的情感識(shí)別[D];合肥工業(yè)大學(xué);2018年

8 陳占剛;基于深度神經(jīng)網(wǎng)絡(luò)的腦電情感識(shí)別研究[D];合肥工業(yè)大學(xué);2018年

9 李才隆;基于人體生理信號(hào)的情感識(shí)別研究[D];南京郵電大學(xué);2018年

10 胡小三;基于多生理信號(hào)情感識(shí)別與預(yù)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2018年

本文編號(hào)：2823978