桌面教育机器人

摘要

日常生活中的机器人,功能上更多的是偏向于娱乐,不能很好的发挥出其在教育领域的作用,故急需一种桌面级儿童教育机器人,能实时分析儿童学习行为习惯,其中具体包括学习专注度分析和学习姿态分析.儿童学习行为习惯分析是通过RGB摄像头实时捕捉儿童学习视频画面,检测并跟踪儿童的脸部,再通过脸部关键点进行头部姿态和面部表情估计.人脸位置数据,头部姿态数据及面部表情数据的结合可以进行学习专注度分析以及学习姿态分析.使用Adaboost算法进行人脸检测,利用Harr特征级联分类器检测视野中儿童的脸部,对检测到的人脸使用基于独立尺度估计DSST算法改进的KCF目标跟踪算法进行实时跟踪,对跟踪到的人脸采用级联卷积神经网络的方法来预测人脸关键点,再使用局部二值特征(LBF)进行人脸关键点的形变预测,即对齐,从而进行头部姿态估计和面部表情估计.