[發明專利]情緒識別方法、裝置及存儲介質

在審

• 申請號: 202010895051.0
• 申請日: 2020-08-31
• 公開（公告）號: CN112057089A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 王洪濤;唐聰;裴子安;許林峰
• 申請（專利權）人: 五邑大學
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0476
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 孫浩

本發明公開了情緒識別方法、裝置及存儲介質，其中方法包括獲取腦電信號；提取功率譜密度作為頻域特征并構建多頻帶特征矩陣；計算相位鎖定值作為腦電連通性特征并構建對稱連通矩陣；將兩者特征融合；將融合腦電特征輸入至基于膠囊網絡的識別網絡，進而識別出情緒類別。將多頻帶特征矩陣和對稱連通矩陣融合得到的融合腦電特征能從空間和頻率域上提供與情緒狀態相關的顯著特征信息；將融合腦電特征輸入至基于膠囊網絡的識別網絡判斷情緒狀態，具有效率快和識別準確性高的優點。

技術領域

本發明涉及智能領域，特別是情緒識別方法、裝置及存儲介質。

背景技術

通過腦電信號識別人類情緒活動，是目前神經科學領域的重點研究項目。通過神經網絡和深度學習有利于該項目的展開。但是，目前大部分研究單單從時域、頻域中的單個方面進行研究，導致研究結果不全面。且目前大部分的神經網絡，如深度信念網絡和疊層自動編碼器等，在處理二維目標時對空間域特性的敏感性較差，。

發明內容

本發明的目的在于至少解決現有技術中存在的技術問題之一，提供情緒識別方法、裝置及存儲介質。

本發明解決其問題所采用的技術方案是：

本發明的第一方面，情緒識別方法，包括以下步驟：

獲取腦電信號；

從所述腦電信號的每個通道提取θ頻段、α頻段、β頻段和γ頻段的功率譜密度作為頻域特征，利用所述頻域特征構建多頻帶特征矩陣；

對所述腦電信號進行非重疊時間窗分割處理得到多個腦電信號片段，對每個所述腦電信號片段的每個頻段計算相位鎖定值作為腦電連通性特征，根據所述腦電連通性特征構建對稱連通矩陣；

將所述多頻帶特征矩陣和所述對稱連通矩陣進行特征融合，得到融合腦電特征；

將所述融合腦電特征輸入至基于膠囊網絡的識別網絡，使所述識別網絡通過卷積操作和動態路由法識別出情緒類別。

根據本發明的第一方面，將所述功率譜密度進行歸一化后作為所述頻域特征；歸一化式子為：式中，F為歸一化前的功率譜密度，F_max為同通道的功率譜密度中的最大值，F_min為同通道的功率譜密度中的最小值。

根據本發明的第一方面，將每個頻段的所有通道的所述頻域特征組成一個第一頻域子矩陣，得到四個所述第一頻域子矩陣；將四個所述第一頻域子矩陣以2X2的方式構建所述多頻帶特征矩陣。

根據本發明的第一方面，所述相位鎖定值的計算方式為取時間窗上相位差的絕對平均值，計算式子如下：式中PLV為相位鎖定值，N為時間窗的數量，Δφ_n為第n個時間窗的相位差。

根據本發明的第一方面，將每個頻段的所有所述腦電連通性特征構成一個大小為kxk的第二頻域子矩陣，得到四個所述第二頻域子矩陣，其中所述第二頻域子矩陣的第(i，j)元素為第i通道與第j通道之間的所述腦電連通性特征；將四個所述第二頻域子矩陣以2X2的方式構建所述對稱連通矩陣。

根據本發明的第一方面，利用F-score特征選擇方法對所述融合腦電特征進行計算打分，對所述融合腦電特征按分數從大至小排列，選擇前m個所述融合腦電特征輸入至所述識別網絡。

根據本發明的第一方面，所述動態路由法包括以下步驟：

對輸入量做矩陣乘法，得到第一結果；

對所述第一結果做標量加權，得到第二結果；

對所述第二結果做求和處理，得到第三結果；

對所述第三結果做非線性化處理，得到第四結果；

其中所述第四結果用于輸入至分類器得到所述情緒類別。