本發(fā)明涉及工業(yè)自動(dòng)化信息及人機(jī)交互領(lǐng)域，特別是指一種基于體域網(wǎng)的多源情感識(shí)別機(jī)器人。

背景技術(shù)：

近年來(lái)，隨著我國(guó)國(guó)情的變化，未來(lái)數(shù)年，井噴式的老齡社會(huì)即將到來(lái)，老人陪護(hù)是愈加重要的服務(wù)領(lǐng)域，除醫(yī)療陪護(hù)外，老年的心理健康也是提高老年生活質(zhì)量不可或缺的部分，因此服務(wù)于老年的情感監(jiān)護(hù)的智能移動(dòng)機(jī)器人將成為老人陪護(hù)領(lǐng)域中重要的設(shè)備之一?，F(xiàn)如今，大多的老人情感陪護(hù)機(jī)器人僅是僅依靠面部表情進(jìn)行情感識(shí)別，識(shí)別準(zhǔn)確率不足，無(wú)法同時(shí)檢測(cè)老人的生理信息、用戶體驗(yàn)度差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于體域網(wǎng)的多源情感識(shí)別機(jī)器人，以解決現(xiàn)有技術(shù)所存在的情感識(shí)別準(zhǔn)確率低的問(wèn)題。

為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供一種基于體域網(wǎng)的多源情感識(shí)別機(jī)器人，包括：體域網(wǎng)可穿戴設(shè)備和智能移動(dòng)機(jī)器人；

所述體域網(wǎng)可穿戴設(shè)備，用于獲取用戶的生理信息，并將獲取的生理信息傳輸至所述智能移動(dòng)機(jī)器人；

所述智能移動(dòng)機(jī)器人，用于獲取用戶的面部信息，對(duì)獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)。

進(jìn)一步地，所述情感狀態(tài)包括：驚奇、恐懼、厭惡、憤怒、高興和悲傷。

進(jìn)一步地，所述體域網(wǎng)可穿戴設(shè)備包括：體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)和匯聚節(jié)點(diǎn)；

所述體感溫度傳感器子節(jié)點(diǎn)包括：用于實(shí)時(shí)采集用戶體感溫度的體感溫度傳感器，及將采集到的用戶體感溫度發(fā)送至匯聚節(jié)點(diǎn)的第一藍(lán)牙通信模塊；

所述電導(dǎo)率傳感器子節(jié)點(diǎn)包括：用于實(shí)時(shí)采集用戶皮膚汗液中電導(dǎo)率的電導(dǎo)率傳感器，及將采集到的用戶皮膚汗液中電導(dǎo)率發(fā)送至匯聚節(jié)點(diǎn)的第二藍(lán)牙通信模塊；

所述心率傳感器子節(jié)點(diǎn)包括：用于實(shí)時(shí)采集用戶心率的心率傳感器，及將采集到的用戶心率發(fā)送至匯聚節(jié)點(diǎn)的第三藍(lán)牙通信模塊；

所述匯聚節(jié)點(diǎn)包括：用于將接收到的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率傳輸至智能移動(dòng)機(jī)器人的第四藍(lán)牙通信模塊。

進(jìn)一步地，所述心率傳感器子節(jié)點(diǎn)還包括：

用于在將心率傳感器采集的心率信號(hào)發(fā)送出去之前，對(duì)心率傳感器采集的心率信號(hào)進(jìn)行預(yù)處理的數(shù)模電路，所述預(yù)處理包括：放大、整形和濾波操作。

進(jìn)一步地，所述心率傳感器為貼片式心率傳感器，所述貼片式心率傳感器穿戴在手腕動(dòng)脈血管處；

所述電導(dǎo)率傳感器為手環(huán)，穿戴在手腕上；

所述體感溫度傳感器穿戴在大臂內(nèi)側(cè)。

進(jìn)一步地，所述智能移動(dòng)機(jī)器人，用于當(dāng)用戶處于靜止?fàn)顟B(tài)且用戶面部處于智能移動(dòng)機(jī)器人攝像范圍內(nèi)時(shí)，利用人臉識(shí)別算法獲取用戶面部信息；

所述智能移動(dòng)機(jī)器人，還用于當(dāng)用戶處于移動(dòng)狀態(tài)時(shí)，利用平均位移算法，根據(jù)用戶頭部運(yùn)動(dòng)軌跡控制所述智能移動(dòng)機(jī)器人進(jìn)行移動(dòng)，并根據(jù)用戶頭部運(yùn)動(dòng)軌跡進(jìn)行人臉追蹤，獲取用戶面部信息。

進(jìn)一步地，所述智能移動(dòng)機(jī)器人，用于根據(jù)獲取的用戶面部信息，基于人臉的表情識(shí)別算法提取面部區(qū)域表情特征，并基于本地?cái)?shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的表情特征-情感映射數(shù)據(jù)庫(kù)的先驗(yàn)知識(shí)，利用貝葉斯分類算法，得到面部情感概率矢量，其中，所述面部區(qū)域表情特征是標(biāo)注后的特征點(diǎn)位置。

進(jìn)一步地，所述智能移動(dòng)機(jī)器人，用于根據(jù)接收到的生理信息，得到相應(yīng)的統(tǒng)計(jì)特征值，基于本地?cái)?shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的生理特征-情感映射數(shù)據(jù)庫(kù)的先驗(yàn)知識(shí)，利用貝葉斯分類算法，得到生理特征情感概率矢量，其中，所述生理特征情感概率矢量是指由生理特征得到的對(duì)應(yīng)驚奇、恐懼、厭惡、憤怒、高興和悲傷這6種情感狀態(tài)的概率所構(gòu)成的矢量。

進(jìn)一步地，所述智能移動(dòng)機(jī)器人，用于根據(jù)得到的面部情感概率矢量和生理特征情感概率矢量進(jìn)行回歸分析，得到面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件；

所述智能移動(dòng)機(jī)器人，還用于根據(jù)得到的面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件，利用基于gordon-shortliff算法的證據(jù)推理理論進(jìn)行決策層的融合分析得出用戶情感狀態(tài)。

進(jìn)一步地，所述智能移動(dòng)機(jī)器人，還用于根據(jù)得到的基于生理-面部的用戶情感狀態(tài)生成相應(yīng)的行為指令，實(shí)現(xiàn)所述智能移動(dòng)機(jī)器人與用戶的情感交互。

本發(fā)明的上述技術(shù)方案的有益效果如下：

上述方案中，通過(guò)體域網(wǎng)可穿戴設(shè)備獲取用戶的生理信息，并將獲取的生理信息傳輸至智能移動(dòng)機(jī)器人；通過(guò)智能移動(dòng)機(jī)器人獲取用戶的面部信息，對(duì)獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)，得到的基于生理-面部的用戶情感狀態(tài)具有更高的情感識(shí)別準(zhǔn)確率。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的結(jié)構(gòu)示意圖；

圖2為本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的詳細(xì)結(jié)構(gòu)示意圖；

圖3為本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的工作流程圖。

具體實(shí)施方式

為使本發(fā)明要解決的技術(shù)問(wèn)題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。

本發(fā)明針對(duì)現(xiàn)有的情感識(shí)別準(zhǔn)確率低的問(wèn)題，提供一種基于體域網(wǎng)的多源情感識(shí)別機(jī)器人。

如圖1所示，本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識(shí)別機(jī)器人，包括：體域網(wǎng)可穿戴設(shè)備11和智能移動(dòng)機(jī)器人12；

所述體域網(wǎng)可穿戴設(shè)備11，用于獲取用戶的生理信息，并將獲取的生理信息傳輸至所述智能移動(dòng)機(jī)器人；

所述智能移動(dòng)機(jī)器人12，用于獲取用戶的面部信息，對(duì)獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)。

本發(fā)明實(shí)施例所述的基于體域網(wǎng)的多源情感識(shí)別機(jī)器人，通過(guò)體域網(wǎng)可穿戴設(shè)備獲取用戶的生理信息，并將獲取的生理信息傳輸至智能移動(dòng)機(jī)器人；通過(guò)智能移動(dòng)機(jī)器人獲取用戶的面部信息，對(duì)獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)，得到的基于生理-面部的用戶情感狀態(tài)具有更高的情感識(shí)別準(zhǔn)確率。

在前述基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述情感狀態(tài)包括：驚奇、恐懼、厭惡、憤怒、高興和悲傷。

本實(shí)施例中，所述體域網(wǎng)可穿戴設(shè)備不僅包括：3類傳感器子節(jié)點(diǎn)(體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn))和匯聚節(jié)點(diǎn)，還包括為所述體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)。

本實(shí)施例中，如圖2所示，作為一可選實(shí)施例，所述體感溫度傳感器子節(jié)點(diǎn)包括：用于實(shí)時(shí)采集用戶體感溫度的體感溫度傳感器，及將采集到的用戶體感溫度發(fā)送至匯聚節(jié)點(diǎn)的第一藍(lán)牙通信模塊；

所述電導(dǎo)率傳感器子節(jié)點(diǎn)包括：用于實(shí)時(shí)采集用戶皮膚汗液中電導(dǎo)率的電導(dǎo)率傳感器，及將采集到的用戶皮膚汗液中電導(dǎo)率發(fā)送至匯聚節(jié)點(diǎn)的第二藍(lán)牙通信模塊；

所述心率傳感器子節(jié)點(diǎn)包括：用于實(shí)時(shí)采集用戶心率的心率傳感器，及將采集到的用戶心率發(fā)送至匯聚節(jié)點(diǎn)的第三藍(lán)牙通信模塊；

所述匯聚節(jié)點(diǎn)包括：用于將接收到的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率傳輸至智能移動(dòng)機(jī)器人的第四藍(lán)牙通信模塊。

本實(shí)施例中，所述匯聚節(jié)點(diǎn)通過(guò)第四藍(lán)牙通信模塊與智能移動(dòng)機(jī)器人進(jìn)行通訊，也就是說(shuō)，所述體域網(wǎng)可穿戴設(shè)備通過(guò)第四藍(lán)牙通信模塊與智能移動(dòng)機(jī)器人進(jìn)行通訊。

本發(fā)明實(shí)施例中，所述匯聚節(jié)點(diǎn)不僅包括：第四藍(lán)牙通信模塊，還包括：微處理器、為所述第四藍(lán)牙通信模塊、微處理器供電的電源模塊，其中，所述第二電源可以是型號(hào)為cr2032的紐扣電池，所述紐扣電池具有體積小且放點(diǎn)持久的優(yōu)點(diǎn)。所述第四藍(lán)牙通信模塊可以為低功耗藍(lán)牙4.0，所述微處理器可選用stc89c51芯片，所述微處理器通過(guò)低功耗藍(lán)牙4.0接收3類傳感器子節(jié)點(diǎn)各自實(shí)時(shí)采集的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率并通過(guò)各自節(jié)點(diǎn)包含的藍(lán)牙通信模塊發(fā)送的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率等生理信息，所述微處理器還將接收到的生理信息通過(guò)匯聚節(jié)點(diǎn)的低功耗藍(lán)牙4.0實(shí)時(shí)傳輸至智能移動(dòng)機(jī)器人；所述匯聚節(jié)點(diǎn)具有實(shí)時(shí)獲取生理數(shù)據(jù)和傳輸生理數(shù)據(jù)的作用。

本實(shí)施例中，所述匯聚節(jié)點(diǎn)與體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)并無(wú)實(shí)線相連，將體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)配置為藍(lán)牙從機(jī)(slave)端，匯聚節(jié)點(diǎn)配置為藍(lán)牙主機(jī)(master)端，master端開機(jī)后處于監(jiān)聽狀態(tài)，slave端處于廣播狀態(tài)，當(dāng)master端接收到slave端廣播報(bào)文時(shí)建立連接，slave端將生理信息傳輸至master端，傳輸數(shù)據(jù)間隔設(shè)置為1s。

在前述基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述心率傳感器子節(jié)點(diǎn)還包括：

用于在將心率傳感器采集的心率信號(hào)發(fā)送出去之前，對(duì)心率傳感器采集的心率信號(hào)進(jìn)行預(yù)處理的數(shù)模電路，所述預(yù)處理包括：放大、整形和濾波操作。

本實(shí)施例中，心率傳感器子節(jié)點(diǎn)不僅包括：心率傳感器，還包括對(duì)心率傳感器采集的心率信號(hào)進(jìn)行預(yù)處理的數(shù)模電路，所述數(shù)模電路包括：與所述心率傳感器相連的放大器、與所述放大器相連的濾波器及與所述濾波器相連的比較器；其中，所述放大器用來(lái)對(duì)微弱的原始心率信號(hào)進(jìn)行放大整形，濾波器用于對(duì)放大后的心率信號(hào)進(jìn)行去噪，比較器用于對(duì)去噪后的心率信號(hào)進(jìn)行模數(shù)轉(zhuǎn)化，最終輸出波形穩(wěn)定的心率信號(hào)，此時(shí)輸出的心率信號(hào)為脈沖信號(hào)。

在前述基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述心率傳感器為貼片式心率傳感器，所述貼片式心率傳感器穿戴在手腕動(dòng)脈血管處；

所述電導(dǎo)率傳感器為手環(huán)，穿戴在手腕上；

所述體感溫度傳感器穿戴在大臂內(nèi)側(cè)。

本實(shí)施例中，為了方便，所述心率傳感器、電導(dǎo)率傳感器、體感溫度傳感器被安裝在可穿戴設(shè)備上，且所述心率傳感器、電導(dǎo)率傳感器、體感溫度傳感器穿戴在不同的身體部位，所述心率傳感器可以為貼片式心率傳感器，所述貼片式心率傳感器可以穿戴在手腕動(dòng)脈血管處，實(shí)時(shí)采集用戶心率信號(hào)；所述電導(dǎo)率傳感器為手環(huán)，可以穿戴在手腕上，實(shí)時(shí)采集用戶皮膚汗液中電導(dǎo)率；所述體感溫度傳感器可以穿戴在大臂內(nèi)側(cè)，實(shí)時(shí)采集用戶體感溫度；所述心率傳感器、電導(dǎo)率傳感器、體感溫度傳感器采集的生理信息(用戶心率、用戶皮膚汗液中電導(dǎo)率、用戶體感溫度)通過(guò)各自對(duì)應(yīng)的藍(lán)牙通信模塊傳輸數(shù)據(jù)至匯聚節(jié)點(diǎn)。

本實(shí)施例中，所述智能移動(dòng)機(jī)器人硬件包括：獲取用戶面部圖像的攝像頭，負(fù)責(zé)所述述智能移動(dòng)機(jī)器人進(jìn)行移動(dòng)的移動(dòng)裝置，分布式微處理器，觸控屏，第五藍(lán)牙通信模塊，為所述智能移動(dòng)機(jī)器人供電的電源模塊，與用戶進(jìn)行交互的交互設(shè)備等，其中，所述交互設(shè)備包括但不限于顯示屏、語(yǔ)音模塊、通話模塊、緊急報(bào)警模塊；所述移動(dòng)裝置包括：兩個(gè)驅(qū)動(dòng)輪、兩個(gè)萬(wàn)向輪及紅外避障傳感器。

本實(shí)施例中，由于生理信息與面部數(shù)據(jù)繁雜，運(yùn)算量大，所述采用分布式微處理器搭建用戶情感識(shí)別模型，其中，所述分布式微處理器包括：至少3個(gè)以上的微處理器，所述分布式微處理器采用hadoop結(jié)構(gòu)搭建，可選的，操作系統(tǒng)采用紅帽開源linux。

本實(shí)施例中，第五藍(lán)牙通信模塊主要與體域網(wǎng)可穿戴設(shè)備中的匯聚節(jié)點(diǎn)進(jìn)行通信，由于匯聚節(jié)點(diǎn)是體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)的master，匯聚節(jié)點(diǎn)與智能移動(dòng)機(jī)器人中的第五藍(lán)牙通信模塊可以構(gòu)成自組織網(wǎng)絡(luò)，匯聚節(jié)點(diǎn)又是智能移動(dòng)機(jī)器人中第五藍(lán)牙通信模塊的slave。智能移動(dòng)機(jī)器人中的第五藍(lán)牙通信模塊通過(guò)串口傳輸?shù)姆绞脚c智能移動(dòng)機(jī)器人中的分布式微處理器進(jìn)行通訊。

本實(shí)施例中，所述智能移動(dòng)機(jī)器人軟件組成包括：本地?cái)?shù)據(jù)庫(kù)、人臉識(shí)別模塊、人臉追蹤模塊、特征提取模塊、多源情感融合分析模塊；其中，所述本地?cái)?shù)據(jù)庫(kù)包括：表情特征-情感映射數(shù)據(jù)庫(kù)和生理特征-情感映射數(shù)據(jù)庫(kù)。

在前述基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動(dòng)機(jī)器人，用于當(dāng)用戶處于靜止?fàn)顟B(tài)且用戶面部處于智能移動(dòng)機(jī)器人攝像范圍內(nèi)時(shí)，利用人臉識(shí)別算法獲取用戶面部信息；

所述智能移動(dòng)機(jī)器人，還用于當(dāng)用戶處于移動(dòng)狀態(tài)時(shí)，利用平均位移算法，根據(jù)用戶頭部運(yùn)動(dòng)軌跡控制所述智能移動(dòng)機(jī)器人進(jìn)行移動(dòng)，并根據(jù)用戶頭部運(yùn)動(dòng)軌跡進(jìn)行人臉追蹤，獲取用戶面部信息。

本實(shí)施例中，如圖3所示，當(dāng)用戶處于靜止?fàn)顟B(tài)且用戶面部處于智能移動(dòng)機(jī)器人攝像范圍內(nèi)時(shí)，通過(guò)攝像頭獲取用戶面部圖像，并通過(guò)所述智能移動(dòng)機(jī)器人中的人臉識(shí)別模塊，利用人臉識(shí)別算法，對(duì)攝像頭獲取到的用戶面部圖像進(jìn)行預(yù)處理，獲取用戶面部信息。

本實(shí)施例中，當(dāng)用戶處于移動(dòng)狀態(tài)時(shí)，通過(guò)所述智能移動(dòng)機(jī)器人中的人臉追蹤模塊，采用平均位移算法，根據(jù)用戶頭部運(yùn)動(dòng)軌跡控制所述智能移動(dòng)機(jī)器人進(jìn)行移動(dòng)，并根據(jù)用戶頭部運(yùn)動(dòng)軌跡進(jìn)行人臉追蹤，獲取用戶面部信息，主要用于獲取動(dòng)態(tài)時(shí)的用戶面部信息。

在前述基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動(dòng)機(jī)器人，用于根據(jù)獲取的用戶面部信息，基于人臉的表情識(shí)別算法提取面部區(qū)域表情特征，并基于本地?cái)?shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的表情特征-情感映射數(shù)據(jù)庫(kù)的先驗(yàn)知識(shí)，利用貝葉斯分類算法，得到面部情感概率矢量，其中，所述面部區(qū)域表情特征是標(biāo)注后的特征點(diǎn)位置。

本實(shí)施例中，如圖3所示，根據(jù)獲取的用戶面部信息，通過(guò)所述智能移動(dòng)機(jī)器人中的特征提取模塊，基于人臉的表情識(shí)別算法提取面部區(qū)域表情特征，并基于本地?cái)?shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的表情特征-情感映射數(shù)據(jù)庫(kù)的先驗(yàn)知識(shí)，利用貝葉斯分類算法，得到面部情感概率矢量，其中，所述面部區(qū)域表情特征可以是標(biāo)注后的特征點(diǎn)位置。

在前述基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動(dòng)機(jī)器人，用于根據(jù)接收到的生理信息，得到相應(yīng)的統(tǒng)計(jì)特征值，基于本地?cái)?shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的生理特征-情感映射數(shù)據(jù)庫(kù)的先驗(yàn)知識(shí)，利用貝葉斯分類算法，得到生理特征情感概率矢量，其中，所述生理特征情感概率矢量是指由生理特征得到的對(duì)應(yīng)驚奇、恐懼、厭惡、憤怒、高興和悲傷這6種情感狀態(tài)的概率所構(gòu)成的矢量。

本實(shí)施例中，如圖3所示，根據(jù)接收到的生理信息，通過(guò)所述智能移動(dòng)機(jī)器人中的特征提取模塊，基于本地?cái)?shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的生理特征-情感映射數(shù)據(jù)庫(kù)的先驗(yàn)知識(shí)，利用貝葉斯分類算法(例如，ban貝葉斯分類算法)，得到生理特征情感概率矢量(生理特征情感概率矢量為后驗(yàn)概率)，其中，所述生理特征情感概率矢量是指由生理特征得到的對(duì)應(yīng)驚奇、恐懼、厭惡、憤怒、高興和悲傷這6種情感狀態(tài)的概率所構(gòu)成的矢量，由于生理特征為連續(xù)變量，可假設(shè)生理特征的取值服從高斯分布。

本實(shí)施例中，可以通過(guò)所述智能移動(dòng)機(jī)器人中的多源情感融合分析模塊對(duì)得到的面部情感概率矢量和生理特征情感概率矢量進(jìn)行情感融合分析得出用戶的情感狀態(tài)，如圖3所示，具體的步驟可以包括：

根據(jù)得到的面部情感概率矢量和生理特征情感概率矢量進(jìn)行回歸分析，得到面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件；

所述智能移動(dòng)機(jī)器人，還用于根據(jù)得到的面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件，利用基于戈登-肖特列夫(gordon-shortliff)算法的證據(jù)推理理論進(jìn)行決策層的融合分析得到基于生理-面部的用戶情感狀態(tài)，得到的基于生理-面部的用戶情感狀態(tài)具有更高的情感識(shí)別準(zhǔn)確率。

本實(shí)施例中，所述目標(biāo)變量指特征所對(duì)應(yīng)的情感狀態(tài)，賦予了不同情感狀態(tài)離散化的值，使得情感狀態(tài)可計(jì)算。兩者與目標(biāo)變量之間的概率條件是指，例：a是面部特征值點(diǎn)的位置，b是心率的特征值(方差和標(biāo)準(zhǔn)差)，通過(guò)之前對(duì)數(shù)據(jù)庫(kù)的計(jì)算可知道(a，b)同時(shí)存在時(shí)對(duì)應(yīng)的某種情感狀態(tài)的概率，這個(gè)條件概率可用于證據(jù)推理的融合分析。當(dāng)然不僅局限與a和b的組合。

在前述基于體域網(wǎng)的多源情感識(shí)別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動(dòng)機(jī)器人，還用于根據(jù)得到的基于生理-面部的用戶情感狀態(tài)生成相應(yīng)的行為指令，實(shí)現(xiàn)所述智能移動(dòng)機(jī)器人與用戶的情感交互。

本實(shí)施例中，在得出用戶情感狀態(tài)后，多源情感融合分析模塊根據(jù)得到的基于生理-面部的用戶情感狀態(tài)生成相應(yīng)的行為指令，控制所述智能移動(dòng)機(jī)器人中的交互設(shè)備執(zhí)行相應(yīng)的行為指令與用戶進(jìn)行情感交互。

需要說(shuō)明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語(yǔ)僅僅用來(lái)將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來(lái)，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。

以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。