[發明專利]一種情緒狀態檢測方法、設備及終端

在審

• 申請號: 201910406307.4
• 申請日: 2019-05-16
• 公開（公告）號: CN110141258A
• 公開（公告）日: 2019-08-20
• 發明（設計）人: 陳海波
• 申請（專利權）人: 深蘭科技（上海）有限公司
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0476;A61B5/00
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘

本發明公開了一種情緒狀態檢測方法、設備及終端，解決了現有技術中，情緒狀態檢測的方法主要是通過圖像處理和識別技術進行判斷精確度不高的問題，該方法包括：獲取用戶的連續腦電數據并提取頻譜能量特征數據；將所述頻譜能量特征數據，輸入基于深度學習構建的預設情緒狀態檢測模型，輸出所述腦電數據對應的情緒狀態。本發明實施例使用腦電數據作為信號，利用深度學習算法檢測情緒狀態，提高情緒檢測的準確度，使得適用人群更加廣泛。

技術領域

本發明涉及信號處理技術領域，尤其涉及一種情緒狀態檢測方法、設備及終端。

背景技術

情緒是個體對內在和外在事物的主觀體驗，體現在生理、表情以及體驗方面，是個體適應生存和社會生活的重要工具。現代生活節奏越來越快，越來越多的人承受著較大的生活壓力，隨之而來的是人們的情緒波動較大，經常會出現心情壓抑、情緒焦慮等現象，在發生時多數人并不能意識到并進行控制，久而久之這些情緒就會嚴重影響到人們的日常生活、工作和學習。

現有技術中，情緒識別的方法主要是利用攝像機獲取用戶圖像，通過圖像處理和識別技術進行判斷，具體來說：基于攝像機等攝錄設備的圖像處理方法，也即，通過攝像機采集的視頻，逐幀進行圖像處理，尋找表示情緒的有效特征，進而實現情緒識別。但是，該方法的缺點較為明顯：

1)受光照影響嚴重，戴眼鏡與否，眼睛尺寸個體差異，個體反應和習慣差異大；

2)攝像機采集的是用戶的表情和動作，這些是情緒的外在表現形式，容易受到用戶的隱藏和掩飾。

發明內容

本發明提供一種情緒狀態檢測方法、設備及終端，解決了現有技術中，情緒狀態檢測的方法主要是通過圖像處理和識別技術進行判斷精確度不高的問題。

為了解決上述的技術問題，本發明提供了一種情緒狀態檢測方法、設備及終端，具體包括：

依照本發明第一方面，提供一種情緒狀態檢測方法，該方法包括：

獲取用戶的連續腦電數據并提取頻譜能量特征數據；

將所述頻譜能量特征數據，輸入基于深度學習構建的預設情緒狀態檢測模型，輸出所述腦電數據對應的情緒狀態。

在一種可能的實現方式中，將獲取到的連續腦電波數據進行數字帶通濾波，并按照預設長度大小截取成多個數據子段，所述多個數據子段中任意兩個數據子段之間沒有重疊；

對每一個數據子段進行傅里葉變換，計算每個數據子段對應的頻譜能量特征。

在一種可能的實現方式中，對每一個數據子段進行傅里葉變換得到頻域數據；

計算所述頻域數據中范圍為1-3Hz的頻段δ、范圍為4-7Hz的頻段θ、范圍為8-13Hz的頻段α、范圍為14－30Hz的頻段β、范圍為31－80Hz的頻段γ的頻譜能量特征。

在一種可能的實現方式中，基于深度學習構建預設情緒狀態檢測模型，包括：

獲取包括多個訓練樣本的訓練樣本集及包括多個測試樣本的測試樣本集，所述每個訓練樣本/測試樣本包括頻譜能量特征及所述頻譜能量特征對應的情緒狀態；

通過隨機化深度學習網絡模型的模型參數得到初始的情緒狀態檢測模型；

觸發模型訓練時，利用所述訓練樣本集中的預設數量的訓練樣本，對當前情緒狀態檢測模型進行至少一次訓練，每次訓練結束后，利用所述測試樣本集中的測試樣本對訓練后的情緒狀態模型進行測試，訓練結束后得到預設情緒狀態檢測模型。

在一種可能的實現方式中，每次訓練結束后，確定測試結果不滿足預設精度要求，還包括：

利用當前的情緒狀態檢測模型篩選所述訓練樣本集的樣本數據，將篩選后的訓練樣本集作為新的訓練樣本集，并重新觸發模型訓練。