机器人在家居环境下执行服务任务时,需要根据发出服务请求指令的服务对象来选择其专属物品进行任务的推理和规划,即执行个性化服务。但当前家庭服务机器人智能化程度较低,任务执行能力不足,无法满足人们对于个性化服务的需求,如何针对特定服务对象进行服务任务的推理及规划成为提高服务机器人服务水平的重要问题。为了实现个性化服务,需要服务机器人获知到人穿携物品与人的归属关系,因此研究家居环境下人穿携物品与人的归属关系成为实现家居环境下机器人个性化服务的关键问题之一。人穿携物品的检测、定位、识别,机器人服务对象身份识别及物品归属关系的表示与学习等是实现机器人个性化服务需要解决的问题。针对机器人提供个性化服务的需求,设计人穿携物品归属关系自主学习框架。融合深度学习与人体姿态估计实现人穿携物品的检测定位,提出基于卷积神经网络的人穿携物品实例识别方法,结合迁移学习优化家居环境下人穿携物品检测识别,研究基于卷积神经网络的家居环境中的人身份识别,形成归属关系记忆矩阵,实现基于向量空间余弦相似度选择算法的穿携物品与人的归属关系绑定。家居环境中物品繁杂,环境复杂,传统的物品检测、定位与识别方法难以实现良好的效果,因此引入基于深度学习的物品检测与识别方案,并构建基于家居环境的物品检测与识别数据集实现方案优化。借助人体姿态估计对物品检测结果进行位置约束完成人穿携物品的定位,同时对难以检测的物品进行二次检测定位,有效地提高物品定位能力。构建类别-实例两级物品实例识别模型,运用图像显著性原理对人穿携物品进行前景提取,仅依靠物品的类别标签即可实现良好的识别效果。光照、姿态、表情等因素的变化对人脸识别具有显著影响,如何设计良好的特征提取算子来消除这些因素对人脸识别的影响一直是人脸识别领域的难点问题。因此,自主构建家居环境下多光照,多姿态的人脸检测识别数据集训练深度学习人脸检测识别模型构建良好的人脸特征提取算子,融入基于仿射变换的人脸姿态矫正方法进一步减小姿态变化对人脸识别的影响,有效地提高了人脸识别准确率。以人穿携物品检测定位与识别和机器人服务对象身份识别为基础,以归属关系记忆矩阵作为归属关系的载体,机器人通过多个学习周期的自主学习得到多个归属关系记忆矩阵,基于向量空间余弦相似度的选择算法完成归属关系记忆矩阵的选取,合理排除学习到的错误信息,完成人穿携物品归属关系的获取。本文提出的方法将机器人与人的服务需求紧密结合,深度学习的引入,使机器人获得了良好的物品辨识与服务对象身份识别能力,与迁移学习的结合,提高了机器人在家居环境下的适应性,归属关系的自主学习为机器人提供个性化服务提供了有效的支持。在实验室中模拟家居环境对论文所述方法进行实验验证,充分证明了方法的有效性,该工作对实现机器人个性化服务具有重要的理论与实用价值。