基于宽度学习的头部姿态情绪识别算法

在情绪识别领域,对静态面部表情和语音信号的情绪分类已经相对成熟,但对姿态动作尤其是头部姿态这一单模态的情绪分类研究相对较少。本文提出了一种基于头部姿态欧拉角特征的宽度学习系统Broad Learning System(BLS)情绪识别算法。通过面部重要特征点定位的方法求取头部的三维欧拉角,在视频数据上构造头部姿态特征的时间序列然后利用BLS网络构建情绪识别模型。利用中科院自动化所发布的视频情绪数据集CHEAVD2.0(Chinese Natural Audio-Visual Emotion Database)对该模型进行了训练和验证。该模型结构简单,训练快速,实验结果表明头部姿态动作也包含了重要的人类情感信息,对情绪的识别有着重要影响,基于头部姿态欧拉角特征的BLS情绪识别模型在视频数据上对头部模态的情绪识别有着较高的准确率。

六足仿生机器人结构设计及运动仿真

为降低六足机器人制造成本,提高六足机器人在不同环境下的适应性,设计一款新型腿部结构的六足机器人。该机器人使用SolidWorks软件设计结构,机械结构采用3D打印机打印制造,机器人采用圆形六足式布局,腿部关节处使用弹簧机械结构来减少伺服系统的设计,并搭配适用不同地形可拆卸的模块化足端,可以利用较少的伺服系统完成复杂的运动。通过对机器人进行运动学分析,以3种步态为例分析了不同环境下不同步态的特点,以单腿为例建立坐标系,使用DH法对机器人腿部进行运动学分析,Adams仿真结果表明,机器人在84 mm/s的情况下运行时,机器人重心的变化在9 mm以内,满足设计要求。机器人样机进行了不同地形下运动实验,实验结果与仿真基本一致。仿真实验以及样机运动实验验证了这种新型腿部结构的稳定性与可靠性,说明这种腿部结构在保证稳定性的前提下能够代替同类机器人并降低伺服系统的使用,从而降低了六足机器人的生产成本。

姿态情绪识别研究综述

从姿态信息采集、姿态情绪特征提取、姿态情绪识别算法和姿态情绪数据库几个方面对国内外姿态情绪识别研究进行了全面的总结,分析了姿态情绪识别研究存在的难点和挑战,提出姿态情绪识别的关键是姿态情绪特征提取和姿态情绪数据库的建立,最后探讨了姿态情绪识别研究的发展方向。