[發明專利]基于HRV特征和三層SVR的PAD情緒維度預測方法

在審

• 申請號: 202011044075.1
• 申請日: 2020-09-28
• 公開（公告）號: CN112263252A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 韓永明;張明星;陳愷;耿志強;王雅潔;李丹寧;謝鋒
• 申請（專利權）人: 貴州大學;北京化工大學
• 主分類號: A61B5/16
• 分類號: A61B5/16
• 代理公司: 北京太兆天元知識產權代理有限責任公司 11108
• 代理人: 王宇

本發明公開了一種基于HRV特征和三層SVR的PAD情緒維度預測方法，通過視頻誘導的方式采集生理信號，在生理信號中提取HRV特征，使用PAD模型對HRV特征進行標注，使得離散的情緒狀態映射到連續的三維空間，從而讓情緒狀態變化的連續性有了數值上直觀的體現，并利用三層SVR模型對PAD三維數值分別進行回歸預測，通過PCA對三個維度分別進行降維處理，在A和D維度上預測準確性都得到了明顯提升。從實驗結果上看，本發明提供的基于HRV特征和三層SVR的PAD情緒維度預測方法能夠較好地反映情緒變化的趨勢，同時能一定程度上能反映情緒狀態，這為可穿戴設備的實時情緒檢測尤其是情緒變化趨勢的檢測帶來了可能。

技術領域

本發明涉及情緒預測技術領域，尤其涉及一種基于HRV特征和三層SVR的PAD情緒維度預測方法。

背景技術

情緒對人的健康有顯著影響，抑郁、焦慮和憤怒等情緒狀態已被證明會阻礙免疫系統的工作，并與許多疾病有關。此外，心理障礙還會導致社交障礙和工作效率低下。因此，理解和調節自我情緒已經成為一個重要的健康問題。許多生理變化都與情緒有關，如血壓、HRV。

心率變異性(Heart Rate Variability，HRV)是指心率節奏快慢的變化情況，反映心臟自主神經對心血管系統的調控以及該系統對各種影響因素的應答，是參與生理變化的關鍵系統。自主神經系統(ANS)分為交感神經系統(SNS)和副交感神經系統(PNS)，它們能產生不同程度的生理喚醒。在生理或心理緊張時，SNS主要激活，產生生理覺醒，以適應挑戰，脈搏或心率的增加是這種興奮狀態的特征。相反，在安全或穩定狀態下，PNS占主導地位，并保持較低的生理覺醒程度和較低的心率。在高喚醒和低喚醒狀態之間的過渡依賴于ANS快速調節心率的能力。因此，HRV是一個實時指標，可以了解SNS和PNS之間的反應如何影響心率，從而產生有關自主神經靈活性的信息，從而代表了調節情緒反應的能力。

PAD是由Mehrabian和Russel于1974年提出的用于描述人類情緒的三維模型，分別為愉悅度(Pleasure)、激活度(Arousal)和優勢度(Dominance)。目前，三維PAD模型被廣泛應用于情緒研究領域。在PAD情緒模型中，PAD情緒坐標的評定是通過一套精心設計的量表來完成的，PAD情緒量表是基于PAD模型發展起來的。Mehrabian編制了一個包括34個項目的完整量化表，考慮到某些情況下需要參與者對情緒狀態進行多次評價，于是進一步提出了簡化的PAD情緒量表，中科院心理所對簡化的PAD情緒量表進行了中國化的修訂，如表1所示。

表1中文簡化版PAD情緒量表

主元分析(Principal Component Analysis，PCA)由Hotelling提出，其思想是將原本具有一定相關性的特征集重新組合轉換成一組新的互不相關的變量，同時也能保證降維后的數據仍保留原來數據的特性，是對變量進行降維處理的常用方法。

支持向量回歸(Support Vector Regression，SVR)模型是以統計學理論為基礎，并在有限樣本空間內，將輸入向量非線性地轉換到高維空間的決策函數來實現線性回歸，從而達到最理想的學習效果，SVR收斂速度快，在回歸分析中應用十分廣泛。在情緒計算領域SVM和SVR的分類和回歸也比較常見。然而，情緒狀態的離散性和生理信號情緒狀態難以獲取。

發明內容

為解決現有技術存在的局限和缺陷，本發明提供一種基于HRV特征和三層SVR的PAD情緒維度預測方法，包括：

采集生理信號，所述生理信號包括壓力脈搏信號；

提取所述生理信號中的HRV特征，使用PAD模型對所述HRV特征進行標注，所述使用PAD模型對所述HRV特征進行標注的步驟包括：在采集生理信號時觀看誘導視頻，在所述誘導視頻結束后根據實際感受填寫PAD量表，根據所述PAD量表的各行數值計算PAD的各個維度數值，計算公式如下：