基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提升机器人与人类之间的交互能力,实现人机交互更加智能、自然.提出了基于通道注意力机制的人脸表情识别方法,以双足人形机器人NAO为实验平台,设计了能进行人脸表情识别的人机交互系统.首先,通过RAF-DB数据集对注意力机制的人脸表情识别算法进行训练,训练结果显示,模型可以对7种基本表情(高兴、生气、恶心、恐惧、伤心、惊讶和自然)进行识别,其准确率可以达到76.21.%.其次设计NAO机器人面对不同表情时的交互语音和动作,最后,对整个人机交互系统进行测试.测试结果显示,当NAO机器人接收到电脑端识别的情绪后,会像人类一样说话和做出动作.
推荐文章
基于多尺度融合注意力机制的人脸表情识别研究
计算机视觉
深度学习
人脸表情识别
特征提取
多尺度特征融合
注意力机制
多注意力机制下自愈人脸表情识别
人脸表情识别多
注意力机制
自愈
不确定性
基于多层注意力机制—柔性AC算法的机器人路径规划
行动者—评论家算法
注意力机制
深度强化学习
机器人路径规划
基于表情符注意力机制的微博情感分析模型
表情符
微博
情感分析
注意力机制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于通道注意力机制的人脸表情识别机器人交互研究
来源期刊 电子测量技术 学科
关键词 深度学习 人脸表情识别 NAO机器人 人机交互 通道注意力机制 情绪识别 表情分类 RAF-DB
年,卷(期) 2021,(11) 所属期刊栏目 测试系统与模块化组件|Test System and Modular Components
研究方向 页码范围 169-174
页数 6页 分类号 TP391.4
字数 语种 中文
DOI 10.19651/j.cnki.emt.2106676
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (37)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(10)
  • 参考文献(1)
  • 二级参考文献(9)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(3)
  • 参考文献(1)
  • 二级参考文献(2)
2019(8)
  • 参考文献(3)
  • 二级参考文献(5)
2020(4)
  • 参考文献(4)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
人脸表情识别
NAO机器人
人机交互
通道注意力机制
情绪识别
表情分类
RAF-DB
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测量技术
半月刊
1002-7300
11-2175/TN
大16开
北京市东城区北河沿大街79号
2-336
1977
chi
出版文献量(篇)
9342
总下载数(次)
50
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导