CN106874939B - 家居环境下的基于视觉信息的氛围场识别方法及识别系统 - Google Patents
家居环境下的基于视觉信息的氛围场识别方法及识别系统 Download PDFInfo
- Publication number
- CN106874939B CN106874939B CN201710039410.0A CN201710039410A CN106874939B CN 106874939 B CN106874939 B CN 106874939B CN 201710039410 A CN201710039410 A CN 201710039410A CN 106874939 B CN106874939 B CN 106874939B
- Authority
- CN
- China
- Prior art keywords
- color
- home
- light source
- visible light
- emotional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及一种家居环境下的基于视觉信息的氛围场识别方法及识别系统,包括:从家居环境下的视觉信息中提取出不同种类可见光源的颜色情感特征信息和不同种类的具有色彩属性的家居颜色情感特征信息;通过模糊层次分析法,分析每一类可见光源的各个颜色情感特征信息和每一种具有色彩属性的家居颜色情感特征信息对自身颜色情感状态影响的权重大小;采用模糊层次分析法,分析每一类可见光源颜色情感状态和每一种家居颜色情感状态,得到可见光源整体颜色情感状态和家居整体颜色情感状态,并采用APA(Affinity‑Pleasure‑Arousal)情感空间进行描述;采用模糊层次分析法,确定可见光源颜色情感状态和家居整体颜色情感状态对于形成氛围场的权重大小,最终实现家居环境下的氛围场识别。
Description
技术领域
本发明涉及家居氛围场识别领域,具体涉及一种家居环境下的基于视觉信息的氛围场识别方法及识别系统。
背景技术
随着生活水平的提高和信息技术的高速发展,人类对智能化生活的需求越来越高,人机交互能力也得到越来越多的重视,具有情感交互的机器成为智能家居领域的研究热点,而交流氛围场的识别已成为情感计算的一个重要内容,人机交流的氛围场识别是实现机器人与人类之间随意交流的一个重要组成部分。目前,针对交流氛围场的研究还处于起步阶段,相关研究主要是在心理学、行为科学等领域展开,应用于信息科学方面的研究还不是很多。随着通信技术的不断发展,人们之间交流方式不断地增加和多样化,除了面对面的交流,基于网络聊天工具的交流方式,人与计算机之间的交流,人与机器人之间的交流等已经逐渐进入我们的生活。
氛围场是弥漫在空间中的能够影响行为过程和结果的心理因素和心理感受,是由个人或多人对话过程中所营造出来的气氛,包括:紧张、兴奋、沮丧、恐惧、期待、高兴、热烈、冷漠、积极、消极、肯定、否定、怀疑、信任、尊敬、鄙视等。通过实时对交流氛围场进行分析,机器人可以掌握交流氛围场,以及说话人所表达的情感,从而做出适当反应,以适应人类情感的不断变化,例如安抚、鼓励、赞美等等。情感识别/分析主要是针对个人进行,在人机交互中,特别是多人对多机器人的交互过程中,仅仅分析情感状态并不能反映出整体的交流氛围场。色彩情感是不同波长的光信息直接作用在人的视觉器官,通过视觉神经传入大脑后,经过与以往的记忆及经验产生联想,从而形成一系列的色彩心理反应。色彩的动与静、华丽与朴素、冷暖以及每种色彩在饱和度、透明度上略微变化就会给人产生不同的感觉,而色彩氛围便是在多种色彩情感的相互影响、相互关联的基础上诞生的。日常生活中,家不仅是我们居住的场所,也是我们精神的栖息地。忙碌了一天后,回到家中的我们如何才能感受到一份温馨与轻松呢,这就需要我们通过智能家居环境中的灯光以及背景墙的颜色来调节。
发明内容
本发明提供了一种家居环境下的基于视觉信息的氛围场识别方法及识别系统,能够准确、可靠地对家居氛围场进行识别。
本发明解决上述技术问题的技术方案如下:一种家居环境下的氛围场识别方法,包括:
S1,从获取的家居环境下的视觉信息中提取出不同种类的可见光源的颜色情感特征信息和多种不同种类的具有色彩属性的家居的颜色情感特征信息;
S2,通过模糊层次分析法,分析计算每一类可见光源的颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种可见光源的颜色情感状态,以及每一种具有色彩属性的家居颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种具有色彩属性的家居的颜色情感状态;
S3,通过模糊层次分析法,分析计算每一类可见光源的颜色情感状态对可见光源整体的颜色情感状态影响的权重大小,进而得到可见光源整体的颜色情感状态,以及每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并采用相应的APA情感空间进行描述;
S4,采用模糊层次分析法,确定可见光源整体的颜色情感状态和家居整体的颜色情感状态对于形成氛围场的权重大小,得到最终的家居色彩氛围场识别结果。
本发明的有益效果为:采用了模糊层次分析法,分析了家居色彩氛围场的影响因素,并结合专家规则,能够更准确地得出实时的家居色彩氛围场状态,从而提高氛围场识别的准确性和可靠性。
在上述技术方案的基础上,本发明还可以作如下改进。
进一步的,所述步骤S1与步骤S2之间还包括:
对提取的每一类可见光源颜色情感特征信息和每一种家居的家居颜色情感特征信息分别进行PCA降维处理,得到每一类可见光源的颜色情感特征信息以及每一种家居最终的的家居颜色情感特征信息。
所述进一步的有益效果为:对提取的光颜色特征信息和家居颜色特征信息进行降维去噪处理,消除由于噪声对识别结果的影响。
进一步的,所述步骤S2具体包括并行的步骤S21和步骤S22:
S21,利用模糊层次分析法分析人造光源和自然光源的各个颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到人造光源和自然光源的颜色情感状态;
S22,通过模糊层次分析法,分析每一种家居的各个家居颜色情感特征信息分别对自身家居颜色情感状态影响的权重大小,进而得到每一种家居的颜色情感状态。
进一步的,所述步骤S3具体包括并行的步骤S31和步骤S32:
S31,根据人造光源和自然光源的颜色情感状态,采用模糊层次分析法,分析人造光源和自然光源对可见光源整体颜色情感状态影响的权重大小,进而得到可见光源整体的颜色情感状态,并将其映射到可见光源APA情感空间中;
S32,根据每一种家居个体的颜色情感状态,采用模糊层次分析法,分析每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并将其映射到家居整体颜色APA情感空间中。
进一步的,所述步骤S5具体包括:
利用模糊层次分析法分析家居整体的颜色情感状态和可见光源整体的颜色情感状态对家居氛围场识别结果影响的权重大小,进而得到最终的家居氛围场识别结果。
进一步的,还包括:
建立以模糊氛围场的三种属性为三维坐标轴的家居色彩氛围场模型,将得到的最终的家居氛围场识别结果显示于所述家居色彩氛围场模型中。
为了解决本发明的技术问题,还提供了一种家居环境下的基于视觉信息的氛围场识别系统,包括:
特征信息提取模块,用于从获取的家居环境下的视觉信息中提取出不同种类可见光源的颜色情感特征信息和多种不同种类的具有色彩属性的家居的颜色情感特征信息;
第一计算模块,用于通过模糊层次分析法,分析每一种类可见光源的颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种可见光源的颜色情感状态,以及每一种具有色彩属性的家居颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种具有色彩属性的家居的颜色情感状态;
第二计算模块,用于通过模糊层次分析法,分析计算每一类可见光源的颜色情感状态对可见光源颜色整体情感状态影响的权重大小,进而得到可见光源颜色整体情感状态,并将其映射到可见光源整体颜色APA情感空间模型中以及每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并将其映射到家居整体颜色APA情感空间模型中;
第三计算模块,用于根据可见光源整体的颜色情感状态和家居整体的颜色情感状态,采用模糊层次分析法,并结合专家规则得到最终的家居色彩氛围识别结果。
在上述技术方案的基础上,本发明还可以作如下改进。
进一步的,还包括:
降维处理模块,用于对提取的每一类可见光源颜色情感特征信息和每一种家居的家居颜色情感特征信息分别进行PCA降维处理,得到每一类可见光源的颜色情感特征信息以及每一种家居最终的的家居颜色情感特征信息。
进一步的,还包括:
氛围场模型建立模块,用于建立以模糊氛围场的三种属性为三维坐标轴的家居色彩氛围场模型,将得到的最终的家居氛围场识别结果显示于所述家居色彩氛围场模型中。
附图说明
图1为实施例1的一种家居环境下的基于视觉信息的氛围场识别方法流程图;
图2为实施例2的一种家居环境下的基于视觉信息的氛围场识别方法流程图;
图3为采用模糊层次分析法建立的层次结构图;
图4为实施例3的一种家居环境下的基于视觉信息的氛围场识别系统连接框图示意图;
图5为实施例4的一种家居环境下的基于视觉信息的氛围场识别系统连接框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
参见图1,为实施例1提供的一种家居环境下的基于视觉信息的氛围场识别方法,包括:
S1,从获取的家居环境下的视觉信息中提取出不同种类的可见光源的颜色情感特征信息和多种不同种类的具有色彩属性的家居的颜色情感特征信息;
S2,通过模糊层次分析法,分析计算每一类可见光源的颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种可见光源的颜色情感状态,以及每一种具有色彩属性的家居颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种具有色彩属性的家居的颜色情感状态;
S3,通过模糊层次分析法,分析计算每一类可见光源的颜色情感状态对可见光源颜色整体情感状态影响的权重大小,进而得到可见光源颜色整体情感状态,以及每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并将两种情感状态映射到相应的APA情感空间模型中;
S4,采用模糊层次分析法,确定可见光源整体颜色情感状态和家居整体颜色情感状态对于形成氛围场的权重大小,最终实现家居环境下的氛围场识别。
可以理解为,首先,在家居环境下,拍摄视觉信息,并从视觉信息中提取出人造光和自然光的颜色特征信息以及家居环境下具有色彩属性的多种家居颜色情感特征信息,比如,从视觉信息中提取出背景墙、布艺、装饰物(地板、盆栽等),其中,可见光源的颜色情感特征信息包括人造光源的颜色情感特征信息和自然光源的颜色情感特征信息,人造光源在此实施例中指室内灯光;家居颜色情感特征信息包括背景墙的颜色情感特征信息、布艺的颜色情感特征信息和装饰物的颜色情感特征信息。
然后,根据光的颜色特征信息和多种具有色彩属性的家居的各个颜色特征信息,采用模糊层次分析法分别得出每一类可见光源的颜色情感状态和每一种家居个体的颜色情感状态。随后,同样的,根据人造光源、自然光源的颜色情感状态以及每一种家居,比如,背景墙、布艺、装饰物等家居个体的颜色情感状态,采用模糊层次分析法计算得到组合后的可见光源整体颜色情感状态和家居整体的颜色情感状态,并将两种情感状态映射到相应的APA情感空间模型中。最后,根据可见光源整体颜色情感状态和家居整体的颜色情感状态,采用专家规则和模糊层次分析法分析得到最终的家居色彩氛围识别结果。
参见图2,为实施例2的一种家居环境下的基于视觉信息的氛围场识别方法,包括:
S1’,从家居环境下的视觉信息中提取出灯光和自然光源颜色情感特征信息以及背景墙、布艺和装饰物的颜色情感特征信息;
S2’,对提取的灯光和自然光源的颜色情感特征信息以及背景墙、布艺、装饰物的颜色情感特征信息分别进行PCA降维处理,得到最终的人造光源、自然光源颜色情感特征信息和背景墙、布艺、装饰物的颜色情感特征信息;
S3’,通过模糊层次分析法动态计算灯光和自然光源的颜色情感特征信息对自身颜色情感状态影响的权重大小,以及背景墙、布艺、装饰物等家居个体颜色情感特征信息对自身颜色情感状态影响的权重大小;
S4’,通过模糊层次分析法,计算灯光、自然光源的颜色情感状态对光颜色整体情感状态影响的权重大小以及背景墙、布艺、装饰物等家居个体影响家居整体颜色情感状态的权重大小;并将两种情感状态其映射到相应的APA情感空间模型中;
S5’,利用模糊层次分析法分析可见光源整体颜色情感状态和家居整体颜色情感状态对家居氛围场识别结果影响的权重大小,得到最终的家居氛围场识别结果;
S6’,建立以模糊氛围场的三种属性为三维坐标轴的家居色彩氛围场模型,将最终的氛围场识别结果与氛围场三维坐标模型对应起来,并进行图形可视化显示。
具体可以理解为,在家居环境下的视觉信息中提取出多种不同种类的具有色彩属性的家居的颜色情感特征信息,比如,本实施例中主要提取出灯光源和自然光源在内的光的颜色特征信息,还需要从家居环境下的视觉信息中提取出包括背景墙、布艺、装饰物(包括地板、盆栽等)的颜色情感特征信息,这几种家居基本上能够反映出主人的喜好。对于从视觉信息中提取出来的多种不同种类的家居的颜色情感特征信息和可见光源的颜色情感特征信息,其中必然存在噪声,因此,需要对进行去噪处理。因此,对提取的每一种家居的家居颜色情感特征信息和每一类可见光源的颜色情感特征信息分别进行PCA降维去噪处理,得到降维去噪处理后的每一种家居的颜色情感特征信息和每一类可见光源的颜色情感特征信息。
其中,可以参见图3,对于每一种家居,均有多种不同的颜色情感特征信息,比如,对于背景墙来说,其颜色情感特征信息有色相、饱和度、明度、面积、形状和材质等。采用模糊层次分析法动态计算每一种家居的各个颜色情感特征信息对自身家居颜色情感状态影响的权重大小,进而,得到每一种家居的颜色情感状态,比如,计算出背景墙、布艺和装饰物的颜色情感状态。采用同样的模糊层次分析方法,计算出灯光和自然光源的颜色情感状态。
其中,灯光和自然光源的颜色情感状态是可见光源整体颜色情感状态的影响因素,因此,对于计算出的灯光和自然光源的颜色情感状态,采用模糊层次分析法计算灯光和自然光源对光颜色情感状态影响的权重大小,结合专家规则得到可见光源颜色情感状态。同样的,背景墙、布艺和装饰物的家居个体颜色情感状态是家居整体颜色情感状态的影响因素,因此,通过模糊层次分析法,计算背景墙、布艺、装饰物等家居个体影响家居颜色整体情感状态的权重大小;进而结合专家规则得到整体的家居颜色情感状态。其中,所谓的专家规则,即是采用统计的方法来调查每一种颜色对应的情感状态,比如,通过纸质问卷调查,调查出大部分人认为红色代表喜悦、开心,那么认为红色对应的情感状态为高兴。
当计算出可见光源颜色情感状态和家居颜色情感状态后,将两种情感状态映射到相应的APA情感空间模型中,再次利用模糊层次分析法动态分析可见光源颜色情感状态和家居颜色情感状态对家居氛围场识别结果影响的权重大小,进而得到最终的家居氛围场识别结果。
需要说明的是,当灯光为白光源或者自然光的时候,室内家居的颜色情感状态是影响家居色彩氛围场的主要因素,可见光源的作用影响甚微,可以认为可见光源颜色情感状态对家居氛围场识别结果影响的权重几乎为零;当灯光为有色光源且没有自然光的时候,有色光源的情感状态是影响家居色彩氛围场的主要因素,家居的颜色情感状态可能影响甚微,可以认为家居颜色情感状态对家居氛围场识别结果影响的权重几乎为零。
另外,在识别家居色彩氛围场的过程中,建立以模糊氛围场的三种属性为三维坐标轴的家居色彩氛围场模型,将最终的家居氛围识别结果与氛围场三维坐标模型对应起来,并进行图形可视化显示。本实施例中,APA情感空间模型的三种属性具体指“Affinity”、“Pleasure-Displeasure”和“Sleep-Arousal”。模糊氛围场的三种属性具体指“Friendly-Hostil”、“Lively-Calm”和“Casual-Formal”将这三种属性作为三个坐标轴,将实时计算得到的最终的家居氛围场识别结果与氛围场三维坐标模型对应起来,并进行图形可视化显示,即采用幅度、形状等计算机图形元素来表示氛围场状态的每一个属性,即每一个坐标轴,更加生动和形象地描述家居氛围场的变化。
需要说明的是,上述利用模糊层次分析法计算每一个因素对上一级识别结果的影响权重大小的具体过程为:由于家居色彩氛围场的决策需要考虑很多因素,所以将其影响因素分层得到模糊层次分析模块结构图,可参见图3的模糊层次分析模块结构图。采用0.1-0.9标度法,建立优先关系矩阵F=(fij)m×m,其中s(i)和s(j)分别表示指标fi和fj的相对重要性程度,其中fi和fj表示影响因素,采用的标度法可参见下表1所示:
表1
若矩阵R=(rij)m×m满足rij=rik-rjk+0.5,则该矩阵称为模糊一致矩阵。将上
可参见图3,背景墙表示为C1,布艺表示为C2、装饰物表示为C3,室内灯光表示为C4,自然光表示为C5,装饰物的色相表示为D1,饱和度表示为D2,明度表示为D3,面积表示为D4。
现以装饰物颜色下的4个特征因素为例说明模糊层次分析法确定权重的应用:建立C3-D优先关系矩阵F,见下表2。
表2
定义:若矩阵R=(rij)m×m满足rij=rik-rjk+0.5,则称为模糊一致矩阵,其中,m为矩阵行列数。将优先关系矩阵F改造成模糊一致矩阵R,即先对F按行求和,记为:然后做行变换:rij=(ri-rj)/2m+0.5,即可得到优先关系矩阵F改造后的模糊一致矩阵R。
根据模糊一致矩阵R计算每一个特征因素对装饰物颜色识别结果影响的权重:其中a≥(m-1)/2,a越小表示决策者越重视指标间重要程度的差异,a越大表示决策者不是很重视指标间重要程度的差异,本实施例取a=(m-1)/2。即可分别求得4个特征因素对装饰物颜色识别结果影响的权重大小(W1,W2,W3,W4)=(0.30,0.250,0.233,0.217)。
同理建立C1-D,C2-D优先关系矩阵,可以求出不同特征因素分别对布艺、背景墙颜色识别结果影响的权重大小,以及建立C4-D,C5-D优先关系矩阵可以求出不同特征因素对灯光颜色情感状态和自然光颜色情感状态影响的权重大小。
参见图4,为实施例3的一种家居环境下的基于视觉信息的氛围场识别系统,
特征信息提取模块41,用于从获取的家居环境下的视觉信息中提取出不同种类可见光源的颜色情感特征信息和多种不同种类的具有色彩属性的家居的颜色情感特征信息;
第一计算模块42,用于通过模糊层次分析法,分析每一种类可见光源的颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种可见光源的颜色情感状态,以及每一种具有色彩属性的家居颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种具有色彩属性的家居的颜色情感状态;
第二计算模块43,用于通过模糊层次分析法,分析计算每一类可见光源的颜色情感状态对可见光源颜色整体情感状态影响的权重大小,进而得到可见光源颜色整体情感状态,以及每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并将两种情感状态映射到相应的APA情感空间模型中;
第三计算模块44,用于根据家居整体的颜色情感状态和可见光源整体的颜色情感状态,采用模糊层次分析法,并结合专家规则得到最终的家居色彩氛围识别结果。
参见图5,为实施例4的一种家居环境下的视觉信息的氛围场识别系统,包括特征信息提取模块41、降维处理模块45、第一计算模块42、第二计算模块43、第三计算模块44和氛围场模型建立模块46。
本实施例的一种家居环境下的视觉信息的氛围场识别模块相比于上述
实施例3,在特征信息提取模块41与第一计算模块42之间增加了降维处理模块45,降维处理模块45,用于对特征信息提取模块41提取的每一类光的颜色情感特征信息和每一种家居的家居颜色情感特征信息分别进行PCA降维处理,即进行降维去噪处理,消除由于噪声对情感状态的影响,得到去噪后的每一类光的颜色特征信息和每一种家居的颜色特征信息。
另外,在第三计算模块44之后还包括氛围场模型计算模块46,用于建立以模糊氛围场的三种属性为三维坐标轴的家居色彩氛围场模型,将第三计算模块44计算得到的最终的家居氛围场识别结果与氛围场三维坐标模型对应起来,并进行图形可视化显示。本实施例将最终的家居氛围场识别进行图形可视化显示。能够更加生动和形象地描述氛围场的变化。
本发明提供的一种家居环境下的基于视觉信息的氛围场识别方法,建立家居色彩氛围场模糊层次分析结构图,采用模糊层次分析法,分析了家居色彩氛围场的影响因素,并结合专家规则,通过分析处理家居色彩氛围场模糊层次结构图,能够准确地得出实时的家居色彩氛围状态,提高家居环境下的氛围场识别的准确性和可靠性。而且结合图形心理学知识,采用形状、幅度等计算机图形元素来表示氛围场状态的每一个属性,更加生动和形象地描述家居环境下氛围场的变化,为家居环境中氛围的调节提供了依据。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种家居环境下的基于视觉信息的氛围场识别方法,其特征在于,包括以下步骤:
S1,从获取的家居环境下的视觉信息中提取出不同种类可见光源的颜色情感特征信息和多种不同种类的具有色彩属性的家居的颜色情感特征信息;
S2,通过模糊层次分析法,分析计算每一类可见光源的颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种可见光源的颜色情感状态,以及每一种具有色彩属性的家居颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种具有色彩属性的家居的颜色情感状态;
S3,通过模糊层次分析法,分析每一类可见光源的颜色情感状态对可见光源整体颜色情感状态影响的权重大小,进而得到可见光源整体的颜色情感状态,并采用可见光源整体的颜色APA情感空间模型进行描述;以及每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并采用家居整体的颜色APA情感空间模型进行描述;
S4,采用模糊层次分析法,确定可见光源整体的颜色情感状态和家居整体的颜色情感状态对于形成氛围场的权重大小,最终实现家居环境下的的氛围场的识别。
2.如权利要求1所述的家居环境下的基于视觉信息的氛围场识别方法,其特征在于,所述步骤S1与步骤S2之间还包括:
对提取的每一类可见光源颜色情感特征信息和每一种家居的家居颜色情感特征信息分别进行PCA降维处理,得到每一类可见光源的颜色情感特征信息以及每一种家居最终的家居颜色情感特征信息。
3.如权利要求2所述的家居环境下的基于视觉信息的氛围场识别方法,其特征在于,所述步骤S2具体包括并行的步骤S21和步骤S22:
S21,利用模糊层次分析法分别动态计算人造光源和自然光源的各个颜色情感特征信息对自身颜色情感状态影响的权重大小,进而分别计算出人造光源和自然光源的颜色情感状态;
S22,通过模糊层次分析法,分析每一种家居的各个家居颜色情感特征信息分别对自身家居颜色情感状态影响的权重大小,进而计算出每一种家居的颜色情感状态。
4.如权利要求3所述的家居环境下的基于视觉信息的氛围场识别方法,其特征在于,所述步骤S3具体包括并行的步骤S31和步骤S32:
S31,根据人造光源和自然光源的颜色情感状态,采用模糊层次分析法,分析人造光源和自然光源对光颜色情感状态影响的权重大小,进而得到可见光源整体的颜色情感状态,并采用可见光源整体的颜色APA情感空间进行描述;
S32,根据每一种家居个体的颜色情感状态,采用模糊层次分析法,分析每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并采用家居整体的颜色APA情感空间进行描述。
5.如权利要求4所述的家居环境下的基于视觉信息的氛围场识别方法,其特征在于,所述步骤S3中的颜色APA情感空间模型的三维坐标为“Affinity”、“Pleasure-Displeasure”、“Sleep-Arousal”,其中三个坐标轴的范围都是-1到+1,“Affinity”有Positive(P)、Neutral(NT)和Negative(N)三个标度;“Pleasure-Displeasure”有High Pleasure(HP)、Low Pleasure(LP)、Neutral(NT)、Low Displeasure(LD)和High Displeasure(HD)五个标度;“Sleep-Arousal”有High Arousal(HA)、Low Arousal(LA)、Neutral(NT)、Low Sleep(LS)和High Sleep(HS)五个标度。
6.如权利要求1-5任一项所述的家居环境下的基于视觉信息的氛围场识别方法,其特征在于,所述步骤S4之后还包括:
建立以模糊氛围场的三种属性为三维坐标轴的家居色彩氛围场模型,所述模糊氛围场的三种属性为“Friendly-Hostil”、“Lively-Calm”和“Casual-Formal”;其中三个坐标轴的范围都是-1到+1,“Friendly-Hostil”有Extremely Friendly(EFR)、Very Friendly(VFR)、Friendly(FR)、Neutral(NT)、Hostile(H)、Very Hostile(VH)和ExtremelyHostile(EH)七个标度;“Lively-Calm”有Extremely Lively(EL)、Very Lively(VL)、Lively(L)、Neutral(NT)、Calm(C)、Very Calm(VC)和Extremely Calm(EC)七个标度;“Casual-Formal”有Extremely Casual(ECA)、Very Casual(VCA)、Casual(CA)、Neutral(NT)、Formal(F)、VeryFormal(VF)和Extremely Formal(EF)七个标度,将得到的最终的家居氛围场识别结果显示于所述家居色彩氛围场模型中。
7.一种家居环境下的基于视觉信息的氛围场识别系统,其特征在于,包括:
特征信息提取模块,用于从获取的家居环境下的视觉信息中提取出多种不同种类的具有色彩属性的家居的颜色情感特征信息和不同种类可见光源的颜色情感特征信息;
第一计算模块,用于通过模糊层次分析法,分析每一种类可见光源的颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种可见光源的颜色情感状态,以及每一种具有色彩属性的家居颜色情感特征信息对自身颜色情感状态影响的权重大小,进而得到每一种具有色彩属性的家居的颜色情感状态;
第二计算模块,用于通过模糊层次分析法,分析计算每一类可见光源的颜色情感状态对可见光源颜色整体的情感状态影响的权重大小,进而得到可见光源整体的颜色情感状态,并采用可见光源整体的颜色APA情感空间进行描述,以及每一种家居个体的颜色情感状态对家居整体的颜色情感状态影响的权重大小,进而得到家居整体的颜色情感状态,并采用家居整体的颜色APA情感空间进行描述;
第三计算模块,用于根据可见光源整体的颜色情感状态和家居整体的颜色情感状态,采用模糊层次分析法,并结合专家规则得到最终的家居色彩氛围识别结果。
8.如权利要求7所述的家居环境下的基于视觉信息的氛围场识别系统,其特征在于,还包括:
降维处理模块,用于对提取的每一类可见光源颜色情感特征信息和每一种家居的家居颜色情感特征信息分别进行PCA降维处理,得到每一类可见光源的颜色情感特征信息以及每一种家居最终的的家居颜色情感特征信息。
9.如权利要求8所述的家居环境下的基于视觉信息的氛围场识别系统,其特征在于,还包括:
氛围场模型建立模块,用于建立以模糊氛围场的三种属性为三维坐标轴的家居色彩氛围场模型,将得到的最终的家居氛围场识别结果显示于所述家居色彩氛围场模型中。
10.如权利要求9所述的家居环境下的基于视觉信息的氛围场识别系统,其特征在于,采用模糊层次分析的方法构造APA情感空间模型和家居色彩氛围场模型,采用专家规则来实现APA情感空间到氛围场模型的映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710039410.0A CN106874939B (zh) | 2017-01-18 | 2017-01-18 | 家居环境下的基于视觉信息的氛围场识别方法及识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710039410.0A CN106874939B (zh) | 2017-01-18 | 2017-01-18 | 家居环境下的基于视觉信息的氛围场识别方法及识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106874939A CN106874939A (zh) | 2017-06-20 |
CN106874939B true CN106874939B (zh) | 2020-05-19 |
Family
ID=59157798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710039410.0A Active CN106874939B (zh) | 2017-01-18 | 2017-01-18 | 家居环境下的基于视觉信息的氛围场识别方法及识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106874939B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109152166B (zh) * | 2018-07-31 | 2020-05-22 | 中国地质大学(武汉) | 一种基于灯光控制的家居氛围场调节方法 |
CN114312816A (zh) * | 2022-01-04 | 2022-04-12 | 大陆投资(中国)有限公司 | 用于移动出行工具的人机交互方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593273A (zh) * | 2009-08-13 | 2009-12-02 | 北京邮电大学 | 一种基于模糊综合评价的视频情感内容识别方法 |
CN101937678A (zh) * | 2010-07-19 | 2011-01-05 | 东南大学 | 一种针对烦躁情绪的可据判的自动语音情感识别方法 |
CN105743750A (zh) * | 2016-03-23 | 2016-07-06 | 北京绿源普惠科技有限公司 | 一种智能家居实现自适应感知的方法 |
CN105785780A (zh) * | 2016-03-23 | 2016-07-20 | 北京绿源普惠科技有限公司 | 智能家居低碳环保的实现方法 |
-
2017
- 2017-01-18 CN CN201710039410.0A patent/CN106874939B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593273A (zh) * | 2009-08-13 | 2009-12-02 | 北京邮电大学 | 一种基于模糊综合评价的视频情感内容识别方法 |
CN101937678A (zh) * | 2010-07-19 | 2011-01-05 | 东南大学 | 一种针对烦躁情绪的可据判的自动语音情感识别方法 |
CN105743750A (zh) * | 2016-03-23 | 2016-07-06 | 北京绿源普惠科技有限公司 | 一种智能家居实现自适应感知的方法 |
CN105785780A (zh) * | 2016-03-23 | 2016-07-20 | 北京绿源普惠科技有限公司 | 智能家居低碳环保的实现方法 |
Non-Patent Citations (3)
Title |
---|
Zhen-Tao Liu 等.Emotional States Based 3-D Fuzzy Atmosfield for Casual Communication between Humans and Robots.《2011 IEEE International Conference on Fuzzy Systems》.2011,777-782. * |
李娉婷.基于颜色特征的家居设计图像情感语义分类.《中国优秀硕士学位论文全文数据库》.2012,(第4期),I138-1896. * |
林新棋.基于改进模糊综合评价的电影情感分类.《计算机科学》.2014,第41卷(第2期),161-165,196. * |
Also Published As
Publication number | Publication date |
---|---|
CN106874939A (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fleming | Material perception | |
Albertazzi | Handbook of experimental phenomenology: Visual perception of shape, space and appearance | |
Sutherland et al. | Social inferences from faces: Ambient images generate a three-dimensional model | |
Everts et al. | Practice matters! Geographical inquiry and theories of practice | |
CN109789550A (zh) | 基于小说或表演中的先前角色描绘的社交机器人的控制 | |
CN109887095A (zh) | 一种情绪刺激虚拟现实场景自动生成系统及方法 | |
Chen et al. | Reverse engineering psychologically valid facial expressions of emotion into social robots | |
Llinares et al. | Human factors in computer simulations of urban environment. Differences between architects and non-architects’ assessments | |
CN106874939B (zh) | 家居环境下的基于视觉信息的氛围场识别方法及识别系统 | |
McNamara et al. | Perception in graphics, visualization, virtual environments and animation | |
Zhang et al. | Prediction of human restorative experience for human-centered residential architecture design: a non-immersive VR–DOE-based machine learning method | |
Zhou et al. | Multimodal optimisation design of product forms based on aesthetic evaluation | |
Wise et al. | Fractal design strategies for enhancement of knowledge work environments | |
JP7306152B2 (ja) | 感情推定装置、感情推定方法、プログラム、情報提示装置、情報提示方法及び感情推定システム | |
CN106845391B (zh) | 一种家居环境下的氛围场识别方法及识别系统 | |
Locher | Empirical investigation of the elements of composition in paintings: Paintings as stimuli | |
Trombin | Working with fractals: a resource for practitioners of biophilic design | |
Pedroni | Industrialized inspiration: reassessing the osmosis between fashion and art through the work of trend forecasters | |
Liu | Application and research of computer aided technology in clothing design driven by emotional elements | |
JP2018036853A (ja) | 明かりの印象評価方法 | |
Khalili et al. | Effect of lights and colors on the environmental perception and legibility using augmented reality technology | |
Tateosian | Characterizing aesthetic visualizations | |
JP2020197844A (ja) | 顔画像判定システム | |
Macruz et al. | Designing for well-Being: Using facial micro-expression analysis and EEG biosensor to evaluate human responses to 2D biophilically-driven geometries | |
Gatzidis et al. | Recent advances in the user evaluation methods and studies of non-photorealistic visualization and rendering techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |