本發(fā)明涉及智能機(jī)器人領(lǐng)域，具體地說(shuō)，涉及一種面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法和裝置。

背景技術(shù)：

現(xiàn)有技術(shù)中，人臉識(shí)別樣本庫(kù)的構(gòu)建一般是通過人工輸入。比較典型的是，在安防領(lǐng)域中，通過人工錄入特定身份的人臉圖像，并將其與身份標(biāo)記進(jìn)行綁定。為了提高識(shí)別度，通常會(huì)針對(duì)一個(gè)身份標(biāo)記綁定數(shù)張不同角度和方位的人臉圖像。因此，單次的有監(jiān)督錄入是目前大部分人臉識(shí)別服務(wù)的運(yùn)行邏輯。這些技術(shù)包括linkface、Face++和云從。然而，這些技術(shù)僅適合安防領(lǐng)域。針對(duì)智能機(jī)器人在家庭中與人的交互場(chǎng)景，由于智能機(jī)器人獲取到的用戶圖像是多種多樣的，人工輸入的用戶圖像不能滿足智能機(jī)器人的圖像識(shí)別需求，因此這種技術(shù)卻并不適合應(yīng)用在用于在家庭中與用戶進(jìn)行交互的智能機(jī)器人上。

因此，需要提供一種能夠適用家庭中交互用的智能機(jī)器人的人臉樣本采集方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法來(lái)解決上述技術(shù)問題。該方法包括以下步驟：

檢測(cè)獲取當(dāng)前圖像；

如果所述當(dāng)前圖像中存在人臉圖片，則提取其中的身份特征向量并將其與人臉識(shí)別樣本數(shù)據(jù)庫(kù)中所存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量進(jìn)行比較；

基于比較的結(jié)果將提取的所述身份特征向量存儲(chǔ)到與身份標(biāo)記綁定的聚類中，以填充人臉識(shí)別樣本數(shù)據(jù)庫(kù)；

當(dāng)接收到該身份標(biāo)記對(duì)應(yīng)的用戶輸入的多模態(tài)交互數(shù)據(jù)時(shí)，結(jié)合所述身份標(biāo)記生成多模態(tài)交互輸出數(shù)據(jù)并輸出。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法，優(yōu)選的是，所述方法還包括以下步驟：

當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量比較的結(jié)果超過閾值范圍，則輸出當(dāng)前身份特征向量不匹配的結(jié)果，并以多模態(tài)形式獲取該身份特征對(duì)應(yīng)的身份標(biāo)記信息；

將該身份標(biāo)記信息與所述提取的身份特征進(jìn)行綁定；

將綁定了身份標(biāo)記信息的身份特征作為新的聚類填充到樣本數(shù)據(jù)庫(kù)中。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法，優(yōu)選的是，所述方法還包括以下步驟：

當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定姓名的身份特征向量比較的結(jié)果未超過閾值范圍，則輸出當(dāng)前身份特征向量匹配的結(jié)果，并按照規(guī)則將當(dāng)前人臉特征與最相似的人臉特征進(jìn)行融合。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法，優(yōu)選的是，所述方法還包括：

提取新輸入人臉圖片的身份特征向量之后，計(jì)算所述身份特征向量與所有原聚類的重心之間的余弦相似度；

尋找余弦相似度的最大值以及對(duì)應(yīng)的聚類編號(hào)；

在所述余弦相似度的最大值大于設(shè)定閾值時(shí)，則將該提取的身份特征向量作為新的向量添加到其所屬的聚類中，重新計(jì)算聚類重心。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法，優(yōu)選的是，在所述余弦相似度的最大值小于設(shè)定閾值時(shí)，針對(duì)該身份特征向量新建一個(gè)聚類，并分配相應(yīng)編號(hào)。

面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置。該裝置包括以下單元：

檢測(cè)單元，其用以檢測(cè)獲取當(dāng)前圖像；

比較單元，其用以判斷如果所述當(dāng)前圖像中存在人臉圖片，則提取其中的身份特征向量并將其與人臉識(shí)別樣本數(shù)據(jù)庫(kù)中所存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量進(jìn)行比較；

填充單元，其用以基于比較的結(jié)果將提取的所述身份特征向量存儲(chǔ)到與身份標(biāo)記綁定的聚類中，以填充人臉識(shí)別樣本數(shù)據(jù)庫(kù)；

多模態(tài)交互單元，其用以當(dāng)接收到該身份標(biāo)記對(duì)應(yīng)的用戶輸入的多模態(tài)交互數(shù)據(jù)時(shí)，結(jié)合所述身份標(biāo)記生成多模態(tài)交互輸出數(shù)據(jù)并輸出。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置，優(yōu)選的是，所述裝置還包括以下單元：

不匹配輸出單元，其用以當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量比較的結(jié)果超過閾值范圍，則輸出當(dāng)前身份特征向量不匹配的結(jié)果，并以多模態(tài)形式獲取該身份特征對(duì)應(yīng)的身份標(biāo)記信息；

綁定單元，其用以將該身份標(biāo)記信息與所述提取的身份特征進(jìn)行綁定；

新聚類填充單元，其用以將綁定了身份標(biāo)記信息的身份特征作為新的聚類填充到樣本數(shù)據(jù)庫(kù)中。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置，優(yōu)選的是，所述裝置還包括以下單元：

匹配輸出融合單元，其用以當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定姓名的身份特征向量比較的結(jié)果未超過閾值范圍，則輸出當(dāng)前身份特征向量匹配的結(jié)果，并按照規(guī)則將當(dāng)前人臉特征與最相似的人臉特征進(jìn)行融合。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置，優(yōu)選的是，所述裝置還包括：

用以提取新輸入人臉圖片的身份特征向量之后，計(jì)算所述身份特征向量與所有原聚類的重心之間的余弦相似度的單元；

用以尋找余弦相似度的最大值以及對(duì)應(yīng)的聚類編號(hào)的單元；

用以在所述余弦相似度的最大值大于設(shè)定閾值時(shí)，則將該提取的身份特征向量作為新的向量添加到其所屬的聚類中，重新計(jì)算聚類重心的單元。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置，優(yōu)選的是，所述交互裝置還包括：

用以在所述余弦相似度的最大值小于設(shè)定閾值時(shí)，針對(duì)該身份特征向量新建一個(gè)聚類，并分配相應(yīng)編號(hào)的單元。

面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互的有利之處在于，通過智能機(jī)器人在無(wú)監(jiān)督的情況下自動(dòng)收集身份特征信息來(lái)建立人臉識(shí)別的樣本庫(kù)，對(duì)于家庭交互這一交互場(chǎng)景下，智能機(jī)器人采集到的用戶圖像存在各種各樣的角度這一情況，智能機(jī)器人可以自動(dòng)收錄人員信息，增加人臉樣本庫(kù)的樣本數(shù)量，提高人物識(shí)別度，從而在多模態(tài)交互過程中滿足用戶要求。

本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書中闡述，并且，部分地從說(shuō)明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在說(shuō)明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

附圖說(shuō)明

附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，并且構(gòu)成說(shuō)明書的一部分，與本發(fā)明的實(shí)施例共同用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的限制。在附圖中：

圖1顯示了根據(jù)本發(fā)明的實(shí)施例的智能機(jī)器人利用無(wú)監(jiān)督自動(dòng)構(gòu)建的人臉樣本庫(kù)進(jìn)行交互的方法的流程圖；

圖2顯示了根據(jù)本發(fā)明的實(shí)施例如何無(wú)監(jiān)督自動(dòng)構(gòu)建人臉樣本庫(kù)的一個(gè)詳細(xì)流程圖；

圖3顯示了根據(jù)本發(fā)明的實(shí)施例的利用無(wú)監(jiān)督自動(dòng)構(gòu)建的人臉樣本庫(kù)進(jìn)行交互的裝置的結(jié)構(gòu)框圖，以及

圖4顯示了根據(jù)本發(fā)明的實(shí)施例進(jìn)行人臉樣本庫(kù)構(gòu)建后的特殊樣本示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例作進(jìn)一步地詳細(xì)說(shuō)明。

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例作進(jìn)一步地詳細(xì)說(shuō)明。以下例子中，將以人臉為目標(biāo)物體來(lái)進(jìn)行本發(fā)明原理的說(shuō)明。本領(lǐng)域的技術(shù)人員應(yīng)該知曉，該實(shí)施例僅為說(shuō)明目的，不用作對(duì)本發(fā)明的限制。

現(xiàn)有技術(shù)中，家用智能機(jī)器人身份識(shí)別場(chǎng)景與安防用的身份識(shí)別的場(chǎng)景不同。家用智能機(jī)器人進(jìn)行身份識(shí)別時(shí)的環(huán)境信息存在眾多干擾因素、圖片質(zhì)量極差。此外，家用智能機(jī)器人接觸的人數(shù)有限，一般為3到5個(gè)，最多也不會(huì)超過50個(gè)，且身份對(duì)應(yīng)的樣本數(shù)量呈指數(shù)分布而非均勻分布。更重要的是，安防領(lǐng)域用的身份識(shí)別需要在關(guān)鍵特征上精確識(shí)別，人物在環(huán)境中一般是靜態(tài)的，所獲取的圖片質(zhì)量均勻，精確識(shí)別算法可以統(tǒng)一。而家用智能機(jī)器人考慮到識(shí)別環(huán)境中的人物圖片是動(dòng)態(tài)的，例如瞬間面部表情、陰影以及誤檢的情況，識(shí)別算法需要考慮眾多的容錯(cuò)因素。

為此，本發(fā)明提出一種針對(duì)家用機(jī)器人的新的構(gòu)建人臉樣本庫(kù)的方法，以及智能機(jī)器人利用所構(gòu)建的樣本庫(kù)進(jìn)行智能交互的方法，以能夠使得在不影響用戶體驗(yàn)的前提下反復(fù)錄入圖片，從而增加機(jī)器人對(duì)人物的識(shí)別率。

如圖1所示，其中顯示了根據(jù)本發(fā)明的實(shí)施例的智能機(jī)器人利用無(wú)監(jiān)督自動(dòng)構(gòu)建的人臉樣本庫(kù)進(jìn)行交互的方法的流程圖。在圖1中，方法開始于步驟S101。在該步驟中，智能機(jī)器人首先會(huì)檢測(cè)獲取當(dāng)前圖像。當(dāng)家用智能機(jī)器人在室內(nèi)環(huán)境中時(shí)，開啟后，會(huì)自動(dòng)檢測(cè)當(dāng)前場(chǎng)景下的各角度圖片。或者該機(jī)器人到了新的場(chǎng)景時(shí)，也會(huì)自動(dòng)檢測(cè)當(dāng)前場(chǎng)景下的各角度圖片，以了解所處環(huán)境信息。在本發(fā)明中，首要做的是進(jìn)行人物識(shí)別。人物的身份特征主要體現(xiàn)在人臉上，因此根據(jù)本發(fā)明優(yōu)選進(jìn)行人臉識(shí)別。

智能機(jī)器人不斷地進(jìn)行圖片中的人臉特征檢測(cè)。之后，對(duì)檢測(cè)到人臉的圖片進(jìn)行人臉身份特征提取。也就是說(shuō)，在步驟S102中，判斷如果對(duì)當(dāng)前圖像的檢測(cè)結(jié)果是存在人臉圖片，則提取其中的身份特征向量并將其與人臉識(shí)別樣本數(shù)據(jù)庫(kù)中所存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量進(jìn)行比較。

隨后，在步驟S103中，系統(tǒng)基于比較的結(jié)果將提取的身份特征向量存儲(chǔ)到與身份標(biāo)記綁定的聚類中，以填充人臉識(shí)別樣本數(shù)據(jù)庫(kù)。

最后，在步驟S104中，當(dāng)接收到該身份標(biāo)記對(duì)應(yīng)的用戶輸入的多模態(tài)交互數(shù)據(jù)時(shí)，結(jié)合身份標(biāo)記/身份標(biāo)簽生成多模態(tài)交互輸出數(shù)據(jù)并輸出。

在步驟S102中，如果未找到足夠相似的人臉特征，則機(jī)器人認(rèn)為見到的是陌生人，通過交互模塊發(fā)出詢問，以獲取對(duì)方姓名這樣的身份標(biāo)記。在本發(fā)明中，身份標(biāo)記是記錄人臉身份的字符串，它們可以是身份編號(hào)或者姓名。

如果對(duì)方回復(fù)姓名則將姓名作為身份標(biāo)記與身份特征綁定。如果找到了足夠相似的人臉特征，則按照一定規(guī)則將當(dāng)前人臉特征與最相似的人臉特征融合，并獲取該人臉對(duì)應(yīng)的身份信息。

在人臉識(shí)別技術(shù)領(lǐng)域中，使用最多的技術(shù)是卷積神經(jīng)網(wǎng)絡(luò)。作為人臉編碼器的一種，卷積神經(jīng)網(wǎng)絡(luò)的輸入為人臉圖片，輸出為用D維特征向量代表的識(shí)別結(jié)果。D維向量是由D個(gè)小數(shù)組成的數(shù)組，D是一個(gè)整數(shù)，如128。在本例中，每個(gè)這樣的數(shù)組代表一個(gè)人臉身份特征。將人臉身份信息編碼到D維向量中，就構(gòu)成了人臉身份特征向量。

這樣便可以通過余弦相似度來(lái)比較兩個(gè)向量相似程度，從而方便地比較出兩個(gè)人臉身份特征向量是否指示同一個(gè)身份識(shí)別結(jié)果。本發(fā)明提出人臉聚類概念。在本發(fā)明中，一個(gè)聚類是許多人臉身份特征的集合。聚類可與一個(gè)身份標(biāo)記(如姓名)綁定，也可以不綁定。在生成每個(gè)聚類時(shí)，向其分配一個(gè)編號(hào)，互不重復(fù)，作為聚類的唯一標(biāo)識(shí)。聚類中的一個(gè)人臉身份特征在此可稱為樣本。將身份與聚類進(jìn)行綁定事實(shí)上就是對(duì)指定編號(hào)的聚類的身份標(biāo)記進(jìn)行更新的過程。

聚類有其重心，也用一個(gè)D維數(shù)組表示。根據(jù)本發(fā)明，聚類重心為聚類中所有人臉身份特征的歐幾里得均值。

如圖2所示，其中顯示了另一個(gè)根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法的優(yōu)選實(shí)施例。在圖2中，首先將身份特征向量與已綁定身份標(biāo)記的身份特征向量進(jìn)行比較，步驟S201。

接下來(lái)，在步驟S202中，構(gòu)建人臉識(shí)別樣本庫(kù)時(shí)，當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量比較的結(jié)果均超過閾值范圍，則輸出當(dāng)前身份特征向量不匹配的結(jié)果，并以多模態(tài)形式獲取該身份特征對(duì)應(yīng)的身份標(biāo)記信息，步驟S203。

接下來(lái)，在步驟S204中，將該身份標(biāo)記信息與所提取的身份特征進(jìn)行綁定。

最后，在步驟S205中，將綁定了身份標(biāo)記信息的身份特征作為新的聚類填充到樣本數(shù)據(jù)庫(kù)中。這樣，樣本數(shù)據(jù)庫(kù)便有了新的聚類。新的聚類事實(shí)上代表的就是要進(jìn)行交互的新的對(duì)象。

在其他實(shí)施例中，根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法，優(yōu)選的是，所述方法還包括以下步驟：

當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定姓名的身份特征向量比較的結(jié)果未超過閾值范圍，則輸出當(dāng)前身份特征向量匹配的結(jié)果，并按照規(guī)則將當(dāng)前人臉特征與最相似的人臉特征進(jìn)行融合。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法，優(yōu)選的是，所述方法還包括：

在提取新輸入人臉圖片的身份特征向量之后，計(jì)算身份特征向量與所有原聚類的重心之間的余弦相似度。

接下來(lái)，采用例如最近鄰分類算法，Nearest Neighbour Classification:https://en.wikipedia.org/wiki/Nearest_neighbour_algorithm來(lái)尋找余弦相似度的最大值以及對(duì)應(yīng)的聚類編號(hào)。

當(dāng)余弦相似度的最大值大于設(shè)定閾值時(shí)，則將該提取的身份特征向量作為新的向量添加到其所屬的聚類中，重新計(jì)算聚類重心。理想狀態(tài)下，相同身份的不同人臉，其人臉身份特征向量的余弦相似度大于一閾值H，本實(shí)施例中H＝0.8。在所述余弦相似度的最大值小于設(shè)定閾值時(shí)，針對(duì)該身份特征向量新建一個(gè)聚類，并分配相應(yīng)編號(hào)。這樣便使得智能機(jī)器人能夠記住所有見過的人臉，并自動(dòng)歸類。

在其他實(shí)施例中，根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互方法，優(yōu)選的是，在每個(gè)聚類內(nèi)的身份特征向量的樣本記錄大于某一設(shè)定值例如50時(shí)，在此聚類內(nèi)隨機(jī)抽取部分樣本記錄進(jìn)行刪除。此操作能夠在節(jié)約存儲(chǔ)資源的前提下保留類內(nèi)樣本的分布信息。

在聚類的總數(shù)量大于某一設(shè)定值如200時(shí)，按比例刪除其中包含身份特征向量的樣本記錄少的那些聚類。此操作能排除人臉錄入時(shí)的干擾因素，比如遮擋、動(dòng)態(tài)模糊、夸張表情、誤檢等因素。

由于本發(fā)明的方法描述的是在計(jì)算機(jī)系統(tǒng)中實(shí)現(xiàn)的。該計(jì)算機(jī)系統(tǒng)例如可以設(shè)置在機(jī)器人的控制核心處理器中。例如，本文所述的方法可以實(shí)現(xiàn)為能以控制邏輯來(lái)執(zhí)行的軟件，其由機(jī)器人控制系統(tǒng)中的CPU來(lái)執(zhí)行。本文所述的功能可以實(shí)現(xiàn)為存儲(chǔ)在非暫時(shí)性有形計(jì)算機(jī)可讀介質(zhì)中的程序指令集合。當(dāng)以這種方式實(shí)現(xiàn)時(shí)，該計(jì)算機(jī)程序包括一組指令，當(dāng)該組指令由計(jì)算機(jī)運(yùn)行時(shí)其促使計(jì)算機(jī)執(zhí)行能實(shí)施上述功能的方法?？删幊踢壿嬁梢詴簳r(shí)或永久地安裝在非暫時(shí)性有形計(jì)算機(jī)可讀介質(zhì)中，例如只讀存儲(chǔ)器芯片、計(jì)算機(jī)存儲(chǔ)器、磁盤或其他存儲(chǔ)介質(zhì)。除了以軟件來(lái)實(shí)現(xiàn)之外，本文所述的邏輯可利用分立部件、集成電路、與可編程邏輯設(shè)備(諸如，現(xiàn)場(chǎng)可編程門陣列(FPGA)或微處理器)結(jié)合使用的可編程邏輯，或者包括它們?nèi)我饨M合的任何其他設(shè)備來(lái)體現(xiàn)。所有此類實(shí)施例旨在落入本發(fā)明的范圍之內(nèi)。

因此，根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置300。該裝置300包括以下單元：

檢測(cè)單元301，其用以檢測(cè)獲取當(dāng)前圖像；

比較單元302，其用以判斷如果所述當(dāng)前圖像中存在人臉圖片，則提取其中的身份特征向量并將其與人臉識(shí)別樣本數(shù)據(jù)庫(kù)中所存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量進(jìn)行比較；

填充單元303，其用以基于比較的結(jié)果將提取的所述身份特征向量存儲(chǔ)到與身份標(biāo)記綁定的聚類中，以填充人臉識(shí)別樣本數(shù)據(jù)庫(kù)；

多模態(tài)交互單元304，其用以當(dāng)接收到該身份標(biāo)記對(duì)應(yīng)的用戶輸入的多模態(tài)交互數(shù)據(jù)時(shí)，結(jié)合所述身份標(biāo)記生成多模態(tài)交互輸出數(shù)據(jù)并輸出。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置300，優(yōu)選的是，其還包括以下單元：

不匹配輸出單元，其用以當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定身份標(biāo)記的身份特征向量比較的結(jié)果超過閾值范圍，則輸出當(dāng)前身份特征向量不匹配的結(jié)果，并以多模態(tài)形式獲取該身份特征對(duì)應(yīng)的身份標(biāo)記信息；

綁定單元，其用以將該身份標(biāo)記信息與所述提取的身份特征進(jìn)行綁定；

新聚類填充單元，其用以將綁定了身份標(biāo)記信息的身份特征作為新的聚類填充到樣本數(shù)據(jù)庫(kù)中。

在另一個(gè)實(shí)施例中，根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置300，優(yōu)選的是，其還包括以下單元：

匹配輸出融合單元，其用以當(dāng)提取的身份特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已綁定姓名的身份特征向量比較的結(jié)果未超過閾值范圍，則輸出當(dāng)前身份特征向量匹配的結(jié)果，并按照規(guī)則將當(dāng)前人臉特征與最相似的人臉特征進(jìn)行融合。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置，優(yōu)選的是，其還包括：

用以提取新輸入人臉圖片的身份特征向量之后，計(jì)算所述身份特征向量與所有原聚類的重心之間的余弦相似度的單元；

用以尋找余弦相似度的最大值以及對(duì)應(yīng)的聚類編號(hào)的單元；

用以在所述余弦相似度的最大值大于設(shè)定閾值時(shí)，則將該提取的身份特征向量作為新的向量添加到其所屬的聚類中，重新計(jì)算聚類重心的單元。

根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置，優(yōu)選的是，其還包括：

用以在所述余弦相似度的最大值小于設(shè)定閾值時(shí)，針對(duì)該身份特征向量新建一個(gè)聚類，并分配相應(yīng)編號(hào)的單元。

在其他實(shí)施例中，根據(jù)本發(fā)明的面向智能機(jī)器人的基于人臉識(shí)別樣本庫(kù)的交互裝置300，優(yōu)選的是，其還包括：

用以在每個(gè)聚類內(nèi)的身份特征向量的樣本記錄大于某一設(shè)定值時(shí)，在此聚類內(nèi)隨機(jī)抽取部分樣本記錄進(jìn)行刪除的單元；以及

用以在聚類的總數(shù)量大于某一設(shè)定值時(shí)，按比例刪除其中包含身份特征向量的樣本記錄少的那些聚類的單元。

本發(fā)明通過智能機(jī)器人在無(wú)監(jiān)督的情況下自動(dòng)收集身份特征信息來(lái)建立人臉識(shí)別的樣本庫(kù)，對(duì)于交互環(huán)境特別復(fù)雜的情況，可以自動(dòng)收錄人員信息，提高人物識(shí)別度，從而在多模態(tài)交互過程中滿足用戶要求。

如圖4所示，其中顯示了根據(jù)本發(fā)明原理構(gòu)建人臉身份特征樣本庫(kù)的特殊樣本類型。其中包括了7類特殊樣本，分別為誤檢類、遮擋類、瞬間動(dòng)態(tài)眨眼類、動(dòng)態(tài)模糊類、不規(guī)則陰影類、人臉角度類等。它們?cè)跇颖編?kù)中所占的比例都很少，一般在5％左右，因此對(duì)用戶的交互不會(huì)產(chǎn)生大的影響。

應(yīng)該理解的是，本發(fā)明所公開的實(shí)施例不限于這里所公開的特定結(jié)構(gòu)、處理步驟或材料，而應(yīng)當(dāng)延伸到相關(guān)領(lǐng)域的普通技術(shù)人員所理解的這些特征的等同替代。還應(yīng)當(dāng)理解的是，在此使用的術(shù)語(yǔ)僅用于描述特定實(shí)施例的目的，而并不意味著限制。

說(shuō)明書中提到的“一個(gè)實(shí)施例”或“實(shí)施例”意指結(jié)合實(shí)施例描述的特定特征、結(jié)構(gòu)或特性包括在本發(fā)明的至少一個(gè)實(shí)施例中。因此，說(shuō)明書通篇各個(gè)地方出現(xiàn)的短語(yǔ)“一個(gè)實(shí)施例”或“實(shí)施例”并不一定均指同一個(gè)實(shí)施例。

雖然本發(fā)明所公開的實(shí)施方式如上，但所述的內(nèi)容只是為了便于理解本發(fā)明而采用的實(shí)施方式，并非用以限定本發(fā)明。任何本發(fā)明所屬技術(shù)領(lǐng)域內(nèi)的技術(shù)人員，在不脫離本發(fā)明所公開的精神和范圍的前提下，可以在實(shí)施的形式上及細(xì)節(jié)上作任何的修改與變化，但本發(fā)明的專利保護(hù)范圍，仍須以所附的權(quán)利要求書所界定的范圍為準(zhǔn)。