一种机器人情感识别方法和系统技术方案

本发明专利技术提供一种机器人情感识别方法和系统，所述方法包括步骤：检测人体的生理电信号；提取所述生理电信号的特征波形；根据所提取的所述特征波形进行生理异常检测；根据所提取的所述特征波形进行情感识别。本发明专利技术在不同情绪状态下采集生理电，提取必要的生理电特征，根据提取的特征集训练情绪生理电模型，利用该模型和当前的生理电信号可以判断佩戴者当前的情绪状态，利用手机(Application)App对心率异常结果和情绪状态判断结果进行管理，帮助佩戴者实时了解自身的身心健康状况。且摒弃了传统方法中的摄像头等不便穿戴装置，提高了便携性。

【技术实现步骤摘要】

本专利技术涉及人工智能领域，具体涉及一种机器人情感识别方法和系统。
技术介绍
社会的发展和自然环境的破坏导致亚健康人群以及慢性器质性疾病人群快速增加，而大多数器质性疾病如原发性高血压、胃溃疡，心脑血管疾病、癌症等都与个人情绪有很大的关联性；此外，随着我国人口老龄化的进一步加深，空巢老人和独居老人人口也呈上升趋势。针对我国以上社会形势，迫切需要一种针对压力下的亚健康，器质性病和中老年人群的心理慰藉和情绪管理的解决方案，目前，非专业医用的小型生理电监护设备层出不穷，其主要目标是帮助家庭健康进行自我监护和管理，采用的技术手段主要是用或者制作单独的设备，或者集成功能到手机，进行生理电采集和显示，并在必要的情况下通过对如心电信号进行简单处理来计算人体实时心率，并根据心率异常进行适当的心脏健康预警，这类设备一定程度上对于个人健康管理以及医生的预诊断提供了方便，但其仅仅是对生理电信号进行显示，在较好处理的心电设备上仅从分析心率入手，虽然能够对一些比较常见的心率异常状况给出一些提示，但不能够对生理电信号做情感识别以及搭建智能的机器人反馈系统；此外，在情感机器人领域，大部分可以进行情感交互的技术基本都是基于图像识别和语音识别技术，这类技术的使用通常需要借助摄像头等这类不能够实现可穿戴的复杂外设，不便于携带和维护，且由于表情可以通过神经控制，表情反应的情感情绪状态通常误差很大。
技术实现思路
本专利技术针对现有技术中存在的上述问题，提出一种机器人情感识别方案，该方案通过对生理电进行监测和分析，并基于分析结果提供智能化的情感识别以及情绪管理服务方案；同时其使用微小的生理电感测片代替传统的摄像头方案，可实现方便穿戴或佩戴。本专利技术的技术方案为：一种机器人情感识别方法，包括步骤：检测人体的生理电信号；提取所述生理电信号的特征波形；根据所提取的所述特征波形进行生理异常检测；使用LDA算法对所提取的所述特征波形进行情感识别。优选地，所述提取所述生理电信号的特征数据步骤之前还包括：移除所述生理电信号中的不可用数据；归一化处理所述生理电信号；对所述生理电信号进行低通滤波。优选地，所述提取所述生理电信号的特征数据的具体方法为：提取人体心电信号的PQRST特征波形。优选地，所述根据所提取的所述特征数据进行生理异常检测的具体方法为：将一定时间内R波平均间期的倒数作为心率；根据所述心率进行生理异常检测。优选地，所述使用LDA算法对所提取的所述特征波形进行情感识别的具体方法为：采集各不同情感下的特征波形样本矩阵X以及建立情感类别向量v，所述情感类别向量为各不同情感标识所组成的向量；根据所述v分别挑选出每一种类别的样本矩阵x，计算出各不同类别的样本类内离散度矩阵和总类间离散度矩阵：...，k其中，X为输入的样本数据矩阵，行为一个个样本，列为一个个特征；是是各类的样本均值；k为样本所属类别数；计算得样本间离散度矩阵：其中，是各类样本数，是样本总平均数；取矩阵的前k-1个特征值所对应的特征向量组成转换矩阵w；通过公式w*计算得到每一类投影后的中心点；根据新的特征样本经矩阵w投影后距离各类中心点的欧氏距离远近判定新样本数据所属情感类别。本专利技术还提供一种机器人情感识别系统，包括相互独立的信号检测前端设备和移动终端设备，所述信号检测前端设备和移动终端设备进行无线通信连接，所述信号检测前端设备用于采集以及预处理人体生理电信号并发送至所述移动终端设备，所述移动终端设备用于根据所接收的所述预处理后的生理电信号进行生理异常检测和情感识别。优选地，所述信号检测前端设备包括依次连接的信号采集设备、放大设备、滤波设备、AD转换设备以及主控设备，所述信号采集设备用于采集生理电信号，所述放大设备用于放大所述采集的生理电信号，所述滤波设备用于对放大后的生理电信号进行杂波滤除，所述AD转换设备用于将滤波后的模拟生理电信号转换为数字信号并发送给所述主控设备，所述主控设备接收所述数字信号并将其无线发送至所述移动终端设备。优选地，所述信号检测前端设备还包括与所述主控设备连接的电源管理设备，用于对所述信号检测前端设备进行电源功耗管理。优选地，所述移动终端设备包括中控模块以及与其连接的信号特征提取模块、生理异常检测模块以及情感识别模块，所述信号特征提取模块用于提取所述生理电信号的特征波形，所述生理异常检测模块用于根据所提取的特征波形进行生理异常检测，所述情感识别模块用于根据所提取的特征波形进行情感识别。优选地，所述移动终端设备还包括与所述中控模块连接的判断模块和健康咨询模块，所述判断模块用于判断生理异常检测结果和情感识别结果，所述健康咨询模块用于当所述判断模块判断出生理异常时或者产生情感障碍时提供健康咨询并告知再次进行生理异常检测或情感识别，否则告知用户检测结果正常并退出检测，所述情感障碍为消极情感。本专利技术具有如下有益效果：1、采用全集成式的生理电检测前端，可以在运动或远程电极放置产生的噪声环境下提取、放大及过滤微弱的生物电信号，滤波器输出信号建立时间短，高共模抑制比，并且功耗极低，体积较小。2、通过软件上合理的电源和功耗管理，使得整个系统可以依靠一颗纽扣电池或小型锂电池供电并工作数周，相对于传统生理电监护仪成本大大降低，测量简单、便携，适用于家庭医疗应用及可穿戴应用。3、配合低功耗嵌入式微处理器采集生理电信号，并通过低功耗蓝牙技术发送至于机、电脑等终端，便于采集，信号质量较高，系统功耗低。4、通过手机等移动终端为用户提供健康咨询服务，无需额外增加其他设备，满足了现代电子产品用户对精简性和便捷性的需求。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要的附图做简单的介绍，显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术机器人情感识别方法的流程图。图2为本专利技术的机器人情感识别系统的结构框图。图3为本专利技术的电源管理方法的流程图。图4为本专利技术中低通滤波器的拓扑结构图。图5为本专利技术中二阶高通滤波器的拓扑结构图。具体实施方式下面结合说明书附图对本专利技术实施例的具体实施方式作详细说明。如图1所示，本专利技术所述的机器人情感识别方法包括步骤：S101：检测人体的生理电信号；在不同情绪状态(平静、高兴、悲伤、恐惧、愤怒、恶心、惊奇)下采集人体生理电，为便于描述，本实施方式中的生理电信号统一为人体的心电信号，对心电信号的采集可通过两个导联的感应电极E1和E2实现，E1、E2为两导联电极输入端，与贴在身体皮肤表面的自粘贴电极片相连接，其中E1对应的电极片粘贴于小腹左下方，E2对应的电极片粘贴于心脏上方。采集到的心电信号通常存在不少噪声，在进行进一步的信号处理之前需要对信号进行去噪的预处理，根据本产品硬件输出信号的特点，本实施方式采用的心电信号预处理方法包含下述步骤S102至S104所述的各环节，主要使用AD8232芯片实现预处理。S102：移除所述生理电信号中的不可用数据；通常认为心电信号是由PQRST波组成的周期性信号，而由于运动或者电极不稳通常会引起信号的非周期性，因此，这里采用检验某段信号是否为周期信号来判断心电信号是否受到了比较大的污染，以决定是否用这段信号进本文档来自技高网...

【技术保护点】
一种机器人情情感识别方法，其特征在于，包括步骤：检测人体的生理电信号；提取所述生理电信号的特征波形；根据所提取的所述特征波形进行生理异常检测；使用线性判别式分析LDA算法对所提取的所述特征波形进行情感识别。

【技术特征摘要】
1.一种机器人情情感识别方法，其特征在于，包括步骤：检测人体的生理电信号；提取所述生理电信号的特征波形；根据所提取的所述特征波形进行生理异常检测；使用线性判别式分析LDA算法对所提取的所述特征波形进行情感识别。2.根据权利要求1所述的一种机器人情感识别方法，其特征在于，所述提取所述生理电信号的特征数据步骤之前还包括：移除所述生理电信号中的不可用数据；归一化处理所述生理电信号；对所述生理电信号进行低通滤波。3.根据权利要求2所述的一种机器人情感识别方法，其特征在于，所述提取所述生理电信号的特征数据的具体方法为：提取人体心电信号的PQRST特征波形。4.根据权利要求3所述的一种机器人情感识别方法，其特征在于，所述根据所提取的所述特征数据进行生理异常检测的具体方法为：将一定时间内R波平均间期的倒数作为心率；根据所述心率进行生理异常检测。5.根据权利要求3或4所述的一种机器人情感识别方法，其特征在于，所述使用LDA算法对所提取的所述特征波形进行情感识别的具体方法为：采集各不同情感下的特征波形样本矩阵X以及建立情感类别向量v，所述情感类别向量为各不同情感标识所组成的向量；根据所述v分别挑选出每一种类别的样本矩阵x，计算出各不同类别的样本类内离散度矩阵和总类间离散度矩阵：...，k其中，X为输入的样本数据矩阵，行为一个个样本，列为一个个特征；是是各类的样本均值；k为样本所属类别数；计算得样本间离散度矩阵：其中，是各类样本数，是样本总平均数；取矩阵的前k-1个特征值所对应的特征向量组成转换矩阵w；通过公式w*计算得到每一类投影后的中心点；根据新的特征样本经矩阵w投影后距离各类中心点的欧氏距离远近判定新样本数据所属情感类别。6.一种机器人情感识别系统，其特征在于，包括相互独立的信号检测前端...

【专利技术属性】
技术研发人员：郭藏燃，
申请(专利权)人：恒爱高科北京科技有限公司，
类型：发明
国别省市：北京;11