基于认知图的虚拟人情感计算的研究

论文摘要

人类不仅具有逻辑推理能力,还具有产生、控制和表达情感的能力,使计算机具有情感产生能力是目前情感计算的一个重要研究方向。本文的主要目的是对三维虚拟人头的情感产生进行建模,并运用三维虚拟人头的表情动画来显示情感产生的结果。本文首先对基本的情感理论进行介绍,讨论了几个典型的情感理论模型,并对它们的优缺点进行比较。根据情绪的分类和特性,使用PAD三维情感模型来定义情绪,考虑到情绪和心情的相互关系,也采用PAD三维情感模型来描述心情。同时,讨论了情绪、心情和个性三者之间的相互关系。其次,本文详细介绍了认知图的相关理论,使用认知图来构造情感产生模型。在对情感产生建模时,主要考虑了虚拟人上一时刻的情绪状态、外界刺激(用户表情和语音)、当前虚拟人的心情状态、个性特征以及虚拟人情绪的衰减对虚拟人情感产生的影响。认知图是用于表达和推理概念间因果关系的图模型,可以用来表示具有反馈的动态因果系统,因此,基于认知图的情感产生模型更符合人类情感产生的方式。为了更加直观的表示情感产生的结果,本文使用了三维虚拟人头的表情动画技术。首先通过FaceGen来构造24种基本情绪对应的表情数据,然后通过插值实现三维虚拟人头的表情动画。同时,完成了内部产生情绪到外部表情空间的映射。最后,在计算机上对整个模型进行模拟实验,设计了一个虚拟人情感产生系统。该系统利用已有资源来对虚拟人的视觉、听觉等进行模拟,通过三维虚拟人头的表情和语音来实现与外界用户的情感交互。实验结果证明基于认知图的情感产生模型能产生类似人类的真实的感情。

论文目录

• 摘要
• Abstract
• 引言
• 1 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 研究任务与创新点
• 1.4 论文的主要内容与章节安排
• 2 情感计算理论
• 2.1 情感理论模型
• 2.1.1 OCC 模型
• 2.1.2 Roseman模型
• 2.2 情感元素模型
• 2.2.1 PAD 模型
• 2.2.2 个性模型
• 2.3 情感数学模型
• 2.3.1 Kismet 情感模型
• 2.3.2 CogAff模型
• 2.3.3 Cathexis 情感模型
• 2.4 本章小结
• 3 图模型
• 3.1 概要
• 3.2 认知图
• 3.2.1 认知图的特性
• 3.2.2 认知图的数学表示
• 3.3 模糊认知图
• 3.3.1 模糊认知图的特性
• 3.3.2 模糊认知图数学模型
• 3.3.3 模糊因果关系的表示
• 3.4 模糊认知图的学习
• 3.4.1 Hebb 学习
• 3.4.2 粒子群优化算法
• 3.4.3 遗传算法
• 3.5 具有竞争学习机制的图模型
• 3.5.1 自组织映射模型
• 3.5.2 学习向量量化
• 3.6 本章小结
• 4 基于认知图的情感产生模型
• 4.1 情感元素的定义
• 4.1.1 个性的定义
• 4.1.2 情绪的定义
• 4.1.3 心情的定义
• 4.1.4 表情的定义
• 4.2 情感产生过程
• 4.2.1 心情的产生
• 4.2.2 情绪的产生
• 4.3 情感产生模型的构造
• 4.4 模型训练样本的构造
• 4.5 模型学习算法
• 4.5.1 参数编码
• 4.5.2 适应度函数的设计
• 4.5.3 遗传算子的设计
• 4.6 情绪到表情空间的映射
• 4.7 本章小结
• 5 虚拟人情感产生系统
• 5.1 虚拟人表情动画模块
• 5.1.1 模型制作
• 5.1.2 表情动画
• 5.2 虚拟人发音模块
• 5.3 实验结果分析
• 5.4 情感产生模型的评估
• 5.5 本章小结
• 6 结论
• 6.1 本文工作总结
• 6.2 下一步研究方向
• 参考文献
• 在学研究成果
• 致谢