该书与国家级虚拟仿真实验一流课程"面向人工智能技术的视听感知控制机器人虚拟仿真实验技术开发”相配套，介绍了人工智能的开发技术和虚实结合控制机器人技术，内容包括虚拟人手语翻译动画制作技术、基于无线通讯的实体机器人手语控制技术、基于深度学习CNN模型的汉字识别、基于深度学习CNN模型的语音识别、基于深度学习Faster R-CNN模型的手势识别、 中文文本分词模块设计与实现、基于WEB的虚拟人手语翻译动画演示技术、基于WEB的汉字识别控制机器人手语翻译、基于WEB的语音识别控制机器人手语翻译等技术。

杨淑莹，博士，天津理工大学计算机科学与工程学院教授，硕士研究生导师，天津市“教学名师”，中国图像图形学学会第五届理事会学术委员会委员。多年来在图像、语音、时间序列等方面进行模式识别相关工作的深入研究，涉及模式识别，数字图像处理、信号与信息处理、智能计算等领域。承担并完成国家级、市级自然科学基金项目多项，获得天津市科学技术进步奖2项，发表论文50多篇；撰写专著6部。现任国家级精品课、国家级精品资源共享课负责人；主编教材获得国家级“十一五”规划教材和国家级“十二五”规划教材；获得市级教学成果奖3项。

目 录
第1章 概述（1）
1.1 智能机器人简介（1）
1.2 在Web环境下控制实体机器人的优势（3）
1.3 在Web环境下控制虚拟机器人的优势（3）
1.4 人工智能关键技术（4）
1.5 机器人视觉技术（5）
1.6 智能机器人的语音交互技术（7）
1.7 手语翻译机器人（9）
1.8 人工智能与机器人（10）
第2章 智能机器人手语翻译系统设计（13）
2.1 系统功能（13）
2.2 系统设计（13）
2.3 手语翻译控制模块设计（15）
2.3.1 虚拟机器人制作模块（15）
2.3.2 实体机器人搭建模块（16）
2.3.3 人工智能识别模块（16）
2.4 系统开发环境介绍（17）
第3章 虚拟机器人制作技术（19）
3.1 Maya介绍（19）
3.2 虚拟机器人动画制作流程（20）
3.3 HumanIK骨骼绑定（24）
3.4 蒙皮（26）
3.5 关键帧动画制作（27）
3.5.1 关键帧（27）
3.5.2 插入关键帧（28）
3.5.3 使用Babylon.js插件导出glb文件（28）
3.6 虚拟机器人动画制作（31）
3.6.1 添加骨骼（31）
3.6.2 绘制蒙皮权重（32）
3.6.3 动画制作与导出（33）
3.7 常用手语动作库（39）
第4章 实体机器人控制技术（41）
4.1 舵机（41）
4.2 STM32开发板（42）
4.3 实体机器人手臂舵机控制（45）
4.3.1 5自由度机械臂（45）
4.3.2 机械臂动作编码（46）
4.4 实体机器人手指舵机控制（47）
4.4.1 5自由度机械手（47）
4.4.2 机械手动作编码（48）
4.5 实体机器人头部舵机控制（49）
4.6 实体机器人移动体舵机控制（52）
4.7 ZigBee无线通信控制（59）
4.7.1 ZigBee无线通信模块（59）
4.7.2 基于ZigBee无线通信控制实体机器人手臂（61）
4.7.3 基于ZigBee无线通信控制实体机器人手指（63）
4.8 HC-12无线通信控制（65）
4.8.1 HC-12无线通信模块（65）
4.8.2 基于HC-12无线通信控制实体机器人手臂（69）
4.8.3 基于HC-12无线通信控制实体机器人手指（71）
4.9 一对四无线通信控制（72）
4.9.1 一对四无线通信设计（72）
4.9.2 实体机器人手语动作库（73）
4.9.3 基于STM32的机械臂动作编码提取（76）
4.9.4 基于STM32的机械手动作编码提取（78）
4.9.5 基于ZigBee的一对四无线通信（79）
4.9.6 基于HC-12的一对四无线通信（80）
第5章 基于深度学习模型CNN的汉字识别（82）
5.1 深度学习技术概述（82）
5.2 CNN基本概念（83）
5.3 汉字识别系统设计（87）
5.4 汉字图像预处理（89）
5.5 投影与分割（90）
5.6 构建汉字识别模型（93）
5.6.1 构建CNN（94）
5.6.2 模型训练（95）
5.7 汉字识别模型检验（97）
第6章 基于深度学习模型CNN的语音识别（102）
6.1 语音识别系统设计（102）
6.2 语音信号预处理及特征提取（103）
6.2.1 语音信号预处理（103）
6.2.2 MFCC特征提取（105）
6.3 构建语音识别模型（107）
6.3.1 构建CNN（107）
6.3.2 模型训练（110）
6.4 语音识别模型检验（111）
第7章 基于深度学习模型Faster R-CNN的手势识别（116）
7.1 R-CNN目标检测与识别模型（116）
7.2 边框回归原理（119）
7.3 Faster R-CNN目标检测与识别模型（121）
7.3.1 Faster R-CNN的框架结构（121）
7.3.2 基于RPN的目标检测（122）
7.3.3 基于RoI池化和分类技术的目标识别（125）
7.4 手势识别系统设计（126）
7.5 构建手势识别模型（129）
7.5.1 构建Faster R-CNN（129）
7.5.2 模型训练（132）
7.6 手势识别模型检验（136）
第8章 基于Web的虚拟机器人控制技术（139）
8.1 Web开发关键技术（139）
8.2 前后端信息交互编程基础（140）
8.2.1 前端页面设计（140）
8.2.2 基于AJAX的前后端交互基础（141）
8.2.3 前后端发送字符串（148）
8.2.4 前后端发送JSON数据（149）
8.2.5 前后端收发JSON字符串（151）
8.3 图片上传技术（152）
8.4 视频上传技术（158）
8.5 语音上传技术（162）
8.6 Web环境下的虚拟机器人动画演示技术（165）
8.7 基于Flask的视觉感知控制虚拟机器人（169）
8.8 基于Flask的听觉感知控制虚拟机器人（172）
第9章 机器人智能应答关键技术（176）
9.1 智能应答技术概述（176）
9.2 构建问答数据集（178）
9.3 jieba分词（179）
9.3.1 jieba分词简介（179）
9.3.2 jieba分词实现方法（181）
9.3.3 虚拟机器人分词动作演示（183）
9.4 基于余弦相似度的短文本计算（185）
9.4.1 余弦相似度算法的基本原理（185）
9.4.2 余弦相似度计算（185）
9.4.3 Word2Vec+余弦相似度计算（189）
9.4.4 TF-IDF+余弦相似度计算（190）
9.5 基于SimHash算法的长文本相似度计算（192）
9.5.1 SimHash算法原理（192）
9.5.2 SimHash相似度计算（196）
9.6 基于Levenshtein距离的文本相似度计算（199）
9.7 相似度算法比较（203）
第10章 基于Web的汉字控制机器人（205）
10.1 Web交互功能设计（205）
10.2 前端用户选择汉字图像（206）
10.3 将汉字图像传递到后端（207）
10.4 后端通过CNN实现汉字识别（207）
10.5 将识别结果返回前端展示（209）
10.6 通过数据库查询手语动作编码（212）
10.7 Web串口通信技术（215）
10.8 虚实结合智能控制机器人（222）
第11章 基于Web的语音控制机器人（225）
11.1 Web交互功能设计（225）
11.2 音频文件的前后端交互（228）
11.3 语音特征的前后端交互（230）
11.4 语音识别的前后端交互（233）
11.4.1 后端语音识别（233）
11.4.2 前端展示识别结果（233）
11.5 虚实结合语音控制机器人（234）
11.5.1 文本分词的前后端交互（234）
11.5.2 通过数据库查询手语动作编码（235）
11.5.3 Web串口通信（236）
11.5.4 语音控制虚拟与实体机器人（240）
参考文献（243）