[發明專利]識別方法及相關裝置

在審

• 申請號: 201811599540.0
• 申請日: 2018-12-26
• 公開（公告）號: CN109620265A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 李曉濤;李娟;王立平
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: A61B5/16
• 分類號: A61B5/16
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 趙興華;王寶筠

1.一種識別方法，其特征在于，應用于用戶側，包括：

采集使用者的腦部反應數據；

對所述腦部反應數據進行數據處理，得到腦部反應參數值；其中，所述腦部反應數據至少包括眼部反應數據；所述腦部反應參數值至少包括眼部反應參數值；所述眼部反應參數值包括各眼部反應參數對應的參數值；

將所述腦部反應參數值輸入機器學習模型，由所述機器學習模型輸出情感認知的識別結果。

2.如權利要求1所述的方法，其特征在于，

所述由所述機器學習模型輸出情感認知的識別結果包括：

所述機器學習模型根據所述眼部反應參數值和眼部反應參數閾值，識別出情感認知類型以及對應的分值；

所述機器學習模型根據所述情感認知類型對應的狀態閾值以及所述分值，確定所述情感認知類型對應的狀態信息；

所述機器學習模型輸出識別出的情感認知類型及所對應的狀態信息；

所述識別結果包括：所述情感認知類型及對應的狀態信息。

3.如權利要求2所述的方法，其特征在于，所述方法還包括：

使用所述使用者的眼部反應數據，對所述眼部反應參數閾值進行個性化修正。

4.如權利要求2所述的方法，其特征在于，所述方法還包括：

接收所述使用者輸入的校正數據；

使用所述校正數據修正情感認知類型、狀態信息以及狀態閾值中的至少一種。

5.如權利要求1-4任一項所述的方法，其特征在于，

所述情感認知類型包括情感類型和認知類型中的至少一種；

其中：所述情感類型包括：心情子類型和疲勞度子類型；所述認知類型包括注意力子類型和壓力子類型；

所述機器學習模型是使用帶標簽的訓練樣本進行訓練的；其中，所述訓練樣本包括來自健康個體或病患個體的腦部反應參數；所述標簽包括心情狀態信息標簽、疲勞度狀態信息標簽、注意力狀態信息標簽和壓力狀態信息標簽。

6.如權利要求5所述的方法，其特征在于，在訓練結束后，所述方法還包括：

使用帶標簽的測試樣本測試所述機器學習模型的識別精度和識別速度；所述測試樣本；其中，所述測試樣本包括來自健康個體或病患個體的腦部反應參數；所述標簽包括：心情狀態信息標簽、疲勞度狀態信息標簽、注意力狀態信息標簽和壓力狀態信息標簽；

若所述機器學習模型不滿足預設條件，執行下述操作中的一種或多種，并重新進行訓練：

重新選定眼部反應參數；

調整所述機器學習模型的權重值；

調整狀態閾值；

調整標簽的類型和內容中的至少一種；

其中，所述預設條件包括：所述機器學習模型的識別精度不低于精度閾值且識別速度不低于速度閾值。

7.如權利要求5所述的方法，其特征在于，還包括：

上傳情感認知的識別結果以及相應的腦部反應參數值至云端或后臺；上傳的腦部反應參數值將在訓練過程中作為訓練樣本或測試樣本，所述情感認知的識別結果用于標記相應的訓練樣本或測試樣本；

或者，上傳情感認知的識別結果以及相應的腦部反應數據至云端或后臺；上傳的腦部反應數據用于生成訓練過程中的訓練樣本或測試樣本，所述情感認知的識別結果用于標記相應的訓練樣本或測試樣本；

所述云端或后臺優化所述機器學習模型后，優化后的機器學習模型將同步至所述用戶側。

8.如權利要求1所述的方法，其特征在于，所述眼部反應參數包括以下一種或多種：

眼睛的對比度和亮度；

眼球運動的速度、方向和頻率；

瞳孔反應的幅度和速度；

瞳孔間距；

眨眼的速度、幅度和頻率；

眼部的肌肉收縮情況，所述眼部包括眼周和眉毛。