[發(fā)明專(zhuān)利]情感識(shí)別模型生成裝置及其生成情感識(shí)別模型的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210567969.8
• 申請(qǐng)日: 2012-12-24
• 公開(kāi)（公告）號(hào): CN103892792B
• 公開(kāi)（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 張慧玲;魏彥杰;彭豐斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類(lèi)號(hào): A61B5/00
• 分類(lèi)號(hào): A61B5/00
• 代理公司: 深圳市科進(jìn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)44316
• 代理人: 宋鷹武

技術(shù)領(lǐng)域

本發(fā)明涉及情感識(shí)別技術(shù)，尤其涉及情感識(shí)別模型生成裝置及其生成情感識(shí)別模型的方法。

背景技術(shù)

情感識(shí)別是賦予機(jī)器識(shí)別人類(lèi)情感能力的一種人機(jī)交互技術(shù)，現(xiàn)已逐漸成為人機(jī)交互領(lǐng)域的研究熱點(diǎn)。目前情感識(shí)別的研究領(lǐng)域包括基于面部表情的情感識(shí)別、基于語(yǔ)音信號(hào)的情感識(shí)別、基于文字的情感識(shí)別、基于肢體運(yùn)動(dòng)的情感識(shí)別和基于生理信號(hào)的情感識(shí)別。其中基于生理信號(hào)的情感識(shí)別最為可靠但卻也最為困難。

基于生理信號(hào)的情感識(shí)別系統(tǒng)中最為關(guān)鍵的一步就是如何從大量的原始特征集中挑選出數(shù)量有限的特征子集并將其映射到情感模型上。這一關(guān)鍵的步驟就是特征選擇，它不僅可以可以有效地去除冗余特征，降低模型訓(xùn)練時(shí)間，提高預(yù)測(cè)精度，還可以選出能夠代表某些特定情感的特征子集。

在申請(qǐng)?zhí)枮镃N200910150458.4的專(zhuān)利中，使用了語(yǔ)音信號(hào)進(jìn)行情感識(shí)別。較之語(yǔ)音信號(hào)，人體的生理信號(hào)更不易受到外界因素和人體主觀意識(shí)到控制，因此更加準(zhǔn)確，可靠。然而，在該專(zhuān)利中，情感的識(shí)別需要12個(gè)特征。

文獻(xiàn)“Using GA-based Feature Selecton for Emotion Recognition from Physiological Signals”使用多生理信號(hào)進(jìn)行情感識(shí)別，但是僅使用了來(lái)自28名被試的5種生理信號(hào)，以圖片為情感激發(fā)素材，特征選擇和情感分類(lèi)的方法為遺傳算法結(jié)合KNN分類(lèi)器，但情感的識(shí)別率低，對(duì)情感的最高識(shí)別率僅為78%。

發(fā)明內(nèi)容

有鑒于此，有必要提供一種情感識(shí)別模型生成裝置及其生成情感識(shí)別模型的方法，提高情感的識(shí)別率。

本發(fā)明提供的情感識(shí)別模型生成裝置，包括信號(hào)采集模塊、特征提取模塊、選擇模塊以及建立模塊，其中，信號(hào)采集模塊用于采集人體的多種生理信號(hào)；特征提取模塊用于提取每一種所述生理信號(hào)的6個(gè)時(shí)域特征，形成原始特征集，其中，所述6個(gè)時(shí)域特征為：生理信號(hào)的均值、生理信號(hào)的標(biāo)準(zhǔn)差、生理信號(hào)的一階差分絕對(duì)值的均值、標(biāo)準(zhǔn)化信號(hào)一階差分絕對(duì)值的均值、原始信號(hào)的二階差分絕對(duì)值的均值以及標(biāo)準(zhǔn)化信號(hào)二階差分絕對(duì)值；選擇模塊用于從所述原始特征集中選出最優(yōu)特征子集；建立模塊用于根據(jù)所述最優(yōu)特征子集建立情感識(shí)別模型。

本發(fā)明提供的生成情感識(shí)別模型的方法，包括以下步驟：采集人體的多種生理信號(hào)；提取每一種所述生理信號(hào)的6個(gè)時(shí)域特征，形成原始特征集，其中，所述6個(gè)時(shí)域特征為：生理信號(hào)的均值、生理信號(hào)的標(biāo)準(zhǔn)差、生理信號(hào)的一階差分絕對(duì)值的均值、標(biāo)準(zhǔn)化信號(hào)一階差分絕對(duì)值的均值、原始信號(hào)的二階差分絕對(duì)值的均值以及標(biāo)準(zhǔn)化信號(hào)二階差分絕對(duì)值；從所述原始特征集中選出最優(yōu)特征子集；根據(jù)所述最優(yōu)特征子集建立情感識(shí)別模型。

本發(fā)明提供的情感識(shí)別模型生成裝置及其生成情感識(shí)別模型的方法，通過(guò)從原始特征集中選出最優(yōu)特征子集，并根據(jù)最優(yōu)特征子集建立情感識(shí)別模型，利用本發(fā)明的情感識(shí)別模型，有效的提高了情感的識(shí)別率。

附圖說(shuō)明

圖1為本發(fā)明一實(shí)施方式中情感識(shí)別模型生成裝置的模塊圖；

圖2為本發(fā)明一實(shí)施方式利用情感識(shí)別模型生成裝置來(lái)生成情感識(shí)別模型的方法的流程圖；

圖3為圖2中步驟S30的具體步驟流程圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類(lèi)似的標(biāo)號(hào)表示相同或類(lèi)似的元件或具有相同或類(lèi)似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。

在本發(fā)明的描述中，術(shù)語(yǔ)“內(nèi)”、“外”、“縱向”、“橫向”、“上”、“下”、“頂”、“底”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明而不是要求本發(fā)明必須以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制。

請(qǐng)參閱圖1，圖1所示為本發(fā)明一實(shí)施方式中情感識(shí)別模型生成裝置10的模塊圖。

在本實(shí)施方式中，情感識(shí)別模型生成裝置10包括：信號(hào)采集模塊102、特征提取模塊104、選擇模塊106、建立模塊108、存儲(chǔ)器110以及處理器112。其中，信號(hào)采集模塊102、特征提取模塊104、選擇模塊106以及建立模塊108存儲(chǔ)在存儲(chǔ)器110中，處理器112用于執(zhí)行存儲(chǔ)在存儲(chǔ)器110中的功能模塊。

信號(hào)采集模塊102用于采集人體的多種生理信號(hào)。在本實(shí)施方式中，多種生理信號(hào)包括皮膚導(dǎo)電、心率、血容搏動(dòng)、腦電、呼吸以及面部肌電等生理信號(hào)。