论文部分内容阅读
随着科技的发展,机器人在人类生活中扮演着越来越重要的角色。服务机器人可以替人类从事一些重复繁琐的工作,在节省人力劳动的同时,也进一步推动了社会的发展。其中,迎宾机器人凭借着良好的商务迎宾、人机交互等功能,有着非常广阔的市场前景。人脸识别作为迎宾机器人视觉系统的重要组成部分,是实现迎宾机器人人机交互的一种关键技术。作为一种基于人的面部特征信息进行身份识别的生物识别技术,人脸识别凭借着非侵扰性、便捷性、友好性、非接触性、可扩展性等优势,有着非常广阔的应用前景。本文提出了使用云平台作为迎宾机器人“大脑”的方法,解决了目前迎宾机器人大多使用内置计算机进行人脸识别,从而计算力不足的问题。考虑到迎宾机器人工作环境中光照复杂多变,提出了融合Retinex的Ada Boost人脸检测方法,提高了复杂光照环境下人脸检测的准确率。使用基于深度学习的人脸识别方法取代传统的人脸识别方法,大大提高了人脸识别的准确率。最后在迎宾机器人平台上实现了人脸识别系统并测试了相关功能,具有很好的实用性。本文的主要工作具体分为以下三个方面:(1)针对目前市面上机器人的人脸识别主要靠内置的计算机从而计算力不足的缺点,提出了将云平台作为迎宾机器人的“大脑”,将迎宾机器人作为云机器人,通过Wi Fi和云平台通信。将迎宾机器人检测到的人脸上传到云平台上进行人脸识别计算,减轻了本地机器人的运算量。同时,云平台还可以对多台迎宾机器人进行云服务。(2)重点研究了基于Ada Boost的人脸检测算法,考虑到Ada Boost算法简单、快速的优点,基于Ada Boost利用Open CV设计了人脸检测模块。考虑到迎宾机器人工作环境中光照复杂多变,融合了改进的多尺度Retinex算法。改善了复杂光照的影响,进一步提高了人脸检测的准确率。在云端服务器上以Tensorflow深度学习框架作为开发平台,利用Face Net深度学习网络模型设计了人脸识别模块,相比于传统人脸识别方法,准确率大大提高。(3)在迎宾机器人平台上设计并实现了一套人脸识别系统,并对其进行了功能测试。同时,对整体系统进行了性能测试。根据测试数据对系统进行优化,提高了系统的性能,使其具有很好的实用性。