一种基于情绪识别的康复机器人交互控制方法技术

技术编号:15547046 阅读:229 留言:0更新日期:2017-06-05 20:46
本发明专利技术公开了一种基于情绪识别的康复机器人交互控制方法,分为三步,第一步:基于Omega7力反馈平台,结合CHAI3D渲染引擎构建虚拟训练场景。训练的对象是中风患者,故训练的任务应简单明了易于操作且要贴近生活。以实际训练任务为主要功能实现,构建一个简单且温馨的虚拟场景。第二步:建立EMGBP模型。使用肌电设备采集患者在不同情绪层次下的肌电信号,从统计学角度分析出反应情绪变化的特征向量,并使用改进的BP神经网络进行分类。第三步:基于目标情绪识别的人机交互控制。根据MEGBP模型识别出的情绪层次,输入到EMGFB模型中逐渐调节训练难度,最终达到患者满意的训练难度。从“心理”上调动患者主动参与的积极性,从“生理”上使得患者达到最佳的康复效果。

Interactive control method of rehabilitation robot based on emotion recognition

The invention discloses an interactive control method of a rehabilitation robot based on emotion recognition, which is divided into three steps. The first step is to construct a virtual training scene based on a Omega7 force feedback platform combined with a CHAI3D rendering engine. The object of training is stroke patients, so the task of training should be simple and clear, easy to operate, and close to life. With the actual training task as the main function, a simple and warm virtual scene is constructed. The second step: building EMGBP model. EMG was used to collect EMG signals of patients at different emotional levels. The feature vectors of emotional responses were analyzed statistically and classified by improved BP neural network. The third step: human-computer interaction control based on target emotion recognition. According to the emotion level identified by the MEGBP model, input into the EMGFB model, gradually adjust the training difficulty, and finally achieve the training difficulty of patient satisfaction. From the \psychological\ to mobilize the initiative to participate in the enthusiasm of patients, from the \physiological\ so that patients achieve the best rehabilitation effect.

【技术实现步骤摘要】
一种基于情绪识别的康复机器人交互控制方法
本专利技术涉及康复机器人传感与治疗控制领域,尤其是关于一种基于情绪识别的康复机器人交互控制方法。
技术介绍
现代社会,随着世界各国相继进入老龄化,在老龄化过程中会产生大量的脑卒中或中风病患者。此类患者通常由于脑血管血栓或脑血管破裂出血而导致脑供血中断,从而使相应的运动、感觉和认知等功能遭到丧失或受到损害。现代神经康复医学及其临床研究结果表明,中枢神经系统具有高度的可塑性,对因脑卒中(中风或脑血管意外)等疾病引起的肢体功能障碍,通过科学合理的康复治疗训练可以在一定程度上恢复其受损的肢体功能。康复机器人技术是近年来发展起来的一种新的运动神经康复治疗技术。在机器人辅助患者运动康复治疗过程中,患者的主动参与对提高康复训练效果具有至关重要的作用。基于患者主动参与意识的机器人辅助康复治疗研究,目前主要集中在“基于生物力学的主动运动交互控制”和“基于生物电的主动运动交互控制”两个方面,患者与康复机器人之间的交互协作主要是以感知患者主动“运动”参与为主。在传统康复治疗方法中,康复医师除了能感受到患者主动“运动”参与外,还能够观察到患者对不同难度训练任务所表现出来的高兴、厌烦和挫败等情绪变化,并根据情绪变化及时调整自己的训练行为。由情绪心理学可知,训练过程中患者表现出来的情绪反应是一种以患者主观参与感受的变化为特征的心理活动过程。为使患者与康复机器人之间的交互控制更加和谐自然,研究人员自然地期望机器人能像康复医师那样,实时感知训练过程中患者情绪的变化,并根据情绪变化实时调整机器人辅助训练行为。由此可见,从患者主动“心理”参与角度,研究一种基于情绪识别的康复机器人交互控制方法,将进一步完善和提高人机协作康复训练技术水平,具有重要的学术意义和实际应用价值。
技术实现思路
本专利技术目的在于提供一种结合虚拟场景,利用肌电信号判断患者在训练过程中所处的情绪层次,并智能调节患者的训练难度,以达到最佳训练状态的控制方法。特别是一种基于情绪识别的康复机器人交互控制方法,提高机器人辅助康复治疗的训练效果和安全性。为达成上述目的,本专利技术所采用的技术方案如下:一种基于情绪识别的康复机器人交互控制方法,包括如下步骤:步骤1、设计虚拟训练场景:以实际训练任务为背景构建虚拟训练场景;步骤2、获得患者训练过程中不同情绪层次的肌电信号;步骤3、通过时频域分析方法,统计分析出反应目标情绪变化的特征值,并选取对应的特征向量;步骤4、建立EMGBP(ElectromyographyBackPropagation)模型:根据分析得到的目标情绪特征向量,采用改进的BP神经网络分类器识别出患者目标情绪层次;步骤5、基于目标情绪识别的人机交互控制:根据识别到的患者目标情绪状态,基于EMGFB(ElectromyographyFeedback)难度反馈模型,获取最适合患者的训练难度,从而达到最佳的康复效果。进一步,步骤2中所述不同情绪层次包含“兴奋”、“挫败”及“厌烦”三种。进一步,步骤3中,所述统计分析的对象包含均值、方差、标准差及积分肌电值。进一步,步骤4中,所述改进的BP神经网络分类器为使用基于LM算法的BP神经网络分类器,其以部分数据作为训练集,构建EMGBP模型。与现有技术相比,本专利技术的有益效果在于:1,相对于现有“基于生物力学的主动运动交互控制方法”和“基于生物电的主动运动交互控制方法”,“基于情绪识别的康复机器人交互控制方法”,本专利技术的最大优点是从“心理”层次感知患者主动参与意愿,克服了现有的机器人辅助康复人机交互协作训练方法主要以感知患者主动“运动”参与为主的局限。2,本专利技术采用“心理生理测量方法”感知患者情绪变化,相较目前常用的“面部表情”、“语音信号分析”和“身体姿态”等情绪识别方法,对伴有面部表情呆滞、发音不清以及肢体障碍等常见临床特征的中风患者群体,它受主/被试主观因素影响较小,是一种非侵入式、检测手段方便且易于被患者接受的客观量化情绪状态的研究方法。附图说明图1是基于虚拟现实技术构建的三维虚拟训练场景示意图。图2是患者进行实验示意图。图3是问卷调查表示意图。图4是基于LM算法的BP神经网络训练曲线。图5是BP神经网络预测值与样本值对比示意图。图6是基于EMGFB难度反馈模型的控制方法结构框图。具体实施方式为了更好地了解本专利技术的
技术实现思路
,现结合附图和具体实施例对本专利技术做进一步详尽的说明。本专利技术包括三个主要内容:一是构建虚拟训练场景,此场景为后期实验数据采集提供了可靠性和保障性。二是建立肌电情绪识别模型EMGBP,采集患者当前肌电信号判断患者当前情绪层次。三是建立难度反馈模型EMGFB,基于当前的情绪层次调节患者训练难度。(1)虚拟场景的构建,在康复训练实验中,患者情绪状态发生变化有两个主要原因,第一,随着任务难度的增加,患者的能力水平不变的情况下,会引起“挫败”的情绪;第二,随着康复患者能力水平的提高,而游戏仍然停留在相同或者更低难度情况时,会引起“厌烦”的情绪。不同的训练难度可以诱发不同的情绪层次。在这两种情况下,应当调整实验的训练难度,以便更好的适应患者的能力和情绪层次。基于此理论,实验定义了三种对应不同情绪层次的康复训练难度,即“厌烦”、“兴奋”、“挫败”。见图1:实验以实际训练任务为背景,构建虚拟训练场景。实验的主要对象是中风患者,因此,康复任务必须简单明了易于操作,且要贴近生活,使实验者有一种温馨和家的感觉。基于Omega7力反馈平台,结合CHAI3D触觉渲染引擎开发设计以“兴奋”、“挫败”及“厌烦”为目标情绪的三种不同训练任务虚拟场景。实验虚拟场景设计在室内,房间主要由墙壁、地板、窗户、壁画、花盆、桌子、和窗户组成,桌子上的灰色球即为Omega7操作手柄。患者使用Omega7操纵灰色球沿着桌面上规定的路径去碰撞红色的立方体,每次碰撞立方体后都需要沿规定的路径返回到桌面正中心,之后再进行下一次碰撞。如果一次碰撞的时间少于规定的t秒时,算作一次成功的碰撞并且红色立方体立即更新;如果在规定的时间t秒内没有完成碰撞,红色立方体更新到下个位置,此次碰撞算是失败。由此可见时间t的控制是康复训练难度的关键所在。(2)肌电情绪识别模型EMGBP,肌电设备为无线便携式表面肌电测试仪,16倍分辨率,2000赫兹采样率,采样时间为2分钟,提供了较大的采样样本。采集患者在三种不同情绪状态(兴奋、厌烦、挫败)下的肌电信号样本,由于每个肌电信号样本分为颧骨肌和皱眉肌,对于每一路信号样本在时域和频域上共同选取10个特征向量,所以对于一个情绪层次来说共有20个特征值。对于多变量、大样本输入的情感识别问题,采用基于L-M算法改进的BP网络进行分类。此特征提取和BP神经网络分类即为肌电情绪识别模型EMGBP。(3)难度反馈模型EMGFB,以时间t及情绪层次β为调节参数:式中β=1,2,3分别表示“厌烦”、“兴奋”及“挫败”。为了避免中风患者挫伤,物体更新的时间要精确到百分位,便于患者逐步适应并且达到自身的训练水平。当患者处于“厌烦”状态时,说明此时的训练难度低于患者的能力水平,使得患者觉得无聊、乏味,故此时应该调节训练难度,减小物体更新的时间,使得物体更新加快。当患者处于“兴奋”状态时,说明此时的训练难度刚好处于患者的能本文档来自技高网
...
一种基于情绪识别的康复机器人交互控制方法

【技术保护点】
一种基于情绪识别的康复机器人交互控制方法,其特征在于包括如下步骤:步骤1、设计虚拟训练场景:以实际训练任务为背景构建虚拟训练场景;步骤2、获得患者训练过程中不同情绪层次的肌电信号;步骤3、通过时频域分析方法,统计分析出反应目标情绪变化的特征值,并选取对应的特征向量;步骤4、建立EMGBP模型:根据分析得到的目标情绪特征向量,采用改进的BP神经网络分类器识别出患者目标情绪层次;步骤5、基于目标情绪识别的人机交互控制:根据识别到的患者目标情绪层次,基于EMGFB难度反馈模型,获取最适合患者的训练难度,从而达到最佳的康复效果。

【技术特征摘要】
1.一种基于情绪识别的康复机器人交互控制方法,其特征在于包括如下步骤:步骤1、设计虚拟训练场景:以实际训练任务为背景构建虚拟训练场景;步骤2、获得患者训练过程中不同情绪层次的肌电信号;步骤3、通过时频域分析方法,统计分析出反应目标情绪变化的特征值,并选取对应的特征向量;步骤4、建立EMGBP模型:根据分析得到的目标情绪特征向量,采用改进的BP神经网络分类器识别出患者目标情绪层次;步骤5、基于目标情绪识别的人机交互控制:根据识别到的患者目标情绪层次,基于EMGFB难度反馈模型,获取最适合患者的训练...

【专利技术属性】
技术研发人员:高翔刘大炜徐国政
申请(专利权)人:南京邮电大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1