本发明涉及机器人
技术领域：
，具体涉及一种交互效果良好的智能机器人系统。
背景技术：
：随着科技的发展，越来越多的人开始关注智能机器人并对智能机器人进行研发，智能机器人的应用日趋普遍，随着智能机器人快速进入人们的工作和生活，人们对智能机器人提出了更高的要求。人们希望机器人能够与人进行互动，现有的智能机器人主要通过语音或者键盘输入的方式与人进行互动，这种互动方式往往加重了人员的工作量，且效率低下。人体行为识别是人工智能领域内一个新兴的研究方向，具有广泛的应用前景和非常可观的经济价值，涉及的应用领域主要包括：视频监控、医疗诊断和监护、运动分析、智能人机交互、虚拟现实等。人体行为识别对应的基本工作流程是：选用各类传感器获取人体行为数据信息，并结合传感器特性及人的行为特性建立合理的行为模型，在此基础上从原始采集数据中提取出对行为类型具有较强描述能力的特征，并采用合适的方法对这些特征进行训练，进而实现对人体行为的模式识别。一般来说，基于摄像工作模式的行为识别系统，比较适用于可控的环境(例如，实验室环境)，而将其应用于户外或其它复杂场景中时，由于光照变化及其它干扰因素的影响，行为识别精度可能会受到严重影响。技术实现要素：针对上述问题，本发明旨在提供一种交互效果良好的智能机器人系统。本发明的目的采用以下技术方案来实现：提供了一种交互效果良好的智能机器人系统，包括人体行为识别子系统、通信子系统和机器人本体，所述人体行为识别子系统用于对人体行为进行识别，获取人体行为识别结果，所述通信子系统用于将人体行为识别结果发送至机器人本体，所述机器人本体根据人体行为和人进行交互，所述人体行为识别子系统包括数据采集模块、特征提取模块、分类模块和决策融合模块，所述数据采集模块通过在可穿戴设备上设置传感器对人体行为数据进行采集，所述传感器包括微机速度计和微型陀螺仪；所述特征提取模块用于根据采集的人体行为数据对人体行为特征进行提取，所述分类模块用于根据人体行为特征对人体行为进行分类，所述决策融合模块用于将多个传感器节点的分类结果进行融合，获取人体行为识别结果。本发明的有益效果为：提供了一种交互效果良好的智能机器人系统，该系统不依赖于人的语音输入或者键盘输入，直接对人体行为进行识别，实现了人与机器人之间的良好交互，大大提升了用户体验。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：人体行为识别子系统1、通信子系统2、机器人本体3。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种交互效果良好的智能机器人系统，包括人体行为识别子系统1、通信子系统2和机器人本体3，所述人体行为识别子系统1用于对人体行为进行识别，获取人体行为识别结果，所述通信子系统2用于将人体行为识别结果发送至机器人本体3，所述机器人本体3根据人体行为和人进行交互，所述人体行为识别子系统1包括数据采集模块、特征提取模块、分类模块和决策融合模块，所述数据采集模块通过在可穿戴设备上设置传感器对人体行为数据进行采集，所述传感器包括微机速度计和微型陀螺仪；所述特征提取模块用于根据采集的人体行为数据对人体行为特征进行提取，所述分类模块用于根据人体行为特征对人体行为进行分类，所述决策融合模块用于将多个传感器节点的分类结果进行融合，获取人体行为识别结果。本实施例提供了一种交互效果良好的智能机器人系统，该系统不依赖于人的语音输入或者键盘输入，直接对人体行为进行识别，实现了人与机器人之间的良好交互，大大提升了用户体验；虽然采用摄像机采集人体行为序列图像仍然是目前人体行为识别的主要技术手段，但随着近年来电子、无线通信等技术的飞速发展，可穿戴传感行为识别也已经成为一个新兴的研究方向。本实施例利用可穿戴设备对人体行为进行识别，能够免受阴影和遮挡等因素的影响，且不会附带个人的隐私信息，因而人体行为能够表现得更为自然。此外，传感器仅由力学传感器组成(微型加速度计、微型陀螺仪)，采集的行为数据为时域信号，故相对于高维的二维图像数据，可以降低对数据存储空间和计算资源的要求。优选的，所述机器人本体3包括控制装置、驱动装置和运动装置，所述控制装置用于根据人体行为生成控制指令，并将所述控制指令发送给驱动装置，所述驱动装置用于接受所述控制指令，并根据控制指令控制运动装置运动。本优选实施例实现了对机器人本体的有效控制，提高了机器人的交互水平。优选的，所述数据采集模块通过在可穿戴设备上设置传感器对人体行为数据进行采集，具体为：将原始数据分割为小的数据片段，数据的窗口长度为M，传感器按照窗口长度对数据进行采集；所述特征提取模块包括第一特征提取模块，第二特征提取模块和综合特征确定模块，所述第一特征提取模块用于提取人体行为的第一特征，所述第二特征提取模块用于提取人体行为的第二特征，所述综合特征确定模块用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征；所述第一特征提取模块用于提取人体行为的第一特征，具体为：根据传感器采集的人体行为数据，采用下式确定人体行为的第一特征：上述式子中，T1表示人体行为的第一特征,表示数据的窗口长度，Dm表示窗口数据的第m个数据；所述第二特征提取模块用于提取人体行为的第二特征，具体为：根据传感器采集的人体行为数据，采用下式确定人体行为的第二特征：上述式子中，T2表示人体行为的第二特征；所述综合特征确定模块用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征，具体为：将第一特征和第二特征连接起来，构成综合特征T＝[T1，T2]；本优选实施例通过调整数据窗口的长度，有助于获取最高的识别率，在特征提取过程中，第一特征充分反映了人体行为数据的平均水平，和第二特征充分反映了人体行为数据的稳定性，为后续人体行为分类奠定了基础。优选的，所述分类模块用于根据人体行为特征对人体行为进行分类，具体为：根据人体行为的特征获取人体行为分类的概率输出；所述决策融合模块用于将多个传感器节点的分类结果进行融合，具体为：对各传感器节点的二进制分类结果进行投票，具体采用以下融合规则进行融合：上述式子中，j表示传感器节点的标号，n表示总的传感器节点的数目，N(i)表示人体行为为第i类行为的得票数，C表示人体行为的类的总数，ω表示融合结果的类标签，I表示变换函数，用于将传感器节点的概率输出转换为二进制输出。为了提高识别性能，本优选实施例在决策层上对各个传感节点的分类结果进行融合，生成最后的分类结果，通过多传感节点决策融合，不同传感节点能够提供人体行为的互补信息，大大提升了人体行为识别的准确性。采用本发明交互效果良好的智能机器人系统进行人机交互，选取5个用户进行实验，分别为用户1、用户2、用户3、用户4、用户5，对人机交互效率和用户满意度进行统计，同现有智能机器人系统相比，产生的有益效果如下表所示：人机交互效率提高用户满意度提高用户129％27％用户227％26％用户326％26％用户425％24％用户524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页1 2 3