图7-19显示了人机交互系统框图：圆角框图为本节所涉及内容。本节所述的主要研究目标是在和谐人机交互体系涉及的用户界面领域、实现带有情感的三维虚拟人系统、产生友好的人机界面、达到用户可以与具有情感的虚拟人进行初步的交互。首先，情感虚拟人系统需要有一个表现的载体，第一步要构建三维人脸模型，这涉及许多领域的知识，比如图像图形处理技术、三维建模技术、表情合成技术等。而要再赋予它以情感，又要进一步涉及情感计算、心理学、生理学及信息科学等领域的理论和方法。这是一项非常庞大和复杂的研究工作。

情感虚拟人系统的总体设计是根据以人为中心的原则，使用户界面设计更加友好、更利于用户的交流而进行的。人机交互中的人机对话涉及用户模型、用户知识等与心理学、社会学和艺术等更为广泛的领域，而传统方法则很少考虑这些。虽然针对这一领域目前人们已经发展很多理论，但尚无一种方法能适应用户界面设计中的各种情况，并且有很好的可用性。情感虚拟人系统总体设计致力于进行相关方面的研究和探讨。

早期用于人脸几何建模的技术大多为多边形建模技术，包括矩形网格和三角形网格，后来发展出了自适应网格。我们可以用自适应网格方法建立非均匀脸部网格（数据来自扫描图像），建立真实感的脸和头，输入动态控制参数产生动画。这种动态控制参数方法与图像分析方法相结合，为合成高度真实感人脸提供了一种可能，运用这种方法可以获得精细的脸部几何结构和纹理，合成各种脸部变形，实现自然的、完全可控的脸部动画。

真实感人脸就是指计算机合成的具有特定人的喜、怒、哀、乐等表情及脸部各种特征的人脸模型。人们总是希望合成的人脸能够尽可能地达到逼真，但是由于受模型和计算能力的限制，合成的图像总是与人们的要求有一定的差距。

初始的人脸模型不具有任何特定人的特征，也不具有任何表情。心理学研究表明：人脸能够产生大约55000种不同的表情，其中有多种能够用人类自然语言词汇区别开来。脸部表情的丰富性促使了多种表情记述方法的出现，其中常采用脸部表情编码系统（FACS）的Ekman Friesen中定义的动作单元来描述脸部表情，每一种表情都是由面部的一束或几束肌肉伸缩产生，同时每一表情可表示为若干个共同AU作用的结果。

本节将以Candide模型作为通用模型，对网格进行纹理贴图后，通过控制AU来控制人脸模型的面部表情，达到参数化控制的目的，进而可以精确合成多种表情。(www.daowen.com)

图7-19 人机交互系统框图

在理论建模方面，HMM比较适合于人类心理的特征描述，但是它有分类能力差、对于相似的类别方面不易区分的缺点，而贝叶斯网络（BBN）在决策能力和对不确定信息的描述能力是很强的。在人工智能领域，不确定性问题一直成为人们关注和研究的焦点。不确定性知识的推理长期以来一直被认为是AI领域中的一个重要研究问题，在现在提出的众多方法中，概率方法是迄今为止最为流行的方法，这主要归功于贝叶斯网络良好的知识表达框架。在一些领域中，借助贝叶斯网络人们能揭示和发现许多令人信服的概率依赖关系。贝叶斯网络为因果关系的表示提供了一个便利的框架，它是一个功能强大的能处理不确定性的工具。贝叶斯网络用图形模式描述变量集合间的条件独立性，而且容许将变量间依赖关系的先验知识和观察数据相结合。

贝叶斯网络是用来表示不确定性变量联合概率分布的图形模式，它反映了变量间潜在的依赖关系。使用贝叶斯网络建模已成为解决许多不确定性问题的强有力工具。本节将基于国内外最新的研究成果对贝叶斯网络模型进行深入的学习和研究。