[發(fā)明專利]一種基于ELMAN神經(jīng)網(wǎng)絡(luò)的蹦蹦袋體驗評價方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910178666.9
• 申請日: 2019-03-11
• 公開（公告）號: CN109886249A
• 公開（公告）日: 2019-06-14
• 發(fā)明（設(shè)計）人: 李太福;廖志強;尹蝶;段棠少;張志亮;黃星耀
• 申請（專利權(quán)）人: 重慶科技學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 重慶蘊博君晟知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50223
• 代理人: 王玉芝

本發(fā)明提供了一種基于ELMAN神經(jīng)網(wǎng)絡(luò)的蹦蹦袋體驗評價方法及系統(tǒng)，通過開發(fā)一款手機App，獲取用戶在使用不同類型的蹦蹦袋過程視頻(可以通過手機App現(xiàn)場拍攝或者讀取視頻文件)傳輸?shù)皆贫耍辉谠贫税言撘曨l分解成連續(xù)的系列照片；應(yīng)用人臉識別技術(shù)，識別該系列照片對應(yīng)的人臉表情類型，獲得表情隨時間變化的代碼向量，在云平臺上，通過ELMAN神經(jīng)網(wǎng)絡(luò)建立用戶體驗數(shù)據(jù)與對應(yīng)用戶體驗過程評分的復(fù)雜非線性關(guān)系模型；進行視頻的錄入即可自動獲得該用戶體驗過程的用戶體驗評價結(jié)果，作為企業(yè)進行自閉癥蹦蹦袋產(chǎn)品升級優(yōu)化的依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)領(lǐng)域，具體涉及一種基于ELMAN神經(jīng)網(wǎng)絡(luò)的蹦蹦袋體驗評價方法及系統(tǒng)。

背景技術(shù)

如今，正值心理健康危機日益嚴重的時期，尤其是年輕人。根據(jù)2015年的《高等教育紀事報》的一份報道中指出，自殺是大學(xué)生死亡的第二大殺手，僅次于交通事故；自1999年以來，美國的整體自殺率飆升了約25％。針對那些患有自閉癥、SPD(感覺紊亂)、抑郁癥、發(fā)育遲緩人群或者僅僅是壓力過大的用戶。有研究表明，像蹦蹦袋這樣聲稱能夠通過平衡和阻力感受，在運動中訓(xùn)練感覺紊亂以及發(fā)育遲緩兒童的空間感知能力和全身協(xié)調(diào)能力，能夠有效減輕患者普遍存在的緊張情緒，讓用戶在放松的狀態(tài)下更容易學(xué)會與他人的互動交流。嵌入情緒識別系統(tǒng)，將患者體驗過程中的情緒變化進行采集、計算、分析，在大多情況下還是可以作為企業(yè)進行蹦蹦袋產(chǎn)品升級優(yōu)化的依據(jù)。

現(xiàn)有技術(shù)在蹦蹦袋產(chǎn)品優(yōu)化改進過程中，工程技術(shù)人員不能快速獲取改進型蹦蹦袋的用戶體驗數(shù)據(jù)，進而不能對產(chǎn)品優(yōu)化結(jié)果做出快速評價。

發(fā)明內(nèi)容

為了解決現(xiàn)在產(chǎn)品研發(fā)過程中，研發(fā)人員不能快速獲取改進型蹦蹦袋用戶體驗數(shù)據(jù)的問題，本申請?zhí)峁┮环N基于ELMAN神經(jīng)網(wǎng)絡(luò)的蹦蹦袋體驗評價方法,包括以下步驟

S1：采集用戶使用蹦蹦袋的第一過程視頻，依據(jù)所述第一過程視頻得到第一過程系列照片，對所述第一過程系列照片進行人臉識別得到用戶人臉表情向量，依據(jù)所述用戶人臉表情向量得到輸入矩陣，；

S2:采集用戶調(diào)查數(shù)據(jù)，依據(jù)所述用戶調(diào)查數(shù)據(jù)得到結(jié)果矩陣Y，構(gòu)建的ELMAN模型，采用所述輸入矩陣和所述結(jié)果矩陣對ELMAN模型進行訓(xùn)練。

S3:采集用戶使用蹦蹦袋的第二過程視頻，采用訓(xùn)練完成的ELMAN模型對所述用戶使用蹦蹦袋的第二過程視頻進行分析并獲取用戶體驗數(shù)據(jù)。

進一步的，所述步驟S1包括，

S11：以橫坐標為時間，縱坐標為表情類型代碼生成用戶人臉表情向量隨時間變化的二維表情譜，其中，“憤怒”對應(yīng)的表情向量為[0,0,0,0,0,0,1]^T、“厭惡”對應(yīng)的表情向量為[0,0,0,0,0,2,0]^T、“恐懼”對應(yīng)的表情向量為[0,0,0,0,3,0,0]^T、“高興”對應(yīng)的表情向量為[0,0,0,4,0,0,0]^T、“傷心”對應(yīng)的表情向量為[0,0,5,0,0,0,0]^T、“驚訝”對應(yīng)的表情向量為[0,6,0,0,0,0,0]^T、“無情緒”對應(yīng)的表情向量為[7,0,0,0,0,0,0]^T，采用表情譜得到矩陣A＝[e₁,e₂,e₃,…,e_n]_7×n；

S12:將矩陣A進行轉(zhuǎn)置變換得到A^T＝[e₁,e₂,e₃,…,e_n]_n×7；

S13:構(gòu)造矩陣M＝A·A^T；