[發明專利]基于機器學習和生理信號的情緒識別模型構建方法及系統

有效

• 申請號: 202110702914.2
• 申請日: 2021-06-24
• 公開（公告）號: CN113397546B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 張立偉;閆茂松;鄧震;何炳蔚;鄒澄圣;施家峰
• 申請（專利權）人: 福州大學
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0205;A61B5/316;A61B5/33;A61B5/346;A61B5/389;A61B5/397;A61B5/00
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

本發明涉及一種基于機器學習和生理信號的情緒識別模型構建方法及系統。該方法包括：獲取樣本人群的多種生理數據，并構建第一樣本數據集，而后提取各生理信號特征，預處理后得到第二樣本數據集，并按預設比例分為訓練集和驗證集；選取分類機器學習模型為每種生理信號構造一級模型，將訓練集作為輸入進行訓練，得到若干情緒識別模型；對每個情緒識別模型進行準確性分析，并計算不同模型之間的相關性，以及樣本數據的穩定性，由此得到該情緒識別模型的融合權重；基于融合權重，結合所有情緒識別模型，構建綜合預測模型。本發明有效提升了模型精度和泛化能力，能通過生理信號快速預測待測者的情緒狀態，避免待測者主觀因素對情緒判別的影響。

技術領域

本發明涉及大數據分析技術領域，具體涉及一種基于機器學習和生理信號的情緒識別模型構建方法及系統。

背景技術

自19世紀80年代,lames-Lanbe理論提出后，一百多年來，對人體自身心理和生理之間的關系的研究廣受重視。1994年，Iowa大學神經學系的Dainasio等經過研究發現，如果人體主導理性思維的大腦皮層和主導情感的邊緣系統之間的通道受損，患者可能智慧、行走的能力和語言能力都很正常，但做決定的能力卻受到很大損害。這從生理意義上表明情感在人類交流中所起的重要作用。

基于表情、姿態、語音和文本的情緒識別雖然比較直觀，但都是以身體的外在表現來量度情緒，無法觀測人體內在的、真實的情感狀態。研究表明，心臟搏動、呼吸、血壓、消化和新陳代謝等生理活動是受人體自主神經系統掌控的，而自主神經系統對生理活動的控制是在人無意識下進行的。也就是說，生理信號難以被人的主觀意識支配，因此基于生理信號的情緒識別具有更大的客觀性。

基于生理信號的情緒識別可以應用在健康監測、刑偵審訊、行為輔助等許多方面。健康監測方面，例如，醫學研究證明，健康積極的情感狀態對于疾病的預防和治療有著積極的作用，因此對病人或健康人的護理和監測應不僅限于心電、脈搏、呼吸等生理參數上，還應包括對用戶情感狀態的監測，進而給出合理建議。刑偵審訊方面，例如警方在監視和審訊疑犯過程中，由于人的生理信號不容易由人的主觀意識所控制，可以通過其生理信號分析其精神狀態的變化，為調查和審訊提供參考。而行為輔助方面，例如通過監測汽車駕駛員的生理信號評估駕駛員的疲勞程度，給出合理反饋，如建議駕駛員減速或停車休息，播放一些輕音樂幫助駕駛員放松心情，避免釀成車禍。

綜上所述，一個利用多種生理信號的情感識別模型，將有助于促進健康檢測、刑偵審訊、行為輔助等許多方面。現有傳統的系統和模型，并不能精確的分析對應的生理數據，實現數據預測，且模型精度和泛化能力較弱，無法應用到現有的預測設備中。

發明內容

本發明的目的在于提供一種基于機器學習和生理信號的情緒識別模型構建方法及系統，，有效提升了模型精度和泛化能力，能快速準確的識別待測者當前的情緒狀態。

為實現上述目的，本發明的技術方案是：一種基于機器學習和生理信號的情緒識別模型構建方法，包括以下步驟：

步驟S1、獲取樣本人群的多種生理數據，并構建第一樣本數據集；

步驟S2、從得到的第一樣本數據集中提取各生理信號特征，預處理后得到第二樣本數據集，并按預設比例分為訓練集和驗證集；

步驟S3、選取分類機器學習模型為每種生理信號構造一級模型，將訓練集作為輸入進行訓練，得到若干情緒識別模型；

步驟S4、對每個情緒識別模型進行準確性分析，并計算不同模型之間的相關性，以及樣本數據的穩定性，由此得到相應情緒識別模型的融合權重；

步驟S5、基于情緒識別模型的融合權重，結合所有情緒識別模型，構建綜合預測模型。

在本發明一實施例中，所述第一樣本數據集包括具體生理數據為：心電，肌電，皮膚電，脈搏。