基于声音采集的健康状态监控方法、装置及存储介质制造方法及图纸

技术编号:21895743 阅读:13 留言:0更新日期:2019-08-17 16:02
本发明专利技术涉及人工智能技术领域,公开了一种基于声音采集的健康状态监控方法,该方法包括:采集用户及周围环境的声音数据,并获取用户的行为数据;从上述采集的声音数据以及行为数据中提取特征数据;构建情感分析模型,采用已知情感库和上述提取到的特征数据对所述情感分析模型进行训练;基于采集的被监测用户的声音数据,利用所述情感分析模型,判断所述被监测用户的健康状态,在所述被监测用户处于非健康状态下,对所述被监测用户进行提醒。本发明专利技术还提出一种基于声音采集的健康状态监控装置以及一种计算机可读存储介质。本发明专利技术通过对用户和外界的沟通表达出来的状态信息进行利用和分析,能够主动、自动的评估用户的健康状态。

Health Monitoring Method, Device and Storage Media Based on Sound Acquisition

【技术实现步骤摘要】
基于声音采集的健康状态监控方法、装置及存储介质
本专利技术涉及人工智能
,尤其涉及一种基于声音采集的健康状态监控方法、装置及计算机可读存储介质。
技术介绍
随着社会的飞速发展,人们的生活水平迅速提高,伴随而来的工作生活压力也越来越大,焦虑情绪普遍蔓延,影响着很多人的身心健康,一部分人已经意识到心理健康的重要性,但是心理健康状态在常规体检中很少有涉及,针对焦虑、烦躁、压力大等心理的亚健康状态任其自由发展,轻则不良情绪影响人际交往,重则影响工作状态,甚至形成抑郁症、自闭症等难以处理的心理疾病。如今的健康状态管理,都是采用评估问卷等方式进行分析从而得出用户的状态,对用户和外界的沟通表达出来的状态信息并没有进行有效的利用和分析。
技术实现思路
本专利技术提供一种基于声音采集的健康状态监控方法、装置及计算机可读存储介质,其主要目的在于提供一种主动、自动的评估用户的健康状态的方案。为实现上述目的,本专利技术提供的一种基于声音采集的健康状态监控方法,包括:采集用户及周围环境的声音数据,并获取用户的行为数据;从上述采集的声音数据以及行为数据中提取特征数据;构建情感分析模型,采用已知情感库和所述特征数据对所述情感分析模型进行训练,得到训练后的情感分析模型;基于采集的被监测用户的声音数据并利用所述情感分析模型,判断所述被监测用户的健康状态,在所述被监测用户处于非健康状态下,对所述被监测用户进行提醒。可选地,所述用户及周围环境的声音数据包括用户的声音数据、用户周围人的声音数据以及用户周围的环境声音数据。可选地,所述从上述采集的声音数据以及行为数据中提取特征数据,包括:提取所述声音数据的线性预测倒谱系数及梅尔频率倒谱系数,并根据用户周围的环境声音数据设置环境标签及根据用户的行为数据设置行为标签。可选地,所述采用已知情感库和所述特征数据对情感分析模型进行训练,得到训练后的情感分析模型,包括:将所述已知情感库中语音的线性预测倒谱系数和梅尔频率倒谱系数特征作为输入,及情感库中语音情感分类作为输出,初次训练所述情感分析模型;初次训练完成后,将上述提取到的特征数据输入到所述情感分析模型中,输出对应的情感分类;将上述提取到的特征数据作为输入,将所述特征数据对应的情感分类、行为标签和环境标签作为输出,再次训练所述情感分析模型,获取最终的神经网络参数,得到训练完成的所述情感分析模型。可选地,所述基于采集的被监测用户的声音数据并利用所述情感分析模型,判断所述被监测用户的健康状态,包括:每隔预设时间段自动从采集的被监测用户的声音数据中提取特征,并将提取的特征输入到所述情感分析模型中;如果被监测用户在预设时间段内一直属于预设的负面的情感分类、预设的环境标签或者行为标签,则判断所述被监测用户处于非健康状态。此外,为实现上述目的,本专利技术还提供一种基于声音采集的健康状态监控装置,该装置包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的基于声音采集的健康状态监控程序,所述基于声音采集的健康状态监控程序被所述处理器执行时实现如下步骤:采集用户及周围环境的声音数据,并获取用户的行为数据;从上述采集的声音数据以及行为数据中提取特征数据;构建情感分析模型,采用已知情感库和所述特征数据对所述情感分析模型进行训练,得到训练后的情感分析模型;基于采集的被监测用户的声音数据并利用所述情感分析模型,判断所述被监测用户的健康状态,在所述被监测用户处于非健康状态下,对所述被监测用户进行提醒。可选地,所述从上述采集的声音数据以及行为数据中提取特征数据,包括:提取所述声音数据的线性预测倒谱系数及梅尔频率倒谱系数,并根据用户周围的环境声音数据设置环境标签及根据用户的行为数据设置行为标签。可选地,所述采用已知情感库和所述特征数据对情感分析模型进行训练,得到训练后的情感分析模型,包括:将所述已知情感库中语音的线性预测倒谱系数和梅尔频率倒谱系数特征作为输入,及情感库中语音情感分类作为输出,初次训练所述情感分析模型;初次训练完成后,将上述提取到的特征数据输入到所述情感分析模型中,输出对应的情感分类;将上述提取到的特征数据作为输入,将所述特征数据对应的情感分类、行为标签和环境标签作为输出,再次训练所述情感分析模型,获取最终的神经网络参数,得到训练完成的所述情感分析模型。可选地,所述基于采集的被监测用户的声音数据并利用所述情感分析模型,判断所述被监测用户的健康状态,包括:每隔预设时间段自动从采集的被监测用户的声音数据中提取特征,并将提取的特征输入到所述情感分析模型中;如果被监测用户在预设时间段内一直属于预设的负面的情感分类、预设的环境标签或者行为标签,则判断所述被监测用户处于非健康状态。此外,为实现上述目的,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基于声音采集的健康状态监控程序,所述基于声音采集的健康状态监控程序可被一个或者多个处理器执行,以实现如上所述的基于声音采集的健康状态监控方法的步骤。本专利技术提出的基于声音采集的健康状态监控方法、装置及计算机可读存储介质采集用户及周围环境的声音数据,并获取用户的行为数据,从上述采集的声音数据以及行为数据中提取特征数据,构建情感分析模型,采用已知情感库和上述提取到的特征数据对所述情感分析模型进行训练,基于采集的被监测用户的声音数据,利用所述情感分析模型,判断所述被监测用户的健康状态,在所述被监测用户处于非健康状态下,对所述被监测用户进行提醒。因此,本专利技术通过对用户和外界的沟通表达出来的状态信息进行利用和分析,能够主动、自动的评估用户的健康状态。附图说明图1为本专利技术一实施例提供的基于声音采集的健康状态监控方法的流程示意图;图2为本专利技术一实施例提供的基于声音采集的健康状态监控装置的内部结构示意图;图3为本专利技术一实施例提供的基于声音采集的健康状态监控装置中基于声音采集的健康状态监控程序的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本专利技术,并不用于限定本专利技术。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,所述“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。进一步地,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术本文档来自技高网...

【技术保护点】
1.一种基于声音采集的健康状态监控方法,其特征在于,所述方法包括:采集用户及周围环境的声音数据,并获取用户的行为数据;从上述采集的声音数据以及行为数据中提取特征数据;构建情感分析模型,采用已知情感库和所述特征数据对所述情感分析模型进行训练,得到训练后的情感分析模型;基于采集的被监测用户的声音数据并利用所述情感分析模型,判断所述被监测用户的健康状态,在所述被监测用户处于非健康状态下,对所述被监测用户进行提醒。

【技术特征摘要】
1.一种基于声音采集的健康状态监控方法,其特征在于,所述方法包括:采集用户及周围环境的声音数据,并获取用户的行为数据;从上述采集的声音数据以及行为数据中提取特征数据;构建情感分析模型,采用已知情感库和所述特征数据对所述情感分析模型进行训练,得到训练后的情感分析模型;基于采集的被监测用户的声音数据并利用所述情感分析模型,判断所述被监测用户的健康状态,在所述被监测用户处于非健康状态下,对所述被监测用户进行提醒。2.如权利要求1所述的基于声音采集的健康状态监控方法,其特征在于,所述用户及周围环境的声音数据包括用户的声音数据、用户周围人的声音数据以及用户周围的环境声音数据。3.如权利要求2所述的基于声音采集的健康状态监控方法,其特征在于,所述从上述采集的声音数据以及行为数据中提取特征数据,包括:提取所述声音数据的线性预测倒谱系数及梅尔频率倒谱系数,并根据用户周围的环境声音数据设置环境标签及根据用户的行为数据设置行为标签。4.如权利要求3所述的基于声音采集的健康状态监控方法,其特征在于,所述采用已知情感库和所述特征数据对情感分析模型进行训练,得到训练后的情感分析模型,包括:将所述已知情感库中语音的线性预测倒谱系数和梅尔频率倒谱系数特征作为输入,及情感库中语音情感分类作为输出,初次训练所述情感分析模型;初次训练完成后,将上述提取到的特征数据输入到所述情感分析模型中,输出对应的情感分类;将上述提取到的特征数据作为输入,将所述特征数据对应的情感分类、行为标签和环境标签作为输出,再次训练所述情感分析模型,获取最终的神经网络参数,得到训练完成的所述情感分析模型。5.如权利要求1至4中任意一项所述的基于声音采集的健康状态监控方法,其特征在于,所述基于采集的被监测用户的声音数据并利用所述情感分析模型,判断所述被监测用户的健康状态,包括:每隔预设时间段自动从采集的被监测用户的声音数据中提取特征,并将提取的特征输入到所述情感分析模型中;如果被监测用户在预设时间段内一直属于预设的负面的情感分类、预设的环境标签或者行为标签,则判断所述被监测用户处于非健康状态。6.一种基于声音采集的健康状态监控装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上...

【专利技术属性】
技术研发人员:王义文王健宗
申请(专利权)人:平安科技深圳有限公司
类型:发明
国别省市:广东,44

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