随着计算机、自动化技术的进步，机器人及相关技术的发展也越来越快。在众多机器人种类中，由于智能移动机器人同时具有智能和移动两方面功能，因此备受人们的关注。既能够模仿人类的行进，在高危环境中作业，又可以代替人类的大脑，进行快速计算，决策，同时通过机器学习还可以得到充分的仿人功能。然而，这一切仅仅是模仿了人类的一部份，而人类最具特色的方面——情感，却是机器人所缺乏的。 情感计算理论是由美国MIT大学媒体实验室Picard教授于1997年提出的。它以人类情绪和情感理论为基础，以情感机理、情感信息的获取、情感模式识别、情感建模与理解、情感合成与表达、情感传递与交流等为研究内容，以赋予计算机类似于人的情感能力为最终目标。 人类的情感大多数是通过面部表情表现的，因此人脸检测就成为了关键。本文是在天津市重点科技攻关项目(04310731R)——“和谐人机交互系统中情感计算的理论与技术”的研究背景下，探索性地设计并提出了一个基于智能移动机器人的情感交互模型，并在此模型的基础上设计实现了人脸检测系统RACFD(Robot-Affective Comptlting-FaceDetection)，同时在智能移动机器人MT-R上进行实验。 本文作者在比较了多种人脸检测方法后，决定运用支持向量机(SVM)进行人脸检测，SVM是在统计学习理论的基础上发展起来的一种新的学习机器，由于采用了结构风险最小化原则代替经验风险最小化原则，该方法较好的解决了小样本学习的问题：将低维的原始空间映射到高维的特征空间，把非线性问题转化为了线性问题，同时又采用了核函数的方法，巧妙的避开了高维空间的复杂运算，使算法的实现成为可能。正是因为这些优越性能，该技术已成为机器学习理论的研究热点，并在很多领域都得到了成功的应用。 本文作者设计的RACFD系统实现的人脸检测分两个部分： 1．运用肤色进行粗检，这主要通过光线补偿、肤色建模、确定人脸区域几部分组成。 2．通过训练支持向量机(SVM)进行人脸检测，包括：人脸和非人脸样本的选取、图像预处理(归一化、光照校正、直方图均衡)、基于奇异值分解的K-L变换特征提取、图像金字塔序列和窗口融合、SVM的核函数选择训练和检测、对于错检部份的系统再学习。 经过实验，整个人脸检测系统模块达到了很好的效果，并运用在智能移动机器人上，能够驱动机器人做出相应的反应，为弥补机器人的情感缺失及实现和谐人机交互做了一些有成效的工作。