随着人工智能技术的快速发展,智能机器人已成为情感计算与人机交互领域的研究热点。人们普遍希望机器人能像人一样,具有识别和理解情感以及交流氛围的能力。其中,交流氛围是人与人以及人与机器人交流过程中营造出来给人的一种心理感受,它不仅可以反映整体的交流情况,还能影响交流的进行。因此在人机交互中,如果机器人不仅能识别人的情感状态还能感知整体的交流氛围,那么机器人便能做出适当行为回馈,从而促进自然和谐的人机交流。本文针对人机交流氛围,进行了较为深入的研究,提出了基于模糊层次分析法的交流氛围场模型,并将其运用到人机交互系统中。本文在交流氛围方面的研究主要包括三部分。首先,提出了基于模糊层次分析法的交流氛围场模型,介绍了基于人、机器人和背景音乐情感状态的人机交流氛围场,并提出了人机交流氛围场的三层层次结构。根据人、机器人和背景音乐的实时语音特征数据(包括音量、音高、语速和音长),利用模糊层次分析法实现了人、机器人和背景音乐情感状态影响交流氛围权重的动态调整。同时,分析了局部交流氛围与全局交流氛围之间的关系,构建了基于局部交流氛围和背景音乐情感状态的全局交流氛围计算方法。最后介绍了基于形状、颜色、填充和波形的交流氛围场图形化表示方法,实现了交流氛围直观、形象的可视化表达。然后,提出了基于两层支持向量机的背景音乐情感识别模型。针对不同的音乐片段,首先识别其音乐类型,在音乐类型的基础上再识别音乐片段的情感状态。在音乐的情感识别中,首先需要分别提取与音乐类型相关的特征以及与音乐情感相关的特征,然后使用SVC模型利用音乐类型特征判断音乐的类型;根据音乐类型的识别结果,使用相应的SVR模型识别出音乐片段的情感状态。实验结果表明,与直接对音乐片段进行情感识别相比,基于音乐类型的音乐情感识别准确性更高。最后,搭建了基于交流氛围场模型的人机交互实验系统。通过Kinect采集图像和语音等多模态情感数据,并利用相关算法实现人的情感与交流氛围的识别,机器人能根据识别结果调整自身的情感状态或做出适当的行为回馈。同时设计了家居环境下的人机交流场景实验,实验里系统能够反映家居环境下各场景实验中的实时交流氛围,并能通过背景音乐调节交流氛围,促进和谐顺畅的人机交互。与问卷调查中实验者对交流氛围的主观评价相比,实验结果表明所提交流氛围场模型计算得到的交流氛围与人们对交流氛围的感受和评价是基本一致的。