專利名稱：智能情感機(jī)器人分布式認(rèn)知技術(shù)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種人機(jī)交互技術(shù)，尤其涉及智能情感機(jī)器人分布式認(rèn)知技術(shù)。

背景技術(shù)：
隨著信息技術(shù)的發(fā)展，信息技術(shù)被廣泛的應(yīng)用到各行各業(yè)，它正改變著人們的工作方式與生活方式。計(jì)算機(jī)硬件的性能正如摩爾定律所預(yù)言，每年都保持穩(wěn)定的增長(zhǎng)，但人機(jī)交互方式的發(fā)展卻并不是這樣。過(guò)去幾十年人機(jī)交互方式的發(fā)展經(jīng)歷了三個(gè)主要的時(shí)代。批處理方式、命令行方式、圖形方式，每一類人機(jī)交互方式都持續(xù)了若干年，并成為當(dāng)時(shí)主流的交互方式。人機(jī)交互中，用戶可以使用自然的交互方式如語(yǔ)音、手勢(shì)、眼神、表情等與計(jì)算機(jī)系統(tǒng)進(jìn)行協(xié)同工作。是集計(jì)算機(jī)技術(shù)、機(jī)械、傳感技術(shù)、信息處理技術(shù)、圖像處理與識(shí)別技術(shù)、語(yǔ)言識(shí)別與處理技術(shù)、控制技術(shù)和通信技術(shù)等于一體的系統(tǒng)。世界各國(guó)都在致力于人機(jī)交互技術(shù)的研究，把其作為關(guān)鍵信息技術(shù)之一，中國(guó)高校也一直關(guān)注和跟蹤發(fā)達(dá)國(guó)家相關(guān)領(lǐng)域的進(jìn)展。
近年來(lái)，國(guó)內(nèi)外研究機(jī)構(gòu)紛紛把人機(jī)交互技術(shù)作為其研究方向，比較具有代表性的有美國(guó)麻省理工學(xué)院設(shè)計(jì)一種擬人化的智能體；美國(guó)加州大學(xué)伯克利分?；诠P的人機(jī)交互、遠(yuǎn)程機(jī)器人交互；歐洲各大學(xué)相關(guān)學(xué)科的研究團(tuán)體聯(lián)起手來(lái)，在人機(jī)交互領(lǐng)域做了相當(dāng)多的工作，尤其在自然人機(jī)交互的研究上，他們從理論基礎(chǔ)到實(shí)際應(yīng)用進(jìn)行了系統(tǒng)的研究；微軟中國(guó)研究院也將多通道人機(jī)交互技術(shù)作為他們研究的重點(diǎn)。但是目前，人機(jī)交互技術(shù)存在一些問(wèn)題，其中之一是缺乏從認(rèn)知心理學(xué)的角度來(lái)研究用戶對(duì)信息的感知和處理模式。因此，以智能情感機(jī)器人為對(duì)象，研究分布式認(rèn)知技術(shù)對(duì)于自然和諧人機(jī)交互的推動(dòng)作用是顯而易見(jiàn)的。


發(fā)明內(nèi)容
以智能情感機(jī)器人為對(duì)象，研究人機(jī)交互領(lǐng)域相關(guān)的分布式認(rèn)知技術(shù)，實(shí)現(xiàn)和諧自然的人機(jī)交互。本發(fā)明的目的在于從認(rèn)知心理學(xué)的角度研究用戶對(duì)信息的感知和處理模式，推動(dòng)人機(jī)交互的發(fā)展。
對(duì)于外界環(huán)境的變化和刺激，智能情感機(jī)器人個(gè)體內(nèi)的分布式認(rèn)知體現(xiàn)在模擬人類左右腦的協(xié)調(diào)感知上。本發(fā)明中，智能情感機(jī)器人分布式認(rèn)知技術(shù)包括四個(gè)模塊語(yǔ)言理解模塊、視覺(jué)理解模塊、情感認(rèn)知模塊和物理量認(rèn)知模塊。
四個(gè)模塊的設(shè)計(jì)與實(shí)現(xiàn)都包括硬件平臺(tái)和軟件支撐，下面介紹如下 硬件平臺(tái) 語(yǔ)言理解模塊的硬件平臺(tái)由于智能情感機(jī)器人需要在一定空間內(nèi)自主移動(dòng)，因此，選用無(wú)線MIC接收器作為用戶的語(yǔ)音輸入設(shè)備。
視覺(jué)理解模塊的硬件平臺(tái)采用USB免驅(qū)攝像頭作為輸入設(shè)備。
情感認(rèn)知模塊的硬件平臺(tái)此模塊中的觸覺(jué)情感認(rèn)知部分，采用觸摸按鍵芯片自主開(kāi)發(fā)的觸摸傳感器數(shù)據(jù)控制板。
物理量認(rèn)知模塊的硬件平臺(tái)超聲波傳感器、紅外傳感器、熱釋電紅外傳感器和溫濕度傳感器。
軟件部分 語(yǔ)言理解模塊的軟件部分使用中科院的Pattek Asr 3.4和MicrosoftSpeech SDK這兩種語(yǔ)音識(shí)別工具相結(jié)合，彌補(bǔ)了彼此的不足，在保證機(jī)器人語(yǔ)音交互實(shí)用穩(wěn)定的基礎(chǔ)上增加了機(jī)器人語(yǔ)音識(shí)別的靈活性。并采用改進(jìn)的正向最大匹配算法進(jìn)行分詞，提高了分詞效率。同時(shí)，采用了兩種方式對(duì)關(guān)鍵詞進(jìn)行擴(kuò)展。在此基礎(chǔ)上，開(kāi)發(fā)語(yǔ)言理解模塊的軟件部分。
視覺(jué)理解模塊的軟件部分開(kāi)發(fā)出包括人臉檢測(cè)、特征提取、特征識(shí)別以及人類的行為理解等相關(guān)視覺(jué)功能的軟件包。
情感認(rèn)知模塊的的軟件部分此模塊中的語(yǔ)言情感認(rèn)知部分中，提出了一種相對(duì)快速且計(jì)算機(jī)易于實(shí)現(xiàn)的針對(duì)輸入語(yǔ)句的句義褒貶分析方法。并且，在判斷文本褒貶度的時(shí)候采用了數(shù)據(jù)庫(kù)搜索的方式；此模塊中的表情情感認(rèn)知部分中，采用空間灰度共生矩陣來(lái)提取眉心區(qū)域的紋理特征作為判斷表情的一個(gè)維度；此模塊中的觸覺(jué)情感認(rèn)知部分中，基于支持向量機(jī)作為判斷用戶情感的方法。在以上改進(jìn)算法的基礎(chǔ)上，形成情感認(rèn)知模塊功能的軟件包。
物理量認(rèn)知模塊的軟件部分對(duì)采集的物理量分析與保存的軟件包。
以上所述四個(gè)模塊的軟、硬件部分，具體互聯(lián)設(shè)計(jì)框圖如圖1所示。圖1中，作為連接四個(gè)模塊的硬件部分是研祥工控板1719。無(wú)線MIC接收器通過(guò)音頻輸入線接入到工控板1719上，USB免驅(qū)攝像頭通過(guò)USB接口接入到工控板1719上，觸摸傳感器數(shù)據(jù)控制板、超聲波傳感器、紅外傳感器、熱釋電紅外傳感器和溫濕度傳感器通過(guò)CAN總線連接到工控板1719上。在此硬件互聯(lián)基礎(chǔ)上，通過(guò)各個(gè)模塊的軟件部分的相互配合，完成對(duì)外界環(huán)境和用戶信息的分布式認(rèn)知。
本發(fā)明可用于服務(wù)機(jī)器人、家用機(jī)器人等存在多通道人機(jī)交互的領(lǐng)域。



圖1四個(gè)模塊的互聯(lián)設(shè)計(jì)框圖。
圖2是智能情感機(jī)器人分布式認(rèn)知框架圖。
圖3是語(yǔ)音識(shí)別工具協(xié)調(diào)工作流程圖。
圖4是改進(jìn)型正向最大匹配法分詞流程圖。
圖5是情緒判斷整體流程圖 圖6是判斷是否受否定詞影響的流程圖。
圖7是判斷是否受程度詞影響的流程圖。
圖8是觸摸傳感器數(shù)據(jù)控制板電路圖。
圖9超聲波模塊硬件結(jié)構(gòu)圖。

具體實(shí)施例方式 下面結(jié)合附圖對(duì)本發(fā)明進(jìn)一步說(shuō)明。
智能情感機(jī)器人分布式認(rèn)知框架圖如圖2所示，所包括模塊的具體實(shí)施方式
如下 一、語(yǔ)言理解模塊 語(yǔ)言理解模塊的硬件平臺(tái)選用無(wú)線MIC接收器Bock HD2262作為用戶的語(yǔ)音輸入設(shè)備?？紤]智能情感機(jī)器人語(yǔ)音交互的要求，采用HMM模型和Viterbi算法作為主要理論對(duì)語(yǔ)音識(shí)別內(nèi)容進(jìn)行分詞后的詞性標(biāo)注，獲取自然語(yǔ)言關(guān)鍵詞，以實(shí)現(xiàn)機(jī)器人對(duì)人類語(yǔ)義的判斷。并通過(guò)數(shù)據(jù)庫(kù)和推理庫(kù)獲取機(jī)器人回答內(nèi)容。
本發(fā)明的語(yǔ)言理解模塊中，語(yǔ)音識(shí)別、理解的基礎(chǔ)是使用中科院的PattekAsr 3.4，以此來(lái)保證語(yǔ)音識(shí)別的準(zhǔn)確率，準(zhǔn)確的給機(jī)器人發(fā)送命令。其次為了是系統(tǒng)具有可擴(kuò)展性，添加了Microsoft Speech SDK進(jìn)行中文的泛識(shí)別。
其中的創(chuàng)新之處在于使用這兩種語(yǔ)音識(shí)別工具相結(jié)合的方式，彌補(bǔ)了彼此的不足，在保證機(jī)器人語(yǔ)音交互實(shí)用穩(wěn)定的基礎(chǔ)上增加了機(jī)器人語(yǔ)音識(shí)別的靈活性。在進(jìn)行語(yǔ)音交互時(shí)，默認(rèn)的是使用中科院Pattek Asr 3.4進(jìn)行基于規(guī)則的識(shí)別，識(shí)別過(guò)程相對(duì)固定，可保證程序的可執(zhí)行性。在使用Pattek Asr 3.4不能識(shí)別時(shí)，自動(dòng)轉(zhuǎn)換到其他功能模塊或通過(guò)語(yǔ)音提示發(fā)送語(yǔ)音指令打開(kāi)Microsoft Speech SDK進(jìn)行語(yǔ)音識(shí)別，識(shí)別結(jié)束后，提取語(yǔ)音識(shí)別結(jié)果，通過(guò)分詞、詞性標(biāo)注，然后從口語(yǔ)識(shí)別結(jié)果中提取正確的關(guān)鍵詞語(yǔ)義信息，準(zhǔn)確理解用戶的意圖。在Microsoft Speech SDK語(yǔ)音識(shí)別交互結(jié)束后，更新Pattek Asr的識(shí)別規(guī)則庫(kù)和數(shù)據(jù)庫(kù)，下一次使用Pattek Asr就可以識(shí)別相同的內(nèi)容，這就實(shí)現(xiàn)了機(jī)器人知識(shí)庫(kù)的動(dòng)態(tài)更新，使機(jī)器人具有后天學(xué)習(xí)、擴(kuò)充知識(shí)的能力?；趦煞N語(yǔ)言識(shí)別工具的機(jī)器人語(yǔ)言理解模塊的工作流程圖如圖3。首先啟動(dòng)中科院Pattek語(yǔ)言識(shí)別，判斷是否是“添加問(wèn)題指令”，如果否則進(jìn)行其他交互，如果是則關(guān)閉Pattek語(yǔ)言識(shí)別，隨后初始化Microsoft Speech SDK，進(jìn)行語(yǔ)音輸入并將識(shí)別結(jié)果讀出，判斷識(shí)別是否正確，如果否，則重新行語(yǔ)音輸入，如果是，則計(jì)時(shí)器計(jì)時(shí)4秒，順序進(jìn)行分詞、詞性標(biāo)注、關(guān)鍵詞獲取、答案獲取、更新對(duì)話數(shù)據(jù)庫(kù)、更新Pattek規(guī)則庫(kù)、關(guān)閉Microsoft Speech SDK，判斷程序是否結(jié)束，如果否則初始化Pattek，重新啟動(dòng)中科院Pattek語(yǔ)言識(shí)別，如果是則結(jié)束。
由于Microsoft Speech SDK進(jìn)行的是中文泛識(shí)別，不能判斷用戶是否輸入完畢，而只能判斷一句話是否輸入完畢，所以添加了一個(gè)定時(shí)器。用戶輸入一句話結(jié)束后，機(jī)器人將這句話讀出給用戶判斷，如果識(shí)別正確，則需要等待5秒，5秒無(wú)語(yǔ)音輸入，則機(jī)器人即認(rèn)為語(yǔ)音輸入的內(nèi)容已經(jīng)確定，繼而進(jìn)行識(shí)別結(jié)果的處理過(guò)程。如果用戶認(rèn)為識(shí)別結(jié)果有誤，則再直接輸入即可，系統(tǒng)將刪除以前識(shí)別結(jié)果記錄新的識(shí)別結(jié)果。
由于要保證語(yǔ)音識(shí)別的正確率，系統(tǒng)默認(rèn)為Pattek ASR，所以MicrosoftSpeech SDK在進(jìn)行一次語(yǔ)音識(shí)別后自動(dòng)關(guān)閉，同時(shí)進(jìn)行Pattek ASR的初始化，回到默認(rèn)狀態(tài)。
在語(yǔ)言理解過(guò)程中，用到的數(shù)據(jù)庫(kù)主要包括語(yǔ)料庫(kù)、關(guān)鍵詞搜索庫(kù)、命令式數(shù)據(jù)庫(kù)及推理庫(kù)。語(yǔ)料庫(kù)存儲(chǔ)內(nèi)容為有10多萬(wàn)個(gè)詞的詞表，包括訓(xùn)練語(yǔ)料中出現(xiàn)詞語(yǔ)的出現(xiàn)頻率和詞性，用于分詞及詞性標(biāo)注；關(guān)鍵詞搜索庫(kù)用于根據(jù)可以確定用戶語(yǔ)義的關(guān)鍵詞搜索答案，與用戶交流；推理庫(kù)包括人物信息、時(shí)間信息、地點(diǎn)信息，以及在這些信息確定環(huán)境下機(jī)器人應(yīng)該做的反應(yīng)。上述語(yǔ)言理解過(guò)程中用到的技術(shù)可以按照下面的方法實(shí)施 1、分詞 漢語(yǔ)的書(shū)面表達(dá)方式是以漢字為最小單位的，但是在自然語(yǔ)言理解中，詞是最小的、能獨(dú)立活動(dòng)的、有意義的語(yǔ)言成分。把沒(méi)有分割標(biāo)志即沒(méi)有詞的邊界的漢字串轉(zhuǎn)換到符合語(yǔ)言實(shí)際的詞串即在書(shū)面漢語(yǔ)中建立詞的邊界，這就是漢語(yǔ)自動(dòng)分詞的任務(wù)。此模塊中詞典使用北京大學(xué)和富士通公司合作開(kāi)發(fā)的《人民日?qǐng)?bào)》語(yǔ)料庫(kù)抽取的詞典，它包括103000多條中文字、詞和中文標(biāo)點(diǎn)。
本發(fā)明的語(yǔ)言理解模塊中采用改進(jìn)的正向最大匹配算法進(jìn)行分詞，根據(jù)每個(gè)首字的拼音首字母建立詞庫(kù)的索引，縮小了詞庫(kù)中檢索的區(qū)域，提高了分詞效率。改進(jìn)的正向最大匹配算法流程圖如圖4。首先切分字符串S1，輸出字符串S2＝“”，計(jì)算最大詞長(zhǎng)MaxLen＝4，判斷S1是否為空，如果是則輸出結(jié)果S2，如果否，則從S1左側(cè)開(kāi)始取出候選字符串，W的長(zhǎng)度為MaxLen，獲取W首字符拼音的首字母，查詢索引表并獲取字母在詞典中的范圍，查詞典判斷W是否在詞典中，如果否則計(jì)算S2＝S2+W+”/”，S1＝S1-W，如果是則去除W最右一個(gè)字，再判斷W是否是單字，如果是則重新計(jì)算S2＝S2+W+”/”，S1＝S1-W，如果否則重新查詞典，判斷W是否在詞典中。
如果不是用分詞索引表，則需要在整個(gè)分詞詞庫(kù)中搜索，最大搜索數(shù)量為103000多條記錄。使用分詞索引表則大大縮小了搜索范圍，使每次搜索范圍縮小到最大15000條以內(nèi)，大大提高了搜索效率。付出的代價(jià)只是在搜索之前獲取字符串拼音的首字母。
2、詞性標(biāo)注 詞性標(biāo)注是個(gè)中間任務(wù)，也就是為句子中的詞選定一個(gè)語(yǔ)法類別的過(guò)程。自動(dòng)分詞后的文本是個(gè)詞串文本＝w1w2…wn。對(duì)其中的每個(gè)詞wi，孤立而言，它可能有多種詞性，也可能有多種語(yǔ)義(這些都可以從詞典中查到)。但是，一般而言，在上述文本的特定語(yǔ)境下，每個(gè)詞的詞性和語(yǔ)義都是唯一確定的，這也正是人們能正確理解給定文本的基礎(chǔ)。對(duì)給定文本中的詞，根據(jù)它在上下文本中的語(yǔ)境確定它的詞性和語(yǔ)義就是詞性標(biāo)注的任務(wù)。
3、關(guān)鍵詞獲取和語(yǔ)義理解 本發(fā)明的語(yǔ)言理解模塊中，語(yǔ)義的理解包含兩種方式第一種是針對(duì)必須含有關(guān)鍵詞的語(yǔ)言，第二種是針對(duì)一般性關(guān)鍵詞的語(yǔ)言。
只要句子中含有時(shí)間或?qū)Ｓ忻~，則采用第一種關(guān)鍵詞檢索模式，提取時(shí)間或?qū)Ｓ忻~，另外加上句子中的其他的關(guān)鍵詞，根據(jù)這些關(guān)鍵詞理解人類的語(yǔ)義。在這種情況下，可能并不是所有的關(guān)鍵詞都在理解范圍內(nèi)，則在保證必須含有關(guān)鍵詞存在時(shí)，適當(dāng)添加其他關(guān)鍵詞，只要關(guān)鍵詞的數(shù)目大于總數(shù)的60％，即可作為輸出答案的判斷詞。很多時(shí)候，當(dāng)語(yǔ)言中的某些關(guān)鍵詞不是理解范圍內(nèi)的關(guān)鍵詞時(shí)，就需要對(duì)這些關(guān)鍵詞進(jìn)行同義擴(kuò)展。關(guān)鍵詞擴(kuò)展雖然提高了系統(tǒng)的召回率，但是如果擴(kuò)展不當(dāng)會(huì)極大損害語(yǔ)言理解的正確率，因此必須對(duì)擴(kuò)展的關(guān)鍵詞有嚴(yán)格的限制。
本發(fā)明的語(yǔ)言理解模塊中，采用了兩種方式對(duì)關(guān)鍵詞進(jìn)行擴(kuò)展，一種是同義詞擴(kuò)展，另外是根據(jù)問(wèn)題類型并借助領(lǐng)域知識(shí)擴(kuò)展。同義詞擴(kuò)展一般只對(duì)意義用法完全相同的詞匯進(jìn)行擴(kuò)展，這樣出現(xiàn)歧義的可能性會(huì)很小。對(duì)于根據(jù)問(wèn)題類型擴(kuò)展就需要根據(jù)問(wèn)題的類型制定不同的擴(kuò)展規(guī)則，一般不對(duì)領(lǐng)域詞匯、專有名詞進(jìn)行擴(kuò)展。
另外一種是一般性關(guān)鍵詞的檢索模式。首先提取一句話中的關(guān)鍵詞，提取名詞、動(dòng)詞、形容詞、限定性副詞、疑問(wèn)詞作為關(guān)鍵詞。所建立的關(guān)鍵詞搜索庫(kù)，包含三個(gè)關(guān)鍵詞搜索的庫(kù)，兩個(gè)關(guān)鍵詞搜索的庫(kù)和一個(gè)關(guān)鍵詞搜索的庫(kù)。根據(jù)這幾種庫(kù)，系統(tǒng)開(kāi)始時(shí)提取關(guān)鍵詞，如果關(guān)鍵詞大于三，則在保證名詞、疑問(wèn)詞作為關(guān)鍵詞時(shí)，輪流抽取其他的關(guān)鍵詞，組成三個(gè)關(guān)鍵詞，先在三個(gè)關(guān)鍵詞庫(kù)中搜索，如果搜索到結(jié)果，則表示已理解了這句話。否則搜索兩個(gè)關(guān)鍵詞對(duì)應(yīng)的答案搜索庫(kù)，如果還沒(méi)有，則進(jìn)入一個(gè)關(guān)鍵詞搜索的搜索庫(kù)，如果最終為理解，則要求人自己對(duì)話語(yǔ)進(jìn)行解釋，機(jī)器人將解釋讀出，并且更新Pattek識(shí)別的規(guī)則庫(kù)和數(shù)據(jù)庫(kù)。
在完成上述過(guò)程后，語(yǔ)言理解模塊可以理解簡(jiǎn)單的語(yǔ)言，完成智能情感機(jī)器人分布式認(rèn)知中的一步。
二、視覺(jué)理解模塊 視覺(jué)理解模塊的硬件部分采用USB免驅(qū)攝像頭(臺(tái)電黑金剛增強(qiáng)版)作為輸入設(shè)備。用軟件部分的特征檢測(cè)、特征提取、特征識(shí)別等算法實(shí)現(xiàn)用戶身份認(rèn)定、目標(biāo)跟蹤和人類的行為理解等相關(guān)視覺(jué)功能。在提取出有用信息后，通過(guò)此模塊能夠認(rèn)知外界和人類的活動(dòng)，進(jìn)而從視覺(jué)方面使智能情感機(jī)器人模擬人類視覺(jué)。
三、情感認(rèn)知模塊 此模塊的具體實(shí)施包括語(yǔ)言、表情、觸覺(jué)情感的認(rèn)知三部分。
現(xiàn)代心理學(xué)把這些情緒分為快樂(lè)、憤怒、悲哀、恐懼四種基本形式。對(duì)這4種基本情緒又分了6級(jí)如表1所示 表1情緒等級(jí)分類 由于還應(yīng)存在平靜狀態(tài)，所以本發(fā)明中，對(duì)機(jī)器人的情緒分為快樂(lè)、憤怒、悲哀、恐懼和普通心情五類。
1、語(yǔ)言情感認(rèn)知 情感認(rèn)知模塊中的語(yǔ)言情感認(rèn)知部分，在上述語(yǔ)言理解模塊的基礎(chǔ)上，需要建立褒義詞庫(kù)、貶義詞庫(kù)、恐懼詞庫(kù)、程度詞庫(kù)。褒義詞庫(kù)和貶義詞庫(kù)分別存放褒義詞和貶義詞，機(jī)器人以此來(lái)判斷說(shuō)話人對(duì)機(jī)器人的情感，確定機(jī)器人的語(yǔ)音合成情感；恐懼詞庫(kù)用來(lái)存放機(jī)器人恐懼的人或物，在用戶輸入語(yǔ)句中存在這些人或物則機(jī)器人表現(xiàn)出恐懼情感。程度詞庫(kù)用來(lái)存放以上詞匯的程度修飾詞，表示情感的強(qiáng)度。
本發(fā)明中，由于針對(duì)的是簡(jiǎn)單句輸入，詞語(yǔ)的褒貶也相對(duì)簡(jiǎn)單，并且一句話中的褒義詞和貶義詞量不多，基本都是一個(gè)褒義詞或貶義詞，最多兩個(gè)，針對(duì)這種情況，本發(fā)明提出了一種相對(duì)簡(jiǎn)單但可用性較強(qiáng)的針對(duì)輸入語(yǔ)句的句義褒貶分析方法。
在判斷文本褒貶度的時(shí)候采用了數(shù)據(jù)庫(kù)搜索的方式，其中有基準(zhǔn)褒義詞庫(kù)、基準(zhǔn)貶義詞庫(kù)、程度副詞庫(kù)和否定詞庫(kù)。部分詞庫(kù)分別如表2、表3、表4、表5所示。
表2部分否定詞庫(kù) 表3部分基準(zhǔn)褒義詞庫(kù)
表4部分基準(zhǔn)貶義詞表
表5部分程度副詞表

表中的權(quán)值是進(jìn)行大量的統(tǒng)計(jì)得到的。通過(guò)對(duì)每句話各種情感權(quán)值的計(jì)算，獲取權(quán)值最大的情感，作為這句話的輸出情感。情感的權(quán)值根據(jù)權(quán)值計(jì)算大小分級(jí)，以找出提出的分級(jí)的情感，另外還有一種普通的情感，即語(yǔ)義無(wú)褒貶。
例如對(duì)于“你真聰明”這句話，獲取“聰明”，首先為褒義，權(quán)值w1＝3，屬于快樂(lè)范疇，之后獲取程度詞“真”，權(quán)值為w3＝4，全句權(quán)值w＝w1*w3＝12，整句權(quán)值為12，然后在下邊情感權(quán)值對(duì)應(yīng)表中進(jìn)行查找，確定準(zhǔn)確屬于哪種情感。情感權(quán)值對(duì)應(yīng)表如表6、表7所示 表6情感權(quán)值對(duì)應(yīng)表a 表7情感權(quán)值對(duì)應(yīng)表b 情感權(quán)值分兩個(gè)表的原因是在進(jìn)行情感分析時(shí)，悲傷和憤怒的都是由貶義詞引起的，只是貶義的程度不同引起的情感不同而已，輕度的貶義的情感是悲傷，而重度的貶義引起的情感是憤怒。而判斷快樂(lè)情感是有褒義引起的，判斷恐懼情感是有恐懼詞引起的，分開(kāi)后二者不會(huì)重疊。
查找后的結(jié)果為快樂(lè)，即機(jī)器人反映出“快樂(lè)”的情感。
對(duì)于恐懼的情感，本發(fā)明中將機(jī)器人最怕的六件事物作為判斷恐懼的標(biāo)準(zhǔn)，用戶可以根據(jù)實(shí)際情況或是自己愛(ài)好進(jìn)行更改。
輸入句子根據(jù)分詞的結(jié)果，將各個(gè)詞語(yǔ)與褒義詞詞庫(kù)，貶義詞詞庫(kù)，否定詞庫(kù)，恐懼詞庫(kù)和程度副詞詞庫(kù)進(jìn)行對(duì)比，找到其中的褒義詞，貶義詞，否定詞和程度副詞。如果沒(méi)有褒義詞、貶義詞和恐懼詞，則作為普通情感輸出，否則進(jìn)行進(jìn)一步的分析。
下一步察看恐懼詞，如果語(yǔ)句中有恐懼詞，獲取恐懼詞的權(quán)值直接退出，如果沒(méi)有恐懼詞，則提取褒義詞和貶義詞，如果只有褒義詞，則輸入語(yǔ)句為褒義的，機(jī)器人作為快樂(lè)的情感輸出；如果只有貶義詞則作為悲傷的情感輸出，如果含有程度副詞則要根據(jù)程度副詞對(duì)貶義詞的影響決定是輸出憤怒還是悲傷。如果有否定詞，則需要判斷否定詞對(duì)褒義詞或貶義詞的影響，看是否改變?cè)瓉?lái)的情感。整體流程如圖5所示。首先提取褒義詞、貶義詞共n個(gè)，否定詞、程度詞和恐懼詞，判斷是否有恐懼詞，如果有則根據(jù)權(quán)值獲取恐懼類型輸出，如果沒(méi)有令i＝1，選取第i個(gè)詞，然后獲取第i個(gè)詞的情感和對(duì)應(yīng)權(quán)值，判斷是否受否定詞影響，如果是則改變情感后獲取情感權(quán)值，如果否則直接獲取情感權(quán)值，再判斷是否受程度詞影響，如果是則在獲取程度權(quán)值后計(jì)算該部分情感值，如果否則直接計(jì)算該部分情感值，令i＝i+1，判斷i是否大于n，如果否則重新選取第i個(gè)詞，如果是則進(jìn)行情感權(quán)值對(duì)比，并輸出權(quán)值最大情感。
由圖5可以看出，否定詞起到轉(zhuǎn)換情感的作用，如果受否定詞影響，則轉(zhuǎn)換為反向情感。系統(tǒng)對(duì)一句話中所有的情感詞進(jìn)行分別處理，對(duì)每個(gè)情感詞，先獲取本身的情感權(quán)值，然后獲取對(duì)它影響程度詞的權(quán)值，這兩個(gè)權(quán)值的乘積即為本情感對(duì)文本影響的最終權(quán)值。最后比較這句話中的所有情感權(quán)值，獲取情感權(quán)值最大的情感類型作為本輸入內(nèi)容的情感類型。
這個(gè)過(guò)程首先判斷是否為恐懼的情感，本發(fā)明中對(duì)恐懼情感的判斷采用恐懼詞庫(kù)的方式，也就是當(dāng)用戶提到某些特定的事物時(shí)，機(jī)器人即可表現(xiàn)出恐懼的情感。這和現(xiàn)實(shí)生活中的情況是一樣的，比如有些小孩子在聽(tīng)到“打針”“鬼”之類的都會(huì)害怕，而不管一句完整的話表達(dá)的是什么意思。本文直接判斷語(yǔ)音輸入文本中是否含有讓小孩害怕的詞，如果有根據(jù)詞的權(quán)值不同獲得不同等級(jí)的情感。
判斷是否受否定詞的影響的流程圖如圖6所示。首先獲取褒義詞或者貶義詞，褒義詞wordid＝1，貶義詞wordid＝0，再獲取詞的位置wordpos，判斷是否有否定詞，如果否則直接輸出wordid，如果是則獲取否定詞位置privetivepos和詞長(zhǎng)Plen，計(jì)算wordpos-privetivepos是否等于Plen，如果否則直接輸出wordid，如果是則在計(jì)算wordid的邏輯非后輸出wordid。
判斷是否受否定詞影響時(shí)采用了判斷否定詞是否正在貶義詞或褒義詞前的方式，如果 Wordpos-Privatepos＝PLen (1) 其中Wordpos為褒義詞或貶義詞的位置； Privatepos為否定詞位置； PLen為否定詞長(zhǎng)。
式(1)成立可判斷出否定詞正在褒義詞或關(guān)鍵詞前，則可得出褒義詞或關(guān)鍵詞受否定詞的影響，否則不受否定詞影響。
判斷是否受程度詞影響的流程如圖7所示。首先判斷是否有貶義詞，如果否則獲取褒義詞位置WordPos、否定詞位置PritivePos、否定詞長(zhǎng)PritiveLen和計(jì)算WordPos＝WordPos+PritivePos后獲取程度詞位置DegPos和程度詞長(zhǎng)度DegLen，如果是則在獲取貶義詞位置WordPos后再獲取程度詞位置DegPos和程度詞長(zhǎng)度DegLen，然后判斷WordPos-DegPos是否等于DegLen，如果否則表明不受程度詞影響，如果是則相反。
由上圖可以看出，判斷貶義時(shí)是否受程度詞影響有兩種情況，即含有褒義詞，否定后變?yōu)橘H義，另一種就是開(kāi)始就是貶義，對(duì)這兩種情況，需要分開(kāi)處理。
判斷是否受否定詞影響如上介紹所示，判斷是否受程度詞影響采用同樣原理，即采用了判斷程度詞是否正在貶義詞前的方式，如果 WordPos-DegPos＝DegLen (2) 其中WordPos為貶義詞的位置； DegPos為程度詞位置； DegLen為程度詞長(zhǎng)。
式(2)成立可得出貶義詞組受程度詞影響，否則不受程度詞的影響。
判斷出是否受程度詞的影響后，即可根據(jù)程度詞的種類判斷出情緒的類型。對(duì)貶義的環(huán)境而言，如果程度詞是高量程度詞，則情感確定為憤怒，如果為中量或低量程度詞，情感確定為悲傷。
對(duì)于一句話，分析過(guò)程如下例所示。例如“你雖然有點(diǎn)乖，但相當(dāng)不聰明，很認(rèn)真，但過(guò)于虛偽?！边@句話， 首先提取出褒義詞和貶義詞“乖”“聰明”，這兩個(gè)都是褒義詞，褒義權(quán)值分別是w1＝2和w1＝3。然后分析“乖”，沒(méi)有否定詞影響，受程度詞“有點(diǎn)”影響，程度權(quán)值為w3＝2，所以“有點(diǎn)乖”對(duì)整句話的情感權(quán)值貢獻(xiàn)為w＝w1*w3＝2*2＝4，為褒義，查表得情感應(yīng)為愉快。
然后分析“聰明”，首先受否定詞“不”影響，轉(zhuǎn)換情感為貶義，權(quán)值w2＝3，受程度詞“相當(dāng)”影響，權(quán)值w3＝5，整體權(quán)值w＝w2*w3＝3*5＝15，查找貶義情感為大怒。
同理“很認(rèn)真”的權(quán)值w＝w3*w1＝4*2＝8，為褒義；“過(guò)于虛偽”的權(quán)值為w＝w3*w2＝4*2＝8，為貶義。
比較這四種情感占得比重，整句選取大怒為輸出情感。
2、表情情感認(rèn)知 人在某種情緒狀態(tài)時(shí)，表情會(huì)發(fā)生變化。歡樂(lè)時(shí)，雙眉展開(kāi)，嘴角后伸，上唇提升；悲哀時(shí)，雙眉緊鎖。因此，對(duì)人類面部表情的檢測(cè)，可以在一定程度上認(rèn)知人的情感。
人們?cè)谖⑿r(shí)的臉部最明顯的特征是嘴角上翹，眼睛變小，臉頰部肌肉上抬?；趯?duì)實(shí)用性和實(shí)現(xiàn)復(fù)雜性的綜合考慮，本發(fā)明采用嘴巴的狀態(tài)來(lái)表示微笑表情。設(shè)置了一個(gè)量化的參數(shù)λ來(lái)代表嘴巴的狀態(tài)。設(shè)嘴巴兩個(gè)角點(diǎn)的坐標(biāo)為(x1，y1)、(x2，y2)，嘴巴區(qū)域最高點(diǎn)坐標(biāo)為(x3，y3)。連接這兩點(diǎn)構(gòu)成的線段為a，a的中點(diǎn)坐標(biāo)為

，則最高點(diǎn)與a的中點(diǎn)的縱坐標(biāo)的差值為λ，計(jì)算方式如下 λ＝y(tǒng)3-

(5) 面部表情為微笑、生氣和平靜時(shí)，λ會(huì)取不同得值。微笑是λ的取值會(huì)小于平靜時(shí)的λ值。生氣時(shí)嘴角下撇，λ取值會(huì)更大。
人們悲哀時(shí)，時(shí)常會(huì)皺眉，眉宇間就會(huì)出現(xiàn)皺紋。因此用眉間紋理特征表示皺眉。本發(fā)明中采用空間灰度共生矩陣來(lái)提取眉心區(qū)域的紋理特征。
設(shè)d＝1，根據(jù)下式計(jì)算共生矩陣中的元素。
p(i，j，d，0°)＝#{((k，l)，(m，n))∈(Ly×Lx)×(Ly×Lx)|(k-m＝0，|l-n|＝d)， I(k，l)＝i，I(m，n)＝j(luò)} (6) 對(duì)比度是灰度共生矩陣主對(duì)角線附近的慣性矩，它反映了圖像的清晰度和紋理的溝紋深淺。紋理的溝紋深，對(duì)比度值大；反之，對(duì)比度值小，則溝紋淺。人們皺眉時(shí)眉心出就會(huì)出現(xiàn)較深的溝紋，因此提取的紋理特征定為紋理的對(duì)比度。對(duì)比度計(jì)算公式如下 特征提取過(guò)程為 第一步，灰度級(jí)壓縮。幅圖像的灰度級(jí)數(shù)一般是256級(jí)，這樣級(jí)數(shù)太多會(huì)導(dǎo)致計(jì)算灰度共生矩陣大，計(jì)算量大。因此在求灰度共生矩陣之前，常將灰度級(jí)壓縮為16級(jí)。
第二步，根據(jù)式(6)計(jì)算共生矩陣，設(shè)d＝1。
第三步，對(duì)共生矩陣作正規(guī)化處理
式中的R是正規(guī)化常數(shù)，當(dāng)取d＝1，θ＝0°時(shí)，每一行有2*(Nx-1)個(gè)水平相鄰對(duì)點(diǎn)，共有Ny行，因此共有2*Ny*(Nx-1)個(gè)相鄰點(diǎn)，所以取R＝2*Ny*(Nx-1)。
第四步，根據(jù)式(7)計(jì)算紋理特征，即對(duì)比度CONb。
3、觸覺(jué)情感認(rèn)知 智能情感機(jī)器人對(duì)人的觸摸所表達(dá)的情感的認(rèn)知，作為情感認(rèn)知模塊實(shí)現(xiàn)的第三部分。此部分采用基于觸摸按鍵芯片TS08N的自主開(kāi)發(fā)的觸摸傳感器數(shù)據(jù)控制板作為硬件平臺(tái)。
觸摸傳感器是開(kāi)關(guān)信號(hào)，通過(guò)“數(shù)模轉(zhuǎn)換”算法，將開(kāi)關(guān)信號(hào)轉(zhuǎn)換成數(shù)字的“線性”模擬信號(hào)的量化值。一共有N個(gè)觸摸輸入點(diǎn)，即N個(gè)開(kāi)關(guān)量，相互獨(dú)立。采樣周期為50ms，每秒鐘可以得到20個(gè)采樣值，將各個(gè)樣本獨(dú)立累加，最后得到的便是模擬信號(hào)的量化值其中xi取0或1。DAC數(shù)值大小表示觸摸時(shí)間的長(zhǎng)短或相應(yīng)的情感信息(對(duì)應(yīng))。前后2秒的各個(gè)累加和的量化值具有相關(guān)性，相鄰的觸摸點(diǎn)的量化值DAC間具有互相關(guān)性。這種互相關(guān)性的一個(gè)明顯應(yīng)用(效果)是，可以將幾個(gè)觸摸傳感器的觸點(diǎn)安裝得很近很緊(但不讓用戶能感覺(jué)出來(lái)是內(nèi)部密排的)，從而感覺(jué)出用戶滑動(dòng)或撫摸的效果。
機(jī)器人上觸摸傳感器的安裝位置如下 頭部額頭2個(gè)，后腦勺2個(gè)，耳朵處各2個(gè)。共計(jì)8個(gè)。
肩膀左右各4個(gè)。共計(jì)8個(gè)。
手臂上、下安裝，左右邊各8個(gè)。共計(jì)16個(gè)。
后背至底盤(pán)共分配16個(gè)。
前身至底盤(pán)共分配16個(gè)。
總共64個(gè)觸點(diǎn)，分布在3*4(cm)的8塊觸摸板上。
通過(guò)一個(gè)控制板，CAN將得到的數(shù)據(jù)傳輸給上位機(jī)，進(jìn)行情感的認(rèn)知。
在頭部、手臂、肩膀、胸部和后背等地方安裝上觸摸傳感器，感知各種觸摸信號(hào)，但基本上觸摸傳感器都是要求裸出導(dǎo)電接觸面的。為了安裝方便和美觀，把機(jī)器人的皮膚做成有柔軟性的，像機(jī)器人穿有“外套”，則可以在機(jī)器人表面上安裝薄膜開(kāi)關(guān)連接到觸摸傳感器上。通過(guò)查閱資料和調(diào)查研究采用TS08N觸摸按鍵芯片制作觸摸傳感器數(shù)據(jù)控制板采用一對(duì)一與MCU連接來(lái)讀取傳感器數(shù)據(jù)。TS08N觸摸按鍵芯片通過(guò)人體(手指)感應(yīng)使輸入電容發(fā)生變化，與內(nèi)部基準(zhǔn)電容比較，將差值進(jìn)行放大，在輸出端產(chǎn)生高低電平變化，從而實(shí)現(xiàn)對(duì)模擬信號(hào)的控制。中間的面板可以是任何材質(zhì)的非導(dǎo)體，其厚度一般不超過(guò)8mm。其原理框圖如圖8所示。
以頭部的觸摸傳感器為例，利用其進(jìn)行觸覺(jué)情感認(rèn)知的具體實(shí)施方法如下 本發(fā)明利用支持向量機(jī)理論對(duì)觸覺(jué)情感進(jìn)行認(rèn)知。對(duì)于頭部的觸摸傳感器，因?yàn)槠溆?個(gè)觸摸點(diǎn)，可產(chǎn)生8個(gè)模擬信號(hào)的量化值DAC，這8個(gè)數(shù)值共同代表著一種情感，所以用此信號(hào)訓(xùn)練的支持向量機(jī)的輸入設(shè)定為8維[y1，y2，...，y8]。
由于觸摸信號(hào)中所蘊(yùn)含的情感較難區(qū)分，但一般來(lái)說(shuō)，輕撫表達(dá)的是對(duì)機(jī)器人的愛(ài)意，所以本發(fā)明中把觸摸信號(hào)分為兩類。基于支持向量機(jī)，判斷出輸入觸摸信號(hào)的類型輕撫屬于第一類，增加機(jī)器人自身的愉悅程度；其他則屬于第二類。
由于當(dāng)輕撫時(shí)，用戶的撫摸較為緩慢、平滑，因此，DAC值比較均勻，且在某個(gè)值附近波動(dòng)，這個(gè)值取決于撫摸的速度。而當(dāng)是非輕撫時(shí)，情況則相反。
在實(shí)際應(yīng)用前，首先，采用30個(gè)輕撫狀態(tài)的DAC和30個(gè)非輕撫狀態(tài)的DAC訓(xùn)練支持向量機(jī)。其次，利用另外的30組數(shù)據(jù)(包括15個(gè)輕撫狀態(tài)的DAC和15個(gè)非輕撫狀態(tài)的DAC)對(duì)訓(xùn)練后的支持向量機(jī)進(jìn)行驗(yàn)證，如驗(yàn)證通過(guò)，則可實(shí)際應(yīng)用。
在實(shí)際應(yīng)用時(shí)，通過(guò)輸入每一個(gè)樣本就可判斷用戶對(duì)于機(jī)器人的觸摸狀態(tài)，進(jìn)而判斷出用戶的情感輸入。
對(duì)于其它部位的觸摸傳感器，也可用相似地方法判斷用戶的情感狀態(tài)，完成觸覺(jué)情感認(rèn)知。
四、物理量認(rèn)知模塊 此模塊中，包括超聲波傳感器、紅外傳感器、熱釋電紅外傳感器和溫濕度傳感器。
1、超聲波傳感器 在智能情感機(jī)器人身上一共安裝的12路超聲波傳感器(URM37)，每隔30度安裝一個(gè)。自制超聲波模塊中，每個(gè)模塊帶有兩個(gè)探頭(一個(gè)發(fā)送，一個(gè)接收)并由PIC16F676作為MCU采集超聲波數(shù)據(jù)，對(duì)主CPU的結(jié)構(gòu)采用I2C總線接口方式，這樣主CPU做的就是編寫(xiě)一個(gè)和超聲波模塊的通訊程序，像I2C這類的通訊方式不會(huì)占用太多的主CPU資源，也不會(huì)打亂CPU的主程序。自制的超聲波模塊硬件結(jié)構(gòu)圖如圖9所示。
本發(fā)明的創(chuàng)新之處在于機(jī)器人在運(yùn)動(dòng)時(shí)，超聲波模塊用于避障；在靜止時(shí)，超聲波用于檢測(cè)運(yùn)動(dòng)物體，由于機(jī)器人靜止，室內(nèi)環(huán)境也相對(duì)靜止，一旦有運(yùn)動(dòng)變化即認(rèn)為有人在動(dòng)，由超聲波所測(cè)得的距離(有較大幅度變化的那個(gè)超聲波便是方位)和綜合出來(lái)的方位(多個(gè)傳感器的數(shù)據(jù))，就可以大致的定位出人的位置。由于傳感器的精度很高(1cm)，故只要人稍微有位移(比如跺腳)便可以作出簡(jiǎn)單的定位。
光有上面的做法的話，會(huì)有很大的誤識(shí)別，比如，其他物體的運(yùn)動(dòng)，人的“正?！币苿?dòng)也會(huì)造成誤動(dòng)作。由此，上下位機(jī)聯(lián)合處理。機(jī)器人能定位出移動(dòng)物體的方向和距離后，等待“跟蹤”命令。交互者可以先對(duì)機(jī)器人說(shuō)“請(qǐng)跟我走”(下達(dá)跟蹤命令)，然后交互者開(kāi)始移動(dòng)以便機(jī)器人能識(shí)別方位進(jìn)而動(dòng)作(定向)。
此外，超聲波傳感器由于最小探測(cè)距離可以達(dá)到很小，故可以當(dāng)接近開(kāi)關(guān)來(lái)使用，供緊急避障用，從而可以配合紅外傳感器工作。
2、紅外傳感器 為了彌補(bǔ)超聲波的盲區(qū)而加的紅外傳感器，用于機(jī)器人的緊急避障，與超聲波傳感器配合使用。采用的紅外傳感器型號(hào)為Sharp GP2D12。
3、熱釋電紅外傳感器 用于檢測(cè)有人體在移動(dòng)有人體突然進(jìn)入室內(nèi)。采用的熱釋電紅外傳感器型號(hào)為L(zhǎng)hI878。
4、溫濕度傳感器 感知環(huán)境的溫濕度。采用的溫濕度傳感器型號(hào)為富安達(dá)數(shù)字溫濕度傳感器SHT11。
在智能情感機(jī)器人的分布式認(rèn)知系統(tǒng)中，當(dāng)不同的認(rèn)知模塊對(duì)相應(yīng)信息處理后，進(jìn)行信息融合，得到較為準(zhǔn)確的信息。從認(rèn)知心理學(xué)的角度來(lái)研究對(duì)信息的感知和處理模式。并以智能情感機(jī)器人為對(duì)象，研究分布式認(rèn)知技術(shù)對(duì)于自然和諧人機(jī)交互的推動(dòng)作用。本發(fā)明可用于服務(wù)機(jī)器人、家用機(jī)器人等存在多通道人機(jī)交互的領(lǐng)域。
權(quán)利要求
1、一種智能情感機(jī)器人分布式認(rèn)知技術(shù)，其特征在于根據(jù)神經(jīng)科學(xué)和認(rèn)知科學(xué)的模塊理論，從認(rèn)知心理學(xué)的角度研究用戶對(duì)信息的感知和處理模式，在人機(jī)交互過(guò)程中，利用四個(gè)模塊使智能情感機(jī)器人感知外界或用戶的信息，其分布式認(rèn)知技術(shù)包括語(yǔ)言理解模塊、視覺(jué)理解模塊、情感認(rèn)知模塊和物理量認(rèn)知模塊四部分；
語(yǔ)言理解模塊的硬件平臺(tái)選用無(wú)線MIC接收器作為用戶的語(yǔ)音輸入設(shè)備，軟件使用Pattek Asr 3.4和Microsoft Speech SDK這兩種語(yǔ)音識(shí)別工具相結(jié)合，采用改進(jìn)的正向最大匹配算法進(jìn)行分詞，提高了分詞效率，同時(shí)，通過(guò)語(yǔ)義理解，完成分詞、詞性標(biāo)注和關(guān)鍵詞獲取和語(yǔ)義理解的功能；
視覺(jué)理解模塊的硬件平臺(tái)采用USB免驅(qū)攝像頭作為輸入設(shè)備，利用軟件部分的特征檢測(cè)、特征提取、特征識(shí)別算法實(shí)現(xiàn)用戶身份認(rèn)定、目標(biāo)跟蹤和人類的行為理解等相關(guān)視覺(jué)功能；
情感認(rèn)知模塊包括語(yǔ)言、表情、觸覺(jué)情感的認(rèn)知三部分，語(yǔ)言情感認(rèn)知是通過(guò)MIC接收器接收到的語(yǔ)言，整理成詞語(yǔ)后，通過(guò)對(duì)基準(zhǔn)褒義詞庫(kù)、基準(zhǔn)貶義詞庫(kù)、程度副詞庫(kù)和否定詞庫(kù)四個(gè)數(shù)據(jù)庫(kù)的搜索，確定詞語(yǔ)的情感權(quán)值，進(jìn)而確定輸入語(yǔ)句所蘊(yùn)含的情感，實(shí)現(xiàn)語(yǔ)言情感的認(rèn)知；表情情感認(rèn)知是通過(guò)攝像頭，采集后的圖像信息，采用空間灰度共生矩陣來(lái)提取眉心區(qū)域的紋理特征作為判斷表情的一個(gè)維度；觸覺(jué)情感認(rèn)知部分，采用基于觸摸按鍵芯片的觸摸傳感器數(shù)據(jù)控制板，基于觸摸按鍵芯片的觸摸傳感器數(shù)據(jù)控制板通過(guò)人體感應(yīng)使輸入電容發(fā)生變化，與內(nèi)部基準(zhǔn)電容比較，將差值進(jìn)行放大，在輸出端產(chǎn)生高低電平變化，將開(kāi)關(guān)信號(hào)轉(zhuǎn)換成數(shù)字的“線性”模擬信號(hào)的量化值；前后2秒的各個(gè)累加和的量化值具有相關(guān)性，相鄰的觸摸點(diǎn)的量化值間具有互相關(guān)性，將幾個(gè)觸摸傳感器的觸點(diǎn)安裝得很近很緊從而感覺(jué)出用戶滑動(dòng)或撫摸的效果，感知用戶的情感，基于支持向量機(jī)作為判斷用戶情感的方法；
物理量認(rèn)知模塊的硬件平臺(tái)選用超聲波傳感器、紅外傳感器、熱釋電紅外傳感器和溫濕度傳感器；
通過(guò)這四個(gè)認(rèn)知模塊的協(xié)調(diào)配合，完成機(jī)器人對(duì)于外界的認(rèn)知，實(shí)現(xiàn)自然和諧交互。
2、如權(quán)利要求1所述的認(rèn)知技術(shù)，Pattek Asr 3.4和Microsoft Speech SDK這兩種語(yǔ)音識(shí)別工具相結(jié)合，其特征在于首先啟動(dòng)Pattek語(yǔ)言識(shí)別，判斷是否是“添加問(wèn)題指令”，如果否則進(jìn)行其他交互，如果是則關(guān)閉Pattek語(yǔ)言識(shí)別，隨后初始化Microsoft Speech SDK，進(jìn)行語(yǔ)音輸入并將識(shí)別結(jié)果讀出，判斷識(shí)別是否正確，如果否，則重新行語(yǔ)音輸入，如果是，則計(jì)時(shí)器計(jì)時(shí)4秒，順序進(jìn)行分詞、詞性標(biāo)注、關(guān)鍵詞獲取、答案獲取、更新對(duì)話數(shù)據(jù)庫(kù)、更新Pattek規(guī)則庫(kù)、關(guān)閉Microsoft Speech SDK，判斷程序是否結(jié)束，如果否則初始化Pattek，重新啟動(dòng)Pattek語(yǔ)言識(shí)別，如果是則結(jié)束。
3、如權(quán)利要求1所述的認(rèn)知技術(shù)，其特征在于所述的采用改進(jìn)的正向最大匹配算法，根據(jù)每個(gè)首字的拼音首字母建立詞庫(kù)的索引，縮小了詞庫(kù)中檢索的區(qū)域，提高了分詞效率；其具體步驟如下首先切分字符串S1，輸出字符串S2＝“”，計(jì)算最大詞長(zhǎng)MaxLen＝4，判斷S1是否為空，如果是則輸出結(jié)果S2，如果否，則從S1左側(cè)開(kāi)始取出候選字符串，W的長(zhǎng)度為MaxLen，獲取W首字符拼音的首字母，查詢索引表并獲取字母在詞典中的范圍，查詞典判斷W是否在詞典中，如果否則計(jì)算S2＝S2+W+“/”，S1＝S1-W，如果是則去除W最右一個(gè)字，再判斷W是否是單字，如果是則重新計(jì)算S2＝S2+W+“/”，S1＝S1-W，如果否則重新查詞典，判斷W是否在詞典中。
4、如權(quán)利要求1所述的認(rèn)知技術(shù)，其特征在于所述的語(yǔ)義理解包含兩種方式第一種是針對(duì)必須含有關(guān)鍵詞的語(yǔ)言，第二種是針對(duì)一般性關(guān)鍵詞的語(yǔ)言；句子中含有時(shí)間或?qū)Ｓ忻~，則采用第一種關(guān)鍵詞檢索模式，提取時(shí)間或?qū)Ｓ忻~，另外加上句子中的其他的關(guān)鍵詞，根據(jù)這些關(guān)鍵詞理解人類的語(yǔ)義；在這種情況下，并不是所有的關(guān)鍵詞都在理解范圍內(nèi)，則在保證必須含有關(guān)鍵詞存在時(shí)，適當(dāng)添加其他關(guān)鍵詞，只要關(guān)鍵詞的數(shù)目大于總數(shù)的60％，作為輸出答案的判斷詞；對(duì)于一般性關(guān)鍵詞的檢索模式，首先提取一句話中的關(guān)鍵詞，提取名詞、動(dòng)詞、形容詞、限定性副詞、疑問(wèn)詞作為關(guān)鍵詞，所建立的關(guān)鍵詞搜索庫(kù)，包含三個(gè)關(guān)鍵詞搜索的庫(kù)，兩個(gè)關(guān)鍵詞搜索的庫(kù)和一個(gè)關(guān)鍵詞搜索的庫(kù)，根據(jù)這幾種庫(kù)，系統(tǒng)開(kāi)始時(shí)提取關(guān)鍵詞，如果關(guān)鍵詞大于三，則在保證名詞、疑問(wèn)詞作為關(guān)鍵詞時(shí)，輪流抽取其他的關(guān)鍵詞，組成三個(gè)關(guān)鍵詞，先在三個(gè)關(guān)鍵詞庫(kù)中搜索，如果搜索到結(jié)果，則表示已理解了這句話，否則搜索兩個(gè)關(guān)鍵詞對(duì)應(yīng)的答案搜索庫(kù)，如果還沒(méi)有，則進(jìn)入一個(gè)關(guān)鍵詞搜索的搜索庫(kù)，如果最終為理解，則要求人自己對(duì)話語(yǔ)進(jìn)行解釋，機(jī)器人將解釋讀出，并且更新Pattek識(shí)別的規(guī)則庫(kù)和數(shù)據(jù)庫(kù)。
5、如權(quán)利要求1所述的一種智能情感機(jī)器人分布式認(rèn)知技術(shù)，其特征在于所述的情感認(rèn)知模塊從三個(gè)通道獲取情感信息，這三個(gè)通道是語(yǔ)音、表情和觸摸傳感器輸入信號(hào)，通過(guò)多源數(shù)據(jù)融合技術(shù)，對(duì)三個(gè)通道的情感信號(hào)進(jìn)行處理，綜合判斷用戶情感，使判斷結(jié)果較為準(zhǔn)確。
6、如權(quán)利要求1所述的認(rèn)知技術(shù)，其特征在于所述的超聲波傳感器的使用上，在機(jī)器人在運(yùn)動(dòng)時(shí)，超聲波模塊用于避障；在靜止時(shí)，超聲波用于檢測(cè)運(yùn)動(dòng)物體，同時(shí)做接近開(kāi)關(guān)來(lái)使用，供緊急避障用，配合紅外傳感器工作。
全文摘要
本發(fā)明提出一種應(yīng)用于智能情感機(jī)器人分布式認(rèn)知技術(shù)，本發(fā)明可用于服務(wù)機(jī)器人、家用機(jī)器人等存在多通道人機(jī)交互的領(lǐng)域。在人機(jī)交互過(guò)程中，對(duì)環(huán)境和人的多通道感知是一種分布式的，以便使交互更加和諧、自然。分布式認(rèn)知技術(shù)包括四部分1)語(yǔ)言理解模塊，在經(jīng)過(guò)分詞、詞性標(biāo)注和獲取關(guān)鍵詞等步驟后，賦予機(jī)器人聽(tīng)懂人類語(yǔ)言的本領(lǐng)；2)視覺(jué)理解模塊包括人臉檢測(cè)、特征提取、特征識(shí)別以及人類的行為理解等相關(guān)視覺(jué)功能；3)情感認(rèn)知模塊抽取語(yǔ)言、表情和觸覺(jué)中相關(guān)信息，分析其中所蘊(yùn)含的用戶情感，綜合出較為正確的情感狀態(tài)，使智能情感機(jī)器人認(rèn)知用戶當(dāng)前情感；4)物理量認(rèn)知模塊使機(jī)器人了解環(huán)境和自身的狀態(tài)，作為自身調(diào)節(jié)的基礎(chǔ)。
文檔編號(hào)G06K9/00GK101604204SQ200910089208
公開(kāi)日2009年12月16日 申請(qǐng)日期2009年7月9日 優(yōu)先權(quán)日2009年7月9日
發(fā)明者巍 王, 王志良, 侖 解, 劉遙峰 申請(qǐng)人:北京科技大學(xué)