1.基于表情识别和情感量化分析计算的机器人人机交互方法,其特征在于,包括:步骤P100:对用户表情进行识别;
步骤P200:根据步骤P100的表情识别结果进行情感的量化和计算分析,得到当前情感量化计算分析结果;
步骤P300:将当前情感量化计算分析结果传送至交互机器人,交互机器人根据当前情感量化计算分析结果确定对应的交互内容,采用人机交互方式输出交互内容,以此对用户进行情感调节;
所述的步骤P100具体包括:
步骤P101:通过PC端摄像头采集用户面部表情图像;
步骤P102:通过深度神经网络实现用户面部表情图像中的表情识别,进而将表情识别为中立、愤怒、惊讶、恐惧、厌恶、高兴和/或悲伤,并得到深度神经网络输出的表情属于各类别的概率值;
所述的步骤P200具体包括:
步骤P201:搭建情感量化计算分析模型,确定情感量化计算分析模型的三维空间内125种离散情感状态的表示向量;
步骤P2011:确定13种基础情感状态,包括高兴、悲伤、愤怒、惊讶、厌恶、恐惧、有点高兴、有点悲伤、有点愤怒、有点惊讶、有点厌恶、有点恐惧以及中立;
步骤P2012:基于欧氏空间建立情感量化计算分析模型的三维空间坐标系,其中原点为中立,X轴正向为恐惧,X轴负向为惊讶,Y轴正向为悲伤,Y轴负向为高兴,Z轴正向为愤怒,Z轴负向为厌恶,趋于原点越近,表示情感越平静,离原点越远表示情感越强烈;
步骤P2013:在三维空间坐标系内确定13种基础情感状态分别对应的离散点坐标值,分别为中立对应的离散点(0,0,0)、有点恐惧对应的离散点(0.5,0,0)、有点悲伤对应的离散点(0,0.5,0)、有点愤怒对应的离散点(0,0,0.5)、恐惧对应的离散点(1,0,0)、悲伤对应的离散点(0,1,0)、愤怒对应的离散点(0,0,1)、有点惊讶对应的离散点(‑0.5,0,0)、有点高兴对应的离散点(0,‑0.5,0)、有点厌恶对应的离散点(0,0,‑0.5)、惊讶对应的离散点(‑1,0,
0)、高兴对应的离散点(0,‑1,0)和厌恶对应的离散点(0,0,‑1),将13个离散点与原点组成的向量表示13种基础情感状态的表示向量,将13种基础情感状态的表示向量互相组合,形成112个复合三维向量,进而表示112种复合情感状态的表示向量,13种基础情感状态的表示向量与112种复合情感状态的表示向量合并,最终得到125种离散情感状态的表示向量;
步骤P202:将步骤P102输出的概率值张量输入至情感量化计算分析模型进行分解,分解为中立的表示向量、愤怒的表示向量、惊讶的表示向量、恐惧的表示向量、厌恶的表示向量、高兴的表示向量和悲伤的表示向量;
步骤P203:对步骤P202中各个表示向量进行加权计算;
步骤P204:从情感量化计算分析模型的三维空间内125种离散情感状态的表示向量中,找出与步骤P203的输出结果相似度最高的离散情感状态的表示向量,将找出的离散情感状态的表示向量作为当前情感量化计算分析结果。
2.根据权利要求1所述的基于表情识别和情感量化分析计算的机器人人机交互方法,其特征在于,步骤P102中:各类别的概率值包括愤怒的概率值E1、厌恶的概率值E2、恐惧的概率值E3、高兴的概率值E4、中立的概率值E5、悲伤的概率值E6和惊讶的概率值E7,其中Ei均在0‑1之间,i=1,2,
3……7;且
3.根据权利要求1所述的基于表情识别和情感量化分析计算的机器人人机交互方法,其特征在于,所述的步骤P300具体包括:步骤P301、PC将当前情感量化计算分析结果编码后传送至交互机器人;
步骤P302、交互机器人接收编码的当前情感量化计算分析结果,并解码;
步骤P303、交互机器人根据当前情感量化计算分析结果,确定对应的交互内容;
步骤P304、交互机器人根据确定的交互内容,采用人机交互方式输出交互内容;
其中交互内容的输出具体包括以下步骤:
步骤P3041、交互机器人调用本体API;
步骤P3042、交互机器人于库内查找与当前情感量化计算分析结果对应的交互内容文件;
步骤P3043、交互机器人通过API加载并执行交互内容文件;
步骤P3044、交互机器人采用伺服舵机并根据交互内容文件的动作指令完成肢体动作,交互机器人采用本体扬声器并根据交互内容文件的语音指令播放交互语音,完成动作交互和语音交互,以此对用户进行情感调节。
4.根据权利要求3所述的基于表情识别和情感量化分析计算的机器人人机交互方法,其特征在于,所述的步骤P301中,PC和交互机器人处于同一局域网中,PC与交互机器人通过局域网无线通信。