[發(fā)明專利]基于多生理參數(shù)的緊張情緒強度識別系統(tǒng)及信息處理方法

在審

• 申請?zhí)枺?/td>: 201710218032.2
• 申請日: 2017-04-05
• 公開（公告）號: CN107007291A
• 公開（公告）日: 2017-08-04
• 發(fā)明（設(shè)計）人: 周鵬;魏晉文;孫暢;劉爽;崔歡歡;孫士松;王學(xué)民;許敏鵬;綦宏志;明東
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0476;A61B5/0484;A61B5/0402;A61B5/04;A61B5/08;A61B5/18
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司11315
• 代理人: 劉昕

技術(shù)領(lǐng)域

本發(fā)明屬于情緒識別領(lǐng)域，尤其涉及于應(yīng)用在特殊工作人群的基于多生理參數(shù)的緊張情緒強度識別系統(tǒng)及信息處理方法。

背景技術(shù)

情緒識別是心理學(xué)和工程學(xué)等領(lǐng)域的研究熱點，在人機交互、遠(yuǎn)程教育等方面具有廣闊的應(yīng)用前景，例如對某些特殊工作人群進行情緒檢測與識別，有利于及時避免特殊工作人群的精神狀態(tài)惡化；在人機交互過程中，對用戶情緒狀態(tài)的識別可有效地提升用戶體驗；在遠(yuǎn)程教育領(lǐng)域，實時的情緒識別有助于用戶學(xué)習(xí)效果的提高等。目前，情緒識別的方法主要有兩種：基于非生理信號(包括面部表情、語音或身體姿態(tài)等)的識別和基于生理信號(包括心電、腦電、呼吸和皮電等)的識別。

雖然情緒識別作為多個領(lǐng)域的研究熱點取得了許多成果，但是目前情緒識別的研究主要集中在對情緒類型的識別，例如對高興、恐懼、悲傷等進行識別，很少有對單一情緒類型，特別是對緊張情緒的不同強度進行識別。

在現(xiàn)實生活中，緊張情緒扮演著重要的角色，幾乎每個人都有考試、面試、演講過程中出現(xiàn)緊張情緒的經(jīng)歷，生活經(jīng)驗告訴我們，適度的緊張情緒可以集中注意力，提高任務(wù)的完成績效，過度的緊張不僅會帶來心跳急劇加速，手心冒汗等生理上的不良反應(yīng)，更會影響任務(wù)的完成和目標(biāo)的實現(xiàn)。在航天領(lǐng)域，航天員在執(zhí)行在軌任務(wù)時，由于心理壓力過大經(jīng)常會出現(xiàn)不同強度的緊張情緒，一旦自我調(diào)節(jié)不當(dāng)，極易出現(xiàn)任務(wù)完成失敗的結(jié)果，給人力物力成本巨大的航天事業(yè)帶來巨大損失。所以，針對不同強度緊張情緒的識別至關(guān)重要，極具應(yīng)用價值。

發(fā)明內(nèi)容

本發(fā)明對緊張情緒的強度進行識別，為民生和航天等領(lǐng)域在緊張情緒強度識別方面提供技術(shù)支持，本發(fā)明提供一種基于多生理參數(shù)的緊張情緒強度識別系統(tǒng)及信息處理方法，該方法識別率高，可有效提高航天員等特殊工作者的任務(wù)績效。

為了實現(xiàn)上述目的，本發(fā)明采用如下方案：

基于多生理參數(shù)的緊張情緒強度識別系統(tǒng)，其特征在于，包括基本情緒誘發(fā)裝置、用戶多生理信號采集裝置和信號處理裝置，所述基本情緒誘發(fā)裝置、所述用戶多生理信號采集裝置和所述信號處理裝置依次連接；

所述基本情緒誘發(fā)裝置上設(shè)置有誘發(fā)視頻材料，所述用戶多生理信號采集裝置采集腦電、心電、皮電和呼吸信號，所述信號處理裝置，包括預(yù)處理模塊、特征提取模塊和模式識別模塊，所述預(yù)處理模塊、所述特征提取模塊和所述模式識別模塊依次連接。

基于多生理參數(shù)的緊張情緒強度信息處理方法，其特征在于，包括離線訓(xùn)練和在線監(jiān)測；

其中，所述離線訓(xùn)練包括以下步驟：

步驟一:誘發(fā)用戶的緊張情緒，誘發(fā)方式采用視頻材料；

步驟二:采集用戶多生理信號；

步驟三:信號處理，包括預(yù)處理、特征提取和模式識別；

所述在線監(jiān)測包括以下步驟：

步驟1：在線實時采集用戶多生理信號，多生理信號與離線訓(xùn)練部分相同；

步驟2：信號處理，包括預(yù)處理、特征提取和模式識別；預(yù)處理和特征提取的方法與離線訓(xùn)練部分相同，模式識別運用離線訓(xùn)練部分訓(xùn)練好的分類器；

步驟3：預(yù)警，對識別后的緊張情緒強度進行判斷，如果緊張強度超過設(shè)定的閾值則進行干預(yù)，如果沒有則返回步驟1；

步驟4：存儲數(shù)據(jù)，記錄用戶的緊張情緒強度變化情況，為進一步的分析提供參考。

進一步地，所述步驟二中多生理信號包括腦電、腦血氧、心電、皮電和呼吸信號。

進一步地，所述步驟三中所述預(yù)處理包括：

(a)對腦電信號利用自適應(yīng)濾波器抑制工頻干擾，運用獨立分量分析(ICA)濾除眼電、肌電的干擾，利用信號處理工具包截取有效數(shù)據(jù)；

(b)對心電、呼吸和皮電信號進行放大后，利用帶通濾波器去除工頻干擾，利用信號處理工具包截取有效數(shù)據(jù)。

進一步地，步驟C中所述特征提取包括：

(c)對于腦電信號，分析頻域信息，利用功率譜估計Welch算法或者AR模型法計算腦電功率譜；

(d)對于心電信號，利用變換分析方法或者QR S波檢測方法得到心率變異性信號(HRV),提取HRV信號的時域特征和頻域特征；

(e)對于皮電信號，提取均值、標(biāo)準(zhǔn)差、一階差分、一階差分絕對值的平均值、二階差分和二階差分絕對值的平均值；

(f)對于呼吸信號，提取多個時域特征以及多個頻域特征。

進一步地，步驟三中所述模式識別具體包括：

(g)對多生理信號提取的特征優(yōu)化選擇后融合，特征優(yōu)化采用基于支持向量機(SVM)的遞歸特征篩選算法；