在迎宾机器人执行日常接待任务时,需要对用户的面部情绪进行识别,并触发自身面部情绪的响应,以实现双向人机情感交互过程。所以本文从迎宾场景下用户情绪识别、迎宾机器人表情动作实现以及控制序列的平滑处理展开研究,主要内容如下:首先,针对迎宾环境中身高、体型、头部姿态各异的用户情绪识别准确度低的问题,提出一种基于六种基本情绪占比的情绪表征策略,提高了对任意面部情绪的表征能力;并针对仅基于表情形状模仿的交互方式无法体现机器人自身人格特征的现象,提出一种用户表情形状触发的机器人情绪状态生成策略,提高了机器人面部情绪响应的多样性;其次,按照面部表情编码理论(FACS)对迎宾机器人表情机构进行设计,并建立迎宾机器人表情位控模型;考虑到基于位置控制的机器人表情动作仅能做到形状相似,由于缺乏对机构的动力学分析导致表情表现力道不相似的问题,提出一种基于力矩-位置控制的表情实现模型,建立了驱动力矩与机器人表情动作之间的映射关系,优化了机器人表情的拟人程度;再次,鉴于迎宾现场高实时性的要求,针对用户快速切换表情的交互方式导致的机器人表情卡顿的问题,提出一种基于长短时记忆网络(LSTM)的电机控制预测模型,削减了实时性不足对机器人表情卡顿的影响;考虑到单位时间控制序列输出稀疏导致机器人表情生硬的问题,提出一种基于高斯曲线拟合的控制序列插补方法,改善了由与控制序列跳变导致的表情动作不平滑问题;最后,从表情动作的时空相似度以及电机控制序列的平滑度对机器人表情再现效果进行评价,并针对机械传动、定位误差等因素对表情再现相似度造成的影响,提出一种基于机器学习的控制序列偏差补偿算法,通过回归分析有效降低了机械模型的误差;在模拟的迎宾场景下对迎宾机器人进行整体的表情再现能力测试,并达到预期目标。