面向智能机器人的Teager语音情感交互系统设计与实现

自从Maragos首先提出了Teager能量算子(TEO)后,该算子得到了一系列应用.Teager能量算子的非线性特性,使之能在抑制背景噪声的同时进行信号特征的有效提取.它还保留了倒谱分析方法中的准稳态假设,因而更能有效地表征语音信号的复杂性.探索了基于Teager能量算子的非线性特征对于区分情感语音的有效性,并且进一步将其和普通的声学参数和音质参数相结合,以应用于语音情感的识别中.以HMM和GMM为分类器,选取7种情感设计了4组对比实验,达到最高85％的识别正确率.实验结果表明,将传统的语音情感特征和Teager能量算子的非线性特征相结合,能显著地提高语音情感识别系统的性能.在此基础上,提出了智能情感机器人进行情感交互的框架,设计实现了智能服务机器人的情感交互系统,经过实时情感交互实验验证,该智能服务机器人可以很好地与交互对象进行简单的情感交流.     

基于表观特征分析的手势识别及其应用

针对复杂背景下的手势识别容易受到环境干扰造成的识别困难问题,通过分析手势的表观特征,提出并实现了一种可用于自然人机交互的手势识别算法。该算法基于Kinect深度图像实现手势区域分割,然后提取手势手指弧度、指间弧度、手指数目等具有旋转缩放不变性的表观特征,运用最小距离法实现快速分类。并将该算法成功运用于实验室三指灵巧手平台,达到了理想的控制效果。实验表明该算法具有良好的鲁棒性,针对九种常用手势,平均识别率达到94.3%。