◎丁思源

基于NAO機(jī)器人的面部和語音識(shí)別

◎丁思源

人造智能在1955年首次被人們所認(rèn)識(shí)，是一個(gè)歷史悠久，前景輝煌的學(xué)科。 21世紀(jì)，由于計(jì)算機(jī)運(yùn)算能力的提高，人工智能得到了長(zhǎng)足的發(fā)展。 由于目前聲音識(shí)別技術(shù)已經(jīng)比較成熟，本文將重點(diǎn)研究NAO人臉識(shí)別的能力，特別是身份識(shí)別的能力。

人工智能有很長(zhǎng)的歷史，涉及到很多學(xué)科。 面部識(shí)別和聲音識(shí)別是在其發(fā)展過程中發(fā)明的。 圖1顯示了人工智能演變的簡(jiǎn)單歷史。

面部識(shí)別：圖像識(shí)別是人工智能的主要研究領(lǐng)域之一。 它可以分為兩部分：2D和3D。

圖像的常規(guī)空間單位是RDB，HSV和YUV。 捕捉圖像的常見方式是通過相機(jī)，這意味著圖像的質(zhì)量很大程度上取決于鏡頭和傳感器的質(zhì)量。 而且，捕獲二維圖像和三維圖像最重要的區(qū)別之一就是鏡頭的數(shù)量：兩個(gè)鏡頭水平放置，以獲得兩個(gè)二維圖像，這可以用來計(jì)算目標(biāo)物體的紋理，結(jié)構(gòu)。同樣，捕獲的方向和角度越多，最終的3D圖像就越精確。

圖1 人工智能開始進(jìn)入第四次發(fā)展浪潮

表1

人臉識(shí)別是圖像識(shí)別的一個(gè)分支，已經(jīng)可以通過計(jì)算兩個(gè)二維圖像之間的相似度來實(shí)現(xiàn)。 然而，由于人們可以使用圖像而不是真實(shí)的人臉進(jìn)行識(shí)別（這是人臉識(shí)別的最重要和最有用的應(yīng)用），所以需要用于區(qū)分圖像和人臉的技術(shù)，這導(dǎo)致了3D面部識(shí)別。在創(chuàng)建這個(gè)思想的時(shí)候，計(jì)算機(jī)缺乏支持包含人臉?biāo)刑卣鼽c(diǎn)的基礎(chǔ)數(shù)據(jù)的能力。 因此，這個(gè)思想才剛剛被重新考慮，因?yàn)橛?jì)算機(jī)的計(jì)數(shù)能力有了很大的發(fā)展。

為了更好地理解人臉識(shí)別的進(jìn)展和存在的問題，我將NAO機(jī)器人用于捕獲圖像的實(shí)驗(yàn)對(duì)象，并將其帶回計(jì)算機(jī)進(jìn)行計(jì)算.NAO機(jī)器人支持C ++和Python實(shí)例。為了驗(yàn)證NAO的身份識(shí)別能力和分析能力，我在其官方網(wǎng)站上采用了編碼實(shí)例。

算法主要用于：

ALFaceDetection/

ALVideoDevice/

ALVisionRecognition/

實(shí)驗(yàn)：(見表1)

通過對(duì)NAO機(jī)器人的實(shí)驗(yàn)表明，Python的聲音識(shí)別和1：1面部識(shí)別已經(jīng)成熟，可以正確識(shí)別我和我的臉部信息，而基礎(chǔ)數(shù)據(jù)只包含我的臉部圖像。 然而，所有這些失敗的例子都帶來了成功識(shí)別身份的重要因素：成功識(shí)別的可能性在很大程度上取決于互聯(lián)網(wǎng)與機(jī)器人之間的連接程度有多強(qiáng)，這造成了相對(duì)不穩(wěn)定的工作過程。

武漢外國(guó)語學(xué)校）