一种基于虚拟机器人的情感交流匹配系统技术方案

本发明专利技术涉及一种基于虚拟机器人的情感交流匹配系统，包括虚拟机器人中央服务器、虚拟机器人显示设备、摄像装置和录音设备，所述虚拟机器人中央服务器从所述摄像装置和录音设备处获得大量使用者的行为信息和习惯，并使用深度学习算法进行行为习惯的信息分类，给每一个使用者确定一个初期的用户画像，作为深度学习递归神经网络初期训练的虚拟机器人行为模型，每一个用户对应一个虚拟机器人行为模型；使用时，第一用户输入交友对象的类型，虚拟机器人中央服务器根据输入的类型在已有训练完成的虚拟机器人行为模型中匹配最接近第一用户输入类型的虚拟机器人行为模型供第一用户使用。本发明专利技术能够借助虚拟机器人较为快速地进行情感交流对象的匹配。

An Emotional Communication Matching System Based on Virtual Robot

【技术实现步骤摘要】
一种基于虚拟机器人的情感交流匹配系统
本专利技术涉及虚拟机器人
，特别是涉及一种基于虚拟机器人的情感交流匹配系统。
技术介绍
现如今，人们的生活节奏变得越来越快，除了工作和学习相关技能外，生活娱乐的时间变得越来越少。而在这种大环境下，很多年轻人没有时间去结识更多的朋友，但是又渴望去结识更多的朋友，除去一部分人有一定程度的社交恐惧症，更多的人是因为没有太多时间。人类并非机器，所以除了工作事业外，更多一部分需要情感支撑和维系，但是随着科技和社会的不断进步，人们的生活节奏只会变得越来越快，人们只会比以往花更少的时间投入到朋友和情侣关系之中，但是依然想获得真挚的友情和适配的爱情。很多人在交往一段时间后来发现彼此之间的理念、习惯以及爱好都不是很适合，并不能长期地维持这段社会关系，因此消耗了精力、时间以及对友情爱情的信心。基于这种社会背景下，一种高效的交友方式和情感交流匹配系统是有很强的社会需求的。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于虚拟机器人的情感交流匹配系统，能够借助虚拟机器人较为快速地进行情感交流对象的匹配。本专利技术解决其技术问题所采用的技术方案是：提供一种基于虚拟机器人的情感交流匹配系统，包括虚拟机器人中央服务器、虚拟机器人显示设备、摄像装置和录音设备，所述虚拟机器人中央服务器从所述摄像装置和录音设备处获得大量使用者的行为信息和习惯，并使用深度学习算法进行行为习惯的信息分类，给每一个使用者确定一个初期的用户画像，作为深度学习递归神经网络初期训练的虚拟机器人行为模型，每一个用户对应一个虚拟机器人行为模型；使用时，第一用户输入交友对象的类型，虚拟机器人中央服务器根据输入的类型在已有训练完成的虚拟机器人行为模型中匹配最接近第一用户输入类型的虚拟机器人行为模型供第一用户使用。所述虚拟机器人中央服务器匹配最接近用户输入类型的虚拟机器人行为模型供第一用户使用后，还向被匹配的虚拟机器人行为模型对应的第二用户推荐第一用户所对应的虚拟机器人行为模型。在使用过程中，所述摄像装置和录音设备仍然捕捉与虚拟机器人行为模型对应的使用者的真实行为信息和习惯，并通过深度强化学习递归神经网络不断调整虚拟机器人行为模型。在用户使用一段时间后，虚拟机器人中央服务器询问用户继续使用所述虚拟机器人行为模型或更换新的虚拟机器人行为模型。所述交友对象的类型包括长相选择、性格选择、爱好选择中的一种或几种。所述摄像装置还用于获取用户的长相和身高，并将该长相和身高与用户对于的虚拟机器人行为模型进行匹配。所述虚拟机器人显示设备包括三维成像设备，手机端和家用显示器端，所述三维成像设备安装在客厅，所述家用显示器端安装在卧室，所述手机端用于和虚拟机器人行为模型进行信息交流。所述录音设备设置在非隐私区域，用于对使用者进行全方位的语音识别。所述摄像装置设置在非隐私区域，用于捕捉使用者真实的行为姿态。有益效果由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术能较为快速地进行情感交流对象的匹配，帮助人们更健康、更友好地建立自己的社交网络，简化社交流程，减少社交壁垒，适应快速发展的社会。附图说明图1是本专利技术的流程图。图2是本专利技术中摄像装置的身高录入示意图。图3是本专利技术中摄像装置和录音设备行为识别和语音识别的流程图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本专利技术的实施方式涉及一种基于虚拟机器人的情感交流匹配系统，包括虚拟机器人中央服务器、虚拟机器人显示设备、摄像装置和录音设备，所述虚拟机器人中央服务器从所述摄像装置和录音设备处获得大量使用者的行为信息和习惯，并使用深度学习算法进行行为习惯的信息分类，给每一个使用者确定一个初期的用户画像，作为深度学习递归神经网络初期训练的虚拟机器人行为模型，每一个用户对应一个虚拟机器人行为模型；使用时，用户输入交友对象的类型，虚拟机器人中央服务器根据输入的类型在已有训练完成的虚拟机器人行为模型中匹配最接近用户输入类型的虚拟机器人行为模型供用户使用。该匹配系统的工作流程如图1所示。所述虚拟机器人中央服务器前一个月的试用期可以从摄像装置和录音设备处获得大量使用者的行为信息和习惯，使用深度学习算法进行行为习惯的信息分类，给每一个使用者确定一个初期的用户画像，作为深度学习初期训练的虚拟机器人行为模型。用户试用产品一个月之后虚拟机器人中央服务器提醒用户可以正式使用虚拟机器人情感交流匹配系统，用户身高和长相在试用期初期已经通过摄像装置获取，存储进虚拟机器人中央服务器。每一个用户对应一个虚拟机器人行为模型，即用户A对应虚拟机器人行为模型A，用户B对应虚拟机器人行为模型B，虚拟机器人行为模型使用用户的长相，身高和穿着偏好信息。然后用户A输入自己理想的交友对象的类型，长相选择，性格选择，爱好选择以及用户在意的其余选择。数据输入后虚拟机器人中央服务器在已有训练的虚拟机器人行为模型中选择合适的机器人行为模型B提供给用户A使用。与此同时，虚拟机器人行为模型A的试用请求会发给用户B，如果用户B同意使用，则用户A使用虚拟机器人行为模型B请求通过。在使用过程中，摄像装置仍然捕捉使用者真实的行为姿态，记录使用者的生活爱好和衣食住行习惯，通过深度强化学习不断调整系统中所对应虚拟机器人行为模型B，目的是尽可能实现用户A通过虚拟机器人行为模型B逼真地在和用户B进行交流。使用期三个月之后可以征求用户A是否继续使用虚拟机器人行为模型B还是更换新的虚拟机器人行为模型，如果用户A选择长期使用虚拟机器人行为模型B，而用户B也同样选择长期使用虚拟机器人行为模型A的情况下，可以发起询问，是否两人需要见面进行关系的进一步发展，如果用户B并未继续使用用户A对应的虚拟机器人行为模型A，而用户A依然在使用虚拟机器人行为模型B，则不提醒进一步关系的发展，用户A可在一定期限后选择其余的虚拟机器人行为模型。其中，虚拟机器人显示设备，包括三维成像设备，手机端和家用显示器端。三维成像设备安装在客厅，家用显示器端安装在卧室。手机端可以和虚拟机器人发信息交流。录音设备只设置在非隐私区域，如客厅，均匀设置在客厅的四个角落，对使用者进行全方位的语音识别。图2是摄像装置身高录入示意图。摄像装置C只设置在非隐私区域，捕捉使用者真实的行为姿态，记录使用者的生活爱好和衣食住行习惯，如衣服搭配，喜欢吃的食物。使用者在系统试用时被要求拿着20厘米尺正对摄像装置C，进行身高录入操作，可以根据到尺子的垂直距离和角度α，β求解拿着尺子对应的用户的具体身高。图3是摄像装置和录音设备行为识别和语音识别的流程图。本专利技术能较为快速地进行情感交流对象的匹配，帮助人们更健康、更友好地建立自己的社交网络，简化社交流程，减少社交壁垒，适应快速发展的社会，共建和谐社会。本文档来自技高网...

【技术保护点】
1.一种基于虚拟机器人的情感交流匹配系统，包括虚拟机器人中央服务器、虚拟机器人显示设备、摄像装置和录音设备，其特征在于，所述虚拟机器人中央服务器从所述摄像装置和录音设备处获得大量使用者的行为信息和习惯，并使用深度学习算法进行行为习惯的信息分类，给每一个使用者确定一个初期的用户画像，作为深度学习递归神经网络初期训练的虚拟机器人行为模型，每一个用户对应一个虚拟机器人行为模型；使用时，第一用户输入交友对象的类型，虚拟机器人中央服务器根据输入的类型在已有训练完成的虚拟机器人行为模型中匹配最接近第一用户输入类型的虚拟机器人行为模型供第一用户使用。

【技术特征摘要】
1.一种基于虚拟机器人的情感交流匹配系统，包括虚拟机器人中央服务器、虚拟机器人显示设备、摄像装置和录音设备，其特征在于，所述虚拟机器人中央服务器从所述摄像装置和录音设备处获得大量使用者的行为信息和习惯，并使用深度学习算法进行行为习惯的信息分类，给每一个使用者确定一个初期的用户画像，作为深度学习递归神经网络初期训练的虚拟机器人行为模型，每一个用户对应一个虚拟机器人行为模型；使用时，第一用户输入交友对象的类型，虚拟机器人中央服务器根据输入的类型在已有训练完成的虚拟机器人行为模型中匹配最接近第一用户输入类型的虚拟机器人行为模型供第一用户使用。2.根据权利要求1所述的基于虚拟机器人的情感交流匹配系统，其特征在于，所述虚拟机器人中央服务器匹配最接近用户输入类型的虚拟机器人行为模型供第一用户使用后，还向被匹配的虚拟机器人行为模型对应的第二用户推荐第一用户所对应的虚拟机器人行为模型。3.根据权利要求1所述的基于虚拟机器人的情感交流匹配系统，其特征在于，在使用过程中，所述摄像装置和录音设备仍然捕捉与虚拟机器人行为模型对应的使用者的真实行为信息和习惯，并通过深度强化学习递归神经网络不断调整虚拟机器...

【专利技术属性】
技术研发人员：曹永胜，李德敏，汪浩，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31