触感手势是一种重要的非语言社会交流方式,就像面部表情和肢体语言一样,在人与人之间的交际过程中有着重要的作用。在人机交互领域中,触感可以与视觉和听觉相结合来增强机器人对情感的感知,机器人治疗作为未来的一项应用具有深远的意义。然而目前对情感机器人交互的研究主要集中在视觉和听觉方面,对触感的研究却没有引起足够的关注。本文对机器人触感手势的识别研究建立在触感手势数据集CoST的基础上,从数据预处理、特征提取和分类模型研究三方面展开工作,主要内容如下:首先,根据对CoST数据的分析,提出两种针对触感手势数据的预处理方法“截取”和“去背景”,从6个不同的角度提取了分类特征,其中包括基本特征、基于直方图的特征、序列特征、梯度特征、接触面积特征以及基于每个传感器的特征,并在训练集上以随机森林为分类器采用十折交叉的方式进行了分类验证,结果显示不同预处理对不同手势的识别具有不同的效果。其次,为了融合不同预处理对不同手势识别的优势,提出了一种基于三支决策的触感手势识别算法。算法按照序贯性三支决策的思路将各个由不同预处理数据集训练的分类器作为不同“粒度”下的决策模型,每一层根据三支决策的规则进行决策。算法主要包括三步:转换本文m分类问题为m个二分类并分别计算每个二分类的三支决策阈值、采用序贯性三支决策的方法得到m个二分类的决策结果和在m个决策结果中选出最后的预测值。实验结果表明,算法一定程度上融合了不同预处理的优势,提高了手势的识别率。最后,在对前一个算法改进的基础上,提出了基于三支决策的组合分类器。算法根据组合分类器的思路,将由不同预处理数据集训练的基分类器预测结果按照贝叶斯投票的方式进行组合。在组合的过程中引入了三支决策的方法,使投票建立在三支决策的基础上。实验结果显示本算法比前一个算法有更好的分类效果,再和其他研究者的工作进行了对比,本文算法一定程度上达到了较准确的分类识别效果。