仿人面部表情机器人头部机构方案设计

为了赋予表情机器人更丰富的面部表情, 并最终实现与人之间更和谐的交互, 在对人类基本表情的形成与肌肉运动进行分析的基础上, 提出了一种仿人面部表情机器人头部的机械结构设计方案, 为后续研究提供了硬件平台支持. 并对该机器人头部机构, 包括眉毛、眼睑、眼球、能实现咀嚼动作的下颚以及颈部等的工作原理进行了详细说明, 对多种方案的选择作了对比. 最后, 确定了表情机器人头部的机构设计方案.     

仿人面部表情机器人SHFR-1样机

通过对人类实现不同面部表情时脸部肌肉运动情况的分析,设计仿人面部表情机器人的运动机构和控制系统.在仿真环境下,对所设计的虚拟样机进行运动分析,以所得到的数据为依据,研制仿人面部表情机器人样机SHFR-1.在SHFR-1机器人上进行面部表情演示实验,结果表明,该样机可以较好地实现高兴、悲伤、惊讶、害怕、愤怒和厌恶等6种人类基本表情.     

面部表情机器人眉毛结构设计与优化

针对现有面部表情机器人拟人化程度偏低、结构自由度少等现状,设计了一种多自由度、高拟人化的面部表情机器人的眉毛结构。为满足人脸表情中眉部动作的复杂性,采用4个自由度的眉毛结构,用于提高其灵活性,具有结构紧凑的特点;设计的结构采用并联结构,可有效减少驱动器数量,满足面部表情机器人尺寸小、精度高的要求。在ADAMS中进行结构优化,并在Pro/e中完成建模,再导入到ADAMS中进行运动仿真,验证了结构设计的有效性。     

表情机器人

本作品是基于人的头部结构而设计。其眼球是用2自由度可实现眼球的任意方位的转动。而嘴部和眉部以及眼球的运动是由单片机精确控制舵机来实现各种面部表情的变化。通过各种程序的控制能使机器人做各种动作．并且机器人发出的声音和表情的结合可以表达出各种神态。本作品的特点是能模仿人的各种表情动作以及摇头、点头等动作。     

科技新品

NEC推出新款"PAPERO"伙伴型机器人NEC公司推出的"PAPERO"伙伴型机器人被视为以机器人为助手的未来生活的开端。早在2005年刚刚问世的时候,它就能理解650个不同的命令,并且能说出3,000多个命令。PAPERO能够识别面部表情,并且能阅读电子邮件或按要求递送信息。它可以通过手机被加     

机器人满园春色关不住

胖鼻子、大耳朵、金头发、憨态可掬的表情……4月18日，由哈尔滨工业大学鲍青山教授带领的课题组成功研制出了我国第一台具有完全自主知识产权、面带拟人化表情的幼教机器人“百智星”。这个形象活泼可爱的卡通机器人一问世，立刻吸引了众人的眼球。     

图片新闻

日本科学家日前推出一款以一名年轻女性为原型的仿真机器人。“她”能够模仿人类多种表情和动作,几乎以假乱真。这款机器人配备动作捕捉系统和12个气压传动装置,能够同步模仿人类行走、说话等动作。面部由橡胶制成,能够作出微笑、咧嘴笑和皱眉等表情。     

智能迎宾机器人

设计了具有迎宾礼仪和导航服务、融合视觉、语音、智能人机交互、网络技术、实时系统、传感器检测、控制技术和系统集成等核心技术的迎宾机器人。该迎宾机器人具有多种友善的面部外观,除了可以和人进行良好的音频视频互动外,还能与人进行自然、和谐的交互,实现了很好的迎宾功能。设计出的卡通小优形象的机器人表情生动可爱、动作灵活,容易给客人带来愉悦的心情,受到大家的喜爱。该迎宾机器人不仅能实现常见的迎宾动作,如打招呼、点头问候、欢迎等,还可以做转头、点头、摇头等情绪化表情,而且还能歌善舞、WIFI无线上网、声控对话、语音识别,可与人进行自然语言交互,可以语音操纵机器人运动,能够自主的移动行走,更可借助内置的传感器系统拥有灵敏的触觉、视觉与听觉,对周边环境做出准确反映;胸口23cm大的触摸式电脑。     

网上冲浪3D化

NEC公司推出的“PAPERO”伙伴型机器人被视为以机器人为助手的未来生活的开端。早在2005年刚刚问世的时候，它就能理解650个不同的命令，并且能说出3，000多个命令。PAPERO能够识别面部表情，并且能阅读电子邮件或按要求递送信息。它可以通过手机被加以控制、把看到的景象发送到电话的液晶屏幕上，非常适于监控住宅、甚至帮助照看孩子。     

韩国世界上第二个仿真机器人

韩国工业技术研究所研制的仿真机器人“伊芙R-1”近日在首尔与公众见面。“伊芙R-1”的面部装有35台微型马达，让她能做出惊讶或喜悦的表情。她还掌握了大约400个词汇，能根据人们的语音提问或表情做出回答。“伊芙R-1”身高1米63、体重50公斤、造价3亿韩元（约合32万美元）。     

喜怒哀乐型机器人

日本早稻田大学理工学院最近宣布研制出一种能表现喜怒哀乐的机器人.该机器人的两眼配有两只电荷耦合元件摄影机,并使用了多种传感元件,可以灵活地观察四周的情况,并做出不同的反应.另外,机器人内还组入有表示欢喜、愤怒、悲哀、快乐、瞌睡、信任和不确定等心理活动的智能模块,它可以根据周围事物的不断变化,利用机器人的眉毛、眼皮、睫毛、嘴巴、嘴唇表现出喜怒哀乐等各种表情.     

基于改进随机森林分类器在RGBD面部表情上的应用研究

面部表情识别是机器感知人类情绪变化的重要途径.利用面部RGB图像可以进行表情识别,但是容易受到光照变化影响,而且较难刻画细微表情变化.对采用RGBD面部图像识别6种基本面部表情(高兴、悲伤、愤怒、沮丧、恐惧以及惊讶)进行研究.首先利用深度图像鲁棒地检测面部;然后在面部灰度图像中检测并跟踪二维面部标记点,并添加对应的深度信息构造深度面部几何特征,从而有效识别细微表情变化;最后利用基于特征选择的随机森林分类器对不同面部表情进行识别.基准数据库上的对比实验结果表明本文算法的表情识别准确率高于主流基于手动提取特征的面部表情识别方法,接近基于卷积神经网络的识别算法性能.     

基于深度学习的人脸表情识别研究与应用

人脸面部表情是人机交互和非言语交际的有效方式,对面部表情进行识别并分析,可以获取很多信息,在安全监控、人工智能、军警、心理学等领域有着许多不同的应用。本研究基于深度学习对人脸表情识别进行深入研究,采用Open CV内置算法进行人脸检测,利用卷积神经网络进行面部表情识别,实现对人脸最基本的7种表情包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中立分别进行识别。与传统的人脸表情识别方法相比较,卷积神经网络的识别精度高,训练参数少,在面部表情特征表现明显的情况下,对7种表情的识别精度都能超过70%以上。     

基于模糊核判别分析的静态面部表情情绪识别方法

当前面部表情情绪识别方法由于表情类别划分能力差,导致面部表情情绪识别结果精度不佳,为此,该文提出基于模糊核判别分析的静态面部表情情绪识别方法。根据模糊核图像处理原理,线性方程对静态面部表情原始图像进行复原,获取原始人脸图像采集。利用奇异值分解技术提取静态面部表情情绪特征。采用模糊核判别分析方法对面部表情情绪类别进行划分,实现静态面部表情情绪识别。通过五官结构关键信息提取、表情信息匹配精度以及静态面部表情情绪识别精度三部分指标,验证此方法的应用效果。实验结果表明：研究方法的表情信息匹配精度可达97.0%,使用其可有效提升静态面部表情情绪识别效果。     

基于小数据集下贝叶斯网络建模的面部表情识别

针对面部表情识别过程中获得的特征样本稀少的问题,提出了一种基于小数据集下贝叶斯网络(BN)建模的面部表情识别方法。首先提取面部表情图像的几何特征和HOG特征,经特征融合和归一化等处理构成动作单元(AU)标签样本集;其次提出了用于面部表情识别的BN结构,并将定性专家经验转化为BN条件概率之间的约束集合,随后引入凸优化最大化求解完成BN模型参数的估算;最后利用联合树推理算法识别出面部表情。实验结果表明:在小数据集条件下,与支持向量机(SVM)、Adaboost和卷积神经网络(CNN)等人脸表情分类方法相比,该方法能够取得更准确的面部表情识别结果。     

KJC浏览器

美国麻省理工学院最近研制出的机器人“克斯梅特”,已经能和人进行简单的交流了。四台摄像机是“克斯梅特”的眼睛,15台计算机分别控制的21个小型马达是“克斯梅特”的表情肌,这些装备能帮助克斯梅特表达惊讶、高兴、沮丧、甚至是轻蔑的简单情感。而复杂的内部程序则指挥着克斯梅特在适当的时候将情感表达出来。     

能陪主人“聊天”的机器人手机

觉得一个人打手机有点孤单的人现在不用发愁了，日本一家公司将推出一款能陪主人“聊天”的机器人手机。这款新手机，“人味”十足，外形像一个小机器人，有胳膊有腿，显示屏还可以做出不同的面部表情。该手机采用大量的人工智能技术，可以“偷偷”地掌握主人的习惯。比如，如果用户经常给一个固定用户打电话，     

基于深度学习的图像人脸识别方法研究

使用计算机进行面部表情识别是当前人脸面部表情识别的热点,在深度学习技术的基础上,应用级联分类器对面部进行整体检测和分区定位后,提出并使用了一种基于自注意力机制的深度卷积神经网络,模型采用Mini-Xception为基本网络融合了注意力机制,再通过训练卷积神经网络构建表情分类模型,最后实现较为快速准确的表情识别。文中采用几种方法进行实验对比,并对最终的实验结果加以分析。结果表明,在相同的参数设置下提出的方法能明显提高分类性能、识别的精准度以及面部表情变化检测的实时速度。     

基于改进MMI的HMM训练算法及其在面部表情识别中的应用

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式. 该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能. 把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器. 实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题.     

基于改进的主成分分析法的矿工表情识别

针对传统的矿工面部表情识别方法中对矿工面部表情进行特征提取的时间较慢且识别准确率不高的问题,以主成分分析法为基础,运用Fisher线性判别法对传统的主成分分析法进行改进。首先在主成分分析法的基础上增加一个类间离散矩阵,使其投影后不同类别之间特征点的距离更大,同一类别之间特征点的距离更加紧凑,对矿工面部表情图像特征提取的结果更具有代表性和针对性;然后运用径向基神经网络将低维非线性可分的矿工面部表情图像对应的特征矩阵映射到高维空间并使其线性可分,从而实现对矿工面部表情的识别和分类。实验结果表明,所提出的方法对矿工面部表情识别的识别率为89.0%,优于传统矿工面部表情分类识别算法,在矿井安全监控、疲劳驾驶等领域有较好的应用前景。