【技术实现步骤摘要】
机器人的自主情感生成方法、系统及应用
本专利技术涉及机器人
，具体而言，涉及机器人的自主情感生成方法、系统。还进一步涉及该方法和系统的应用，如计算机设备、计算机可读存储介质和机器人。
技术介绍
随着机器人技术的发展，人们希望机器人能够拥有一定的情感，从而使其在人机交互种，可以理解用户的需求。为了使机器人可以理解人类情感，出现了情感计算技术，也就是通过摄像头，麦克风获取人的视频、音频材料，从中分析人的情感状态。在这方面，目前已经有大量研究成果及方法，比如面部表情识别，语音情感识别等。为了制造懂得情感的情感机器人，机器人理解用户情感是一方面，另一方面，机器人可以模仿人类拥有一定的情感。现有技术中，通过情绪转换矩阵，将当前情绪输入和历史情绪输出与情绪转换矩阵相乘，并加权得到当前的情绪输出。使用情绪转换矩阵来表示机器人的个性，情绪转换矩阵的每一列代表不同的情绪种类，每一行代表输出的情绪种类。该种方法在设计机器人个性时比较生硬，如果要设置类似某一人物的个性比较困难。
技术实现思路
基于...
【技术保护点】
1.一种机器人的自主情感生成方法，其特征在于，包括：/n收集包含目标人物和目标人物以外其他人物的视频，对视频进行情感标注得到标注向量；/n根据所述标注向量准备训练数据，通过长短期记忆网络进行训练以得到所述目标人物的情感生成模型；/n获取当前场景的人物情感作为机器人情感输入，并根据所述情感生成模型模型生成当前的机器人自主情感。/n
【技术特征摘要】
1.一种机器人的自主情感生成方法，其特征在于，包括：
收集包含目标人物和目标人物以外其他人物的视频，对视频进行情感标注得到标注向量；
根据所述标注向量准备训练数据，通过长短期记忆网络进行训练以得到所述目标人物的情感生成模型；
获取当前场景的人物情感作为机器人情感输入，并根据所述情感生成模型模型生成当前的机器人自主情感。
2.如权利要求1所述的自主情感生成方法，其特征在于，所述“对视频进行情感标注得到标注向量”的方法包括：
对一个连续视频，将情感设置为n个维度，n为大于1的整数，设定每个情感维度的标签数量为k，得到该一个连续视频的标注向量的大小N＝k1+k2+……+Kn，其中数值Kn为第n个情感维度的标签数量；
对于视频序列为预设的M个、每个视频序列的时长为预设的P、预设的人数Q，最终得到标注向量的大小为M*P*Q*N。
3.如权利要求2所述的自主情感生成方法，其特征在于，所述维度包括：时长、人物、年龄、人物关系、语音情感、表情情感和场景；
关于所述时长，设定预设的时间间隔t，采用数字1*t,2*t,3*t,…，w*t进行标注，w*t代表第w个时间间隔时的时长；
关于所述人物，采用数字1,2,3,…，m进行标注，m代表第m个人物；
关于所述年龄，使用自然数进行标注，分为多个年龄段；
关于所述人物关系，包括：家人、朋友、同事、情侣、偶像、陌生人，分别以数字做代号；
关于所述场景标签，使用1*3的向量表示，分别代表3种场景：正向，负向，中性；
所述语音情感和表情情感，分别包括：开心、惊讶、伤心、担心、生气、厌恶或中性。
4.如权利要求3所述的自主情感生成方法，其特征在于，所述时间间隔的时长选自0.01-10秒的数值范围。
5.如权利要求3所述的自主情感生成方法，其特征在于，所述间隔时长为1秒。
6.如权利要求5所述的自主情感生成方法，其特征在于，进行标注后，每一间隔时长的视频可以得到X*N的标注向量，其中X由视频中出现的人数而确定，在不同的间隔时长的视频中，人物数X的数值不同，假设整个数据集中涉及的人物数量为Q，如某一个人物不在间隔时长视频中出现，则对应的1*N标注向量设置为全0向量。
7.如权利要求2所述的自主情感生成方法，其特征在于，所述“根据所述标注向量准备训练数据”的方法包括：
根据最终得到的M*P*Q*N的标注向量，指定要训练的情感自主模型以所述目标人物为目标，标注向量为(x,y)的样本形式；
其中，x为(Q-1)*(N-2)，时长、人物两个维度的数据不参与训练；
其中，y为1*(N-3)，时长，人物，年龄三个维度的数据不参与结果；
样本数序列数为M个，每个样本对应的序列长度为P，每个序列中的一个元素为(x,y)。
8.如权...
【专利技术属性】
技术研发人员：乔宇，李英，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。