情感识别模型生成装置及其生成情感识别模型的方法制造方法及图纸

一种情感识别模型生成装置，包括：信号采集模块、特征提取模块、选择模块以及建立模块，其中信号采集模块采集人体的多种生理信号；特征提取模块提取每一种所述生理信号的6个时域特征，形成原始特征集；选择模块从所述原始特征集中选出最优特征子集；建立模块根据所述最优特征子集建立情感识别模型。本发明专利技术中生生成的情感识别模型，情感识别率高。本发明专利技术另外提供一种生成情感识别模型的方法。

【技术实现步骤摘要】
情感识别模型生成装置及其生成情感识别模型的方法
本专利技术涉及情感识别技术，尤其涉及情感识别模型生成装置及其生成情感识别模型的方法。
技术介绍
情感识别是赋予机器识别人类情感能力的一种人机交互技术，现已逐渐成为人机交互领域的研究热点。目前情感识别的研究领域包括基于面部表情的情感识别、基于语音信号的情感识别、基于文字的情感识别、基于肢体运动的情感识别和基于生理信号的情感识别。其中基于生理信号的情感识别最为可靠但却也最为困难。基于生理信号的情感识别系统中最为关键的一步就是如何从大量的原始特征集中挑选出数量有限的特征子集并将其映射到情感模型上。这一关键的步骤就是特征选择，它不仅可以可以有效地去除冗余特征，降低模型训练时间，提高预测精度，还可以选出能够代表某些特定情感的特征子集。在申请号为CN200910150458.4的专利中，使用了语音信号进行情感识别。较之语音信号，人体的生理信号更不易受到外界因素和人体主观意识到控制，因此更加准确，可靠。然而，在该专利中，情感的识别需要12个特征。文献“UsingGA-basedFeatureSelectonforEmotionRecognitionfromPhysiologicalSignals”使用多生理信号进行情感识别，但是仅使用了来自28名被试的5种生理信号，以图片为情感激发素材，特征选择和情感分类的方法为遗传算法结合KNN分类器，但情感的识别率低，对情感的最高识别率仅为78%。
技术实现思路
有鉴于此，有必要提供一种情感识别模型生成装置及其生成情感识别模型的方法，提高情感的识别率。本专利技术提供的情感识别模型生成装置，包括信号采集模块、特征提取模块、选择模块以及建立模块，其中，信号采集模块用于采集人体的多种生理信号；特征提取模块用于提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为：生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、原始信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值；选择模块用于从所述原始特征集中选出最优特征子集；建立模块用于根据所述最优特征子集建立情感识别模型。本专利技术提供的生成情感识别模型的方法，包括以下步骤：采集人体的多种生理信号；提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为：生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、原始信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值；从所述原始特征集中选出最优特征子集；根据所述最优特征子集建立情感识别模型。本专利技术提供的情感识别模型生成装置及其生成情感识别模型的方法，通过从原始特征集中选出最优特征子集，并根据最优特征子集建立情感识别模型，利用本专利技术的情感识别模型，有效的提高了情感的识别率。附图说明图1为本专利技术一实施方式中情感识别模型生成装置的模块图；图2为本专利技术一实施方式利用情感识别模型生成装置来生成情感识别模型的方法的流程图；图3为图2中步骤S30的具体步骤流程图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，术语“内”、“外”、“纵向”、“横向”、“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术而不是要求本专利技术必须以特定的方位构造和操作，因此不能理解为对本专利技术的限制。请参阅图1，图1所示为本专利技术一实施方式中情感识别模型生成装置10的模块图。在本实施方式中，情感识别模型生成装置10包括：信号采集模块102、特征提取模块104、选择模块106、建立模块108、存储器110以及处理器112。其中，信号采集模块102、特征提取模块104、选择模块106以及建立模块108存储在存储器110中，处理器112用于执行存储在存储器110中的功能模块。信号采集模块102用于采集人体的多种生理信号。在本实施方式中，多种生理信号包括皮肤导电、心率、血容搏动、脑电、呼吸以及面部肌电等生理信号。在本实施方式中，以电影片段为唤起素材，激发高兴、悲伤、平静3种情感，使用美国BIOPAC公司的MP150多导生理记录仪采集了150名年龄在19-25岁之间的无病患历史的被试（参与者）在观看电影时的6种生理信号，这6种生理信号包括：皮肤电导、心率、血容搏动、脑电、呼吸、面部肌电，电影观看结束后，被试会通过问卷报告他们在观看影片时的情感（平静、高兴或悲伤），以及情感被激发的强度（1、极弱，2、弱，3、一般，4、强，5、极强）。通过问卷，选择了情感强度在3以上的数据，最终得到了110个被试的有效数据。特征提取模块104用于提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为：生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、生理信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值。在本实施方式中，生理信号的均值为：其中X为信号，N为采样点。在本实施方式中，生理信号的标准差为：在本实施方式中，生理信号一阶差分绝对值的均值为：在本实施方式中，标准化信号一阶差分绝对值的均值为：其中是Xn的标准化信号。在本实施方式中，生理信号的二阶差分绝对值的均值：在本实施方式中，标准化信号二阶差分绝对值的均值为：选择模块106用于从所述原始特征集中选出最优特征子集。在本实施方式中，选择模块106包括：初始化子模块1060、获取子模块1062、求解子模块1064、判断子模块1066以及更新子模块1068。在本实施方式中，初始化子模块1060用于将蚂蚁种群的规模设定为所述原始特征集中的特征数，将迭代次数设定为固定值，并初始化信息素矩阵。在本实施方式中，初始化子模块1060将信息素矩阵初始化后，信息素矩阵中的所有的信息素值均被初始化为τmax=50。获取子模块1062用于根据伪随机比例规则获取每一所述时域特征的标记状态。在本实施方式中，所述伪随机比例规则为：其中s表示特征i的标记状态，τij表示时域特征i在状态j（j＝1表示被选中，j＝0表示不被选中）时的信息素浓度，q为从[0,1]之间等概率选取的一个随机数，q0(0≤q0≤1)为一参数。所述获取子模块1062在q≤q0时根据信息素值τi0和τi1的大小得到所述时域特征i的标记状态，其中，若τi0＜τi1，则标记状态s=0，若τi0＞τi1，则标记状态s=1；在q＞q0时根据得到所述时域特征i的标记状态，所述获取子模块1062产生一个随机数r，若则蚂蚁k将特征i标记为0，若则蚂蚁k将特征i标记为1。求解子模块1064用于通过利用蚂蚁以及标记状态求解得到特征子集。在本实施方式中，所述求解子模块1064还用于根据所述特征子集的分类正确率及特征个数得到适应度值，并排序选出第一最优解。在本实施方式中，蚂蚁k构建的解的适应度函数Fk定义为：Fk＝Rk/(1+λ·Nk)其中Rk蚂蚁k构建的解的分类正确率,Nk是蚂蚁k构建本文档来自技高网...

【技术保护点】
一种情感识别模型生成装置，包括：信号采集模块，用于采集人体的多种生理信号；特征提取模块，用于提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为：生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、生理信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值；选择模块，用于从所述原始特征集中选出最优特征子集；建立模块，用于根据所述最优特征子集建立情感识别模型。

【技术特征摘要】
1.一种情感识别模型生成装置，包括：信号采集模块，用于采集人体的多种生理信号；特征提取模块，用于提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为：生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、生理信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值；选择模块，用于从所述原始特征集中选出最优特征子集；所述选择模块包括：初始化子模块，用于将蚂蚁种群的规模设定为所述原始特征集中的特征数，将迭代次数设定为固定值，并初始化信息素矩阵；获取子模块，用于根据伪随机比例规则获取每一所述时域特征的标记状态；求解子模块，用于通过利用蚂蚁以及标记状态求解得到特征子集，其中，所述求解子模块还用于根据所述特征子集的分类正确率及特征个数得到第一适应度值，并排序选出第一最优解，并利用变异规则对所述第一最优解进行变异得到多个变异解，根据所述多个变异解以及所述第一最优解的分类正确率及特征个数得到第二适应度值，并排序选出第二最优解，利用邻域交换规则搜索所述第二最优解的邻域内的邻域解，根据所述邻域解以及所述第二最优解的分类正确率及特征个数得到第三适应度值，并排序选出第三最优解；判断子模块，用于判断迭代次数是否达到固定值，其中所述求解子模块在所述迭代次数达到固定值时将所述第三最优解作为最优特征子集，并输出；建立模块，用于根据所述最优特征子集建立情感识别模型。2.如权利要求1所述的情感识别模型生成装置，其特征在于，所述选择模块还包括：更新子模块，用于在所述迭代次数没有达到固定值时根据所述第三最优解更新所述信息素矩阵。3.如权利要求2所述的情感识别模型生成装置，其特征在于，所述伪随机比例规则为：其中s表示特征i的标记状态，τij表示时域特征i在状态j时的信息素浓度，当j＝1表示被选中，j＝0表示不被选中，q为从[0,1]之间等概率选取的一个随机数，q0为一参数，其中0≤q0≤1。4.如权利要求3所述的情感识别模型生成装置，其特征在于，所述获取子模块在q≤q0时根据信息素浓度值τi0和τi1的大小得到所述时域特征i的标记状态，在q>q0时根据得到所述时域特征i的标记状态。5.如权利要求1所述的情感识别模型生成装置，其特征在于，所述变异规则为所述求解子模块改变所述第一最优解中至少一个所述时域特征的标记状态，然后对所述改变后的第一最优解求变异解。6.如权利要求1所述的情感识别模型生成装置，其特征在于，所述邻域交换规则为所述求...

【专利技术属性】
技术研发人员：张慧玲，魏彦杰，彭丰斌，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44