一种基于阵列式触觉传感器的情感识别装置及方法制造方法及图纸

本发明专利技术提出一种基于阵列式触觉传感器的情感识别装置及方法，属于电子信息、模式识别和人工智能领域。该装置包括：电源、阵列式触觉传感器及载体、微控制器和上位机；所述电源分别与阵列式触觉传感器、微控制器、上位机连接为其提供电力；阵列式触觉传感器放置在载体上并和微控制器连接，用于采集参与者执行动作的压力值数据并发送给微控制器；微控制器与上位机连接，用于控制阵列式触觉传感器工作，接收阵列式触觉传感器采集的压力值数据并保存，然后发送到上位机；上位机对从微控制器接收到的压力值数据进行保存，经过分析处理后实时显示情感识别的结果。本发明专利技术装置结构简单，方法易操作，可准确识别使用者的不同情绪，有很高的实用价值。

【技术实现步骤摘要】
一种基于阵列式触觉传感器的情感识别装置及方法
本专利技术提出一种基于阵列式触觉传感器的情感识别装置及方法，属于电子信息、模式识别和人工智能领域。
技术介绍
情感在人类的感知和决策等过程中起着至关重要的作用。长期以来的情感研究大部分偏向于心理学领域，近些年来随着人工智能的发展，人机交互的领域越来越广泛，将情感和计算机技术的融合产生了情感识别这一课题，情感识别能力逐渐被作为衡量机器人智能化的标准。触觉作为一种交流媒介，具有激发社会存在感的潜力，触觉情感交流可以调节生理反应，增加信任度和好感度，在传递情感方面有着独一无二的作用。人机情感交互让机器人更加地了解人类的情绪，并做出相应的反馈。这也让触觉情感识别走进了人类生活。比如智能家居能够通过触摸来识别出用户的情感，进而做出反应调整灯光或音乐；在线学习的用户通过触摸屏幕传递情感信息，当用户面对学习系统表现出烦躁或者焦虑情绪时，系统能够及时的给用户鼓励信息，使用户的注意力重新转移到学习中；在医疗方面还可以用来治疗自闭症患者和对养老院老人进行心理疏导。目前，很多学者都针对情感识别进行了相关研究。国内外针对情感识别的方法大都通过语音分析实现，通过对本文档来自技高网...

【技术保护点】
1.一种基于阵列式触觉传感器的情感识别装置，其特征在于，包括：电源、阵列式触觉传感器及其载体、微控制器和上位机；所述电源分别与阵列式触觉传感器、微控制器、上位机通过有线连接，所述阵列式触觉传感器放置在载体上，阵列式触觉传感器和微控制器通过有线连接，微控制器与上位机通过USB数据线连接；所述电源用于分别为阵列式触觉传感器、微控制器和上位机提供电力，所述载体用于支撑阵列式触觉传感器，所述阵列式触觉传感器用于采集参与者执行动作的压力值数据并发送给微控制器，所述微控制器用于控制阵列式触觉传感器工作，接收阵列式触觉传感器采集的压力值数据并保存，然后发送到上位机，所述上位机对从微控制器接收到的压力值数据进...

【技术特征摘要】
1.一种基于阵列式触觉传感器的情感识别装置，其特征在于，包括：电源、阵列式触觉传感器及其载体、微控制器和上位机；所述电源分别与阵列式触觉传感器、微控制器、上位机通过有线连接，所述阵列式触觉传感器放置在载体上，阵列式触觉传感器和微控制器通过有线连接，微控制器与上位机通过USB数据线连接；所述电源用于分别为阵列式触觉传感器、微控制器和上位机提供电力，所述载体用于支撑阵列式触觉传感器，所述阵列式触觉传感器用于采集参与者执行动作的压力值数据并发送给微控制器，所述微控制器用于控制阵列式触觉传感器工作，接收阵列式触觉传感器采集的压力值数据并保存，然后发送到上位机，所述上位机对从微控制器接收到的压力值数据进行保存，经过分析处理后实时显示情感识别的结果。2.一种基于如权利要求1所述装置的情感识别方法，其特征在于，包括以下步骤：1)将阵列式触觉传感器放置于载体上，拍摄以正确方式拍打阵列式触觉传感器的演示视频，并将视频播放给随机选定的M个参与者；2)构建训练样本数据集并进行标签；具体步骤如下2-1)令步骤1)选定的每个参与者分别以R种不同的情感按照步骤1)的视频中演示的方式来对传感器进行动作，R≥3，采集每个参与者每次拍打时阵列式触觉传感器的输出信号记为一个训练样本；M个参与者每个人按每种情感分别进行N次动作并采集相应的输出信号，共得到P个训练样本组成训练样本数据集，P＝R×M×N，每个训练样本中的每一帧包含144个数据，分别对应阵列式触觉传感器生成的12×12的压力矩阵中的传感器压力值；2-2)对训练样本数据集进行标签，将每个训练样本对应的参与者、情感和重复次数分别编号并进行标记，共生成P个标签；3)对训练样本数据集进行预处理，得到训练样本特征集；具体步骤如下：3-1)对训练样本数据集进行数据筛选，去掉每个训练样本中的错误的帧，得到数据筛选过后的训练样本数据集{Rp}；具体步骤如下：3-1-1)任意选取一个训练样本，将该训练样本的每一帧的144个数据对应的压力值相加得到每一帧的压力值总和SP，然后绘制出该训练样本的时间t与每一帧压力值总和SP之间的关系图，利用关系图通过数据筛选方式排除该训练样本中未执行动作或者执行动作错误的帧，完成对该训练样本的数据筛选；3-1-2)对所有训练样本重复步骤3-1-1)，得到数据筛选过后的训练样本数据集{Rp}；将{Rp}记为矩阵的形式，则{Rp}的行数为训练样本数据集中对应动作的帧数总和，其中第P个动作对应的帧数记为Ap,p＝1,2,...,900；{Rp}的列数对应每一帧的传感器压力值数，列数为144；3-2)对{Rp}进行特征提取，分别得到数据特征集{Dp}和边缘检测特征集{Up}；具体步骤如下：3-2-1)对{Rp}中的900个动作在行方向上分别进行特征提取；具体如下：对{Rp}中每个动作对应的所有行的144列求取每一列的平均值，得到900×1维的行平均压力值矩阵；对{Rp}中每个动作对应的所有行的144列求取每一列的最大值，得到900×1维的行压力最大值矩阵；...

【专利技术属性】
技术研发人员：刘华平，魏佳琪，王博文，孙富春，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11