[发明专利]机器人的自主情感生成方法、系统及应用

说明书

本发明提供了机器人的自主情感生成方法、系统及应用，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，并根据情感生成模型模型生成当前的机器人自主情感。该方法基于大量的音视频材料，通过深度学习技术，建立视频中特定人物的情感模型，从而使机器人拥有类似特定人物的情感，在机器人运行中，根据当前用户的情感，自主生成机器人当前的情感。预测准确度更高，方法更简单，自动化程度更高。

技术领域

本发明涉及机器人技术领域，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。

背景技术

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。

发明内容

基于现有技术存在的问题，本发明提供了机器人的自主情感生成方法、系统，还进一步提供了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。具体技术方案如下所示：

一种机器人的自主情感生成方法，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。

在一个具体的实施例中，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。

在一个具体的实施例中，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。