论文部分内容阅读
自然人机交互作为推动人类生活的智能化信息技术具有重要的研究意义。情感认知能力是衡量交互友好性的关键技术指标,在相关研究领域受到了广泛关注。微表情反映了人类真实的情感状态,是分析情感计算模型的重要数据来源。本文通过微表情语义特征分析实现交互者真实情感的捕捉并对机器人内在的情感状态转移机制展开研究。借鉴人人交互模式,本文所提的情感交互模型采用了个体行为认知与心理认知相结合的方式,能够增强人机交互的友好性。本文的主要研究内容与创新点如下:(1)围绕视觉关注区域开展了微表情语义认知分析,提出了基于视觉注意力的上下文语义特征提取方法。在视觉关注区域内,采用CNN算法提取微表情细粒度特征,并将注意力模型引入时空上下文认知模块,获得微表情语义特征,同时利用稀疏编码算法实现特征的稀疏化。在CASME2和SMIC微表情数据库中开展实验,结果表明本文所提微表情语义特征提取方法能够更好的捕捉到与情感识别强相关的特征,为微表情情感的准确映射提供重要支撑。(2)通过引入情感信息熵与个性化特征节点,提出一种基于特征迁移的增量式情感映射模型SFT_BLS。在稀疏子空间中通过引入情感信息熵分析域间情感特征的差异性,构建特征迁移算法,提升小样本量下的情感识别准确率。在宽度学习系统中以特征迁移算法作为输入层,通过引入个性映射特征节点和个性增强节点,加强情感模型的个性化认知能力。构建多层SVD算法用于实现模型的增量式更新。实验结果表明本文所提出模型具有更好的识别率,且能够有效解决小样本量下识别率低和增量数据下模型计算代价高的问题。(3)将Gross情感调节策略融入到HMM模型,构建具有认知能力的情感状态转移模型。依据大五人格量表和情感强度第一定律,分析性格特征和情感刺激强度对情感认知的影响。将Gross认知重评和表达抑制分别与HMM模型的两个随机过程相结合,实现了任意情感状态间的概率转移模型,使机器人具有类人的情感生成和情感表达能力。实验结果表明认知情感计算模型能够加强机器人的情感控制能力,有助于促进人机交互的友好性。(4)将上述情感交互理论和模型嵌入到自闭症儿童交互机器人平台,评估所提模型的可行性及其对自闭症儿童辅助治疗的效果。在自闭症儿童表情数据集中,观察SFT_BLS模型对自闭症儿童情感分类的性能,并且通过改进的GMM模型实现患者表情在多维空间中的情感映射和跟踪。通过跟踪10位轻中度患者的两个治疗周期,表明具有情感认知能力的自闭症辅助治疗机器人能够显著提升患者的社交反应能力。