基于視覺和聽覺融合的移動(dòng)機(jī)器人目標(biāo)識(shí)別與定位方法研究.pdf

1、隨著信息技術(shù)水平的提高，機(jī)器人在家庭服務(wù)中的作用也變得尤為突出，研究具有感知和決策能力的服務(wù)機(jī)器人具有重要的意義。基于人類在其生活環(huán)境中扮演著至關(guān)重要的角色，本文以人為目標(biāo)，分析其聽覺和視覺特征，主要研究了基于視聽覺融合的移動(dòng)機(jī)器人目標(biāo)識(shí)別與定位技術(shù)，著重做了以下的研究工作:
　　首先，總結(jié)了移動(dòng)機(jī)器人的目標(biāo)識(shí)別與定位方法的研究現(xiàn)狀，對(duì)移動(dòng)機(jī)器人的視聽覺融合進(jìn)行了系統(tǒng)平臺(tái)設(shè)計(jì)，分析了移動(dòng)機(jī)器人交互控制以及場(chǎng)景的應(yīng)用。
　　其

2、次，研究了移動(dòng)機(jī)器人的目標(biāo)定位。對(duì)聲源定位的方法進(jìn)行了研究，在多信號(hào)分類算法中，采用廣義特征值分解抑制噪聲的影響。移動(dòng)機(jī)器人根據(jù)聲源定位得到的方位角，結(jié)合運(yùn)動(dòng)距離，利用三角測(cè)量得到聲源距離。通過實(shí)驗(yàn)分析驗(yàn)證了該方法精度和魯棒性。
　　再次，研究了說話人識(shí)別和人臉識(shí)別技術(shù)。在人臉識(shí)別之前，首先進(jìn)行人臉檢測(cè)定位人臉區(qū)域，將人臉圖像進(jìn)行分塊處理，利用小波分解和奇異值分解相結(jié)合提取特征后，采用稀疏表示的人臉識(shí)別;在說話人識(shí)別中，語音預(yù)處理

3、后，經(jīng)過同態(tài)處理和倒譜分析后，提取語音的特征Mel頻率倒譜系數(shù)，進(jìn)行矢量量化，通過LBG聚類處理，為說話人建立碼本模型。最后通過實(shí)驗(yàn)表明，說話人識(shí)別和人臉識(shí)別的有效性。
　　進(jìn)一步地，研究了基于視聽信息融合的識(shí)別技術(shù)。分別在匹配層和決策層上對(duì)語音和人臉信息進(jìn)行了融合識(shí)別。在匹配層上提出了基于語音優(yōu)先的匹配的加權(quán)融合和基于人臉優(yōu)先匹配的加權(quán)融合，并通過實(shí)驗(yàn)與非加權(quán)融合進(jìn)行了對(duì)比，驗(yàn)證了加權(quán)融合的識(shí)別率更高。在決策層上利用模糊積分將說