[發明專利]基于三維特征圖和卷積神經網絡的情緒識別方法及系統有效
| 申請號： | 202110272735.X | 申請日： | 2021-03-13 |
| 公開（公告）號： | CN112990008B | 公開（公告）日： | 2022-06-17 |
| 發明（設計）人： | 鄭向偉;尹永強;崔振;陳宣池;張利峰;許春燕;張宇昂;高鵬志 | 申請（專利權）人： | 山東海量信息技術研究院;山東師范大學 |
| 主分類號： | G06V40/16 | 分類號： | G06V40/16;G06V10/82;G06F3/01;G06N3/04;G06N3/08 |
| 代理公司： | 濟南圣達知識產權代理有限公司 37221 | 代理人： | 董雪 |
| 地址： | 250098 山東*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 三維 特征 卷積 神經網絡 情緒 識別 方法 系統 | ||
1.基于三維特征圖和卷積神經網絡的情緒識別方法，其特征在于，包括：
獲取待識別的腦電信號；
從待識別的腦電信號中提取無基礎情緒狀態腦電信號；
采用小波包變換對無基礎情緒狀態腦電信號進行分解重構，獲取多個頻段信號，獲取每個頻段信號的小波能量比和小波熵；
計算無基礎情緒狀態腦電信號中每個通道腦電信號的近似熵，與每個頻段信號的小波能量比和小波熵組成腦電特征；
對腦電特征進行排列，形成特征立方體；
將特征立方體輸入訓練好的CNN模型中進行情緒識別；
近似熵具體計算步驟如下：
步驟a：設時間序列S，其中s1，s2，…，sN∈S，
步驟b：確定參數m、r，其中m為整數并表示待重構向量的長度，r為非負實數，表示重構向量之間相似的閾值；
步驟c：重構時間序列X1，X2，…，其中Xi＝[si,si+1,…,si+m-1]；
步驟d：計算任意重構向量之間的距離其中i，j的取值范圍是1到N-m+1；
步驟e：統計每個重構向量的相似向量個數其中i，j的取值范圍是1到N-m+1；
步驟f：令
步驟g：按照步驟a～f，再計算出Φm+1；
步驟h：ApEn＝Φm-Φm+1。
2.如權利要求1所述的基于三維特征圖和卷積神經網絡的情緒識別方法，其特征在于，采用消去基礎情緒狀態的方法，從待識別的腦電信號中提取無基礎情緒狀態腦電信號。
3.如權利要求1所述的基于三維特征圖和卷積神經網絡的情緒識別方法，其特征在于，提取每個頻段信號的小波系數；
根據每個頻段信號的小波系數，計算每個頻段信號的小波特征。
4.如權利要求1所述的基于三維特征圖和卷積神經網絡的情緒識別方法，其特征在于，CNN模型包括輸入層、卷積層、重構層、全連接層和輸出層。
5.如權利要求1所述的基于三維特征圖和卷積神經網絡的情緒識別方法，其特征在于，采用交叉熵函數定義損失函數，對CNN模型進行訓練。
6.如權利要求1所述的基于三維特征圖和卷積神經網絡的情緒識別方法，其特征在于，將獲取的腦電特征按照對應通道在2D平面圖上的位置進行排列，形成特征立方體。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山東海量信息技術研究院;山東師范大學，未經山東海量信息技術研究院;山東師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110272735.X/1.html，轉載請聲明來源鉆瓜專利網。
