心理状态识别方法、设备及存储介质技术

本发明专利技术公开了一种心理状态识别方法、设备及存储介质，通过采集待识别用户当前的脉搏信号与心电信号；对接收的待识别用户的脉搏信号与心电信号进行特征参数提取，得到脉搏信号、心电信号的时域特征量与频域统计特征量；根据脉搏信号、心电信号的时域特征量与频域统计特征量，通过预先建立的特征信息分析模型，确定待识别用户的心理状态类别，由于脉搏信号和心电信号受用户的情绪影响较大，而且不受用户的主观控制，能够有效避免心理状态误判的情况，之后采用预先建立的特征信息分析模型对脉搏信号、心电信号的时域特征量与频域统计特征量进行分类识别，确定待识别用户的当前心理状态类别，本发明专利技术能够有效提高心理状态识别的准确率。

【技术实现步骤摘要】
心理状态识别方法、设备及存储介质
本专利技术涉及心理状态识别领域，尤其涉及一种心理状态识别方法、设备及计算机可读存储介质。
技术介绍
目前，现有的心理状态识别技术主要是通过语音和图像进行识别，心理状态识别技术在现实生活中有了越来越多的应用。因为语音以及人脸图像具有独特性，难以伪造且易于采集，广泛应用于人工智能、教学辅导、生物医疗等
具体的识别过程是通过摄像头获取用户的面部图像及通过语音采集装置获取用户的语音波形，并分析出当前面部图像特征向量及语音波形特征向量，与之前保存的各种情绪对应的加权后的面部图像特征向量及语音波形特征向量进行比对，从而判断出最接近的加权后的面部图像特征向量及语音波形特征向量所对应的情绪，从而识别出用户的当前心理状态。但是由于用户可以通过控制发音方式、发音语调或者通过控制面部肌肉发出与当前情绪不同的语音或者做出与当前情绪不同的面部表情，即用户的语音与面部表情可受主观控制，而现有的心理状态识别技术无法识别出采集的语音信号或面部图像是否被用户主观控制，从而导致心理状态出现误判，不能够准确识别用户的心理状态。
技术实现思路
基于此，本专利技术提供了一种心理状态识别方法、设备及存储介质，其能够减少心理状态误判情况，提高心理状态识别的准确率。第一方面，本专利技术实施例提供了一种心理状态识别方法，包括以下步骤：接收待识别用户的脉搏信号与心电信号；对所述待识别用户的脉搏信号与心电信号进行特征参数提取，得到所述脉搏信号、所述心电信号的时域特征量与频域统计特征量；根据所述脉搏信号、所述心电信号的时域特征量与频域统计特征量，通过预先建立的特征信息分析模型，确定所述待识别用户的心理状态类别。优选地，所述方法包括以下特征信息分析模型建立步骤：接收受试者在不同心理状态诱因下的脉搏信号与心电信号；其中，所述心理状态诱因为预先标记心理状态类型的视频片段；对所述受试者的脉搏信号、心电信号进行特征参数提取，得到所述受试者的脉搏信号对应的时域特征量与频域统计特征量、以及心电信号对应的时域特征量与频域统计特征量；其中，所述受试者在某一心理诱因下脉搏信号对应的时域特征量与频域统计特征量、心电信号对应的时域特征量与频域统计特征量作为一信号样本；根据所述信号样本对预先建立的三层神经网络进行模型训练，建立所述特征信息分析模型。优选地，所述三层神经网络的输入层、输出层分别具有24个神经元节点；所述三层神经网络的输入层函数为：其中，表示输入为x时第二层网络的第j个神经元的激活值；表示隐藏层所有网络层第j个神经元平均激活值；β为神经网络收敛权值，所述三层神经网络的输出层函数为：其中，1{yi＝j}为示性函数，1{值为真的表达式}＝1，1{值为假的表达式}＝0；所述三层神经网络的的误差函数为：其中，为表示第(l-1)层的第i个神经元连接到第l层的第j个神经元的权重；γ为权重衰减项；l为神经网络的层数；hw,b(x(i))为实际应用预测函数关系，x(i)表示神经网络的输入；y(i)表示神经网络的输入x(i)对应的输出；m为数据集中点的个数。优选地，所述接收待识别用户的脉搏信号与心电信号之后，包括：滤除所述待识别用户的脉搏信号与心电信号的工频干扰信号、基线漂移干扰信号；采用小波阈值滤波法对滤波后的待识别用户的脉搏信号与心电信号进行去噪处理。优选地，所述滤除所述待识别用户的脉搏信号与心电信号的工频干扰信号、基线漂移干扰信号，具体包括：通过带阻切比雪夫Ⅱ型滤波器滤除所述待识别用户的脉搏信号或心电信号中的工频干扰信号；通过数字滤波器滤除所述待识别用户的脉搏信号或心电信号中的基线漂移干扰信号。优选地，所述采用小波阈值滤波法对滤波后的待识别用户的脉搏信号与心电信号进行去噪处理，具体包括：通过巴特沃斯带通滤波器检测滤波后的脉搏信号或心电信号中噪声的幅值系数，并采用小波阈值滤波法对滤波后的脉搏信号或心电信号进行去噪处理；其中，去噪后的脉搏信号或心电信号中波形的系数值大于其对应的噪声的幅值系数。优选地，所述对所述待识别用户的脉搏信号与心电信号进行特征参数提取，得到所述脉搏信号、所述心电信号的时域特征量与频域统计特征量，具体包括：采用峰值检测分析法提取所述待识别用户的脉搏信号对应的时域特征量；其中，所述脉搏信号的时域特征量包括波峰值、波峰间隔；对所述待识别用户的脉搏信号进行傅里叶变换，提取所述待识别用户的脉搏信号对应的频域波谱；根据所述脉搏信号对应的时域特征量与频域波谱，计算所述识别用户的脉搏信号对应的频域统计特征量；所述脉搏信号的频域统计特征量包括：波峰的平均值、最大值、最小值、中值、方差、标准差。优选地，所述对所述待识别用户的脉搏信号与心电信号进行特征参数提取，得到所述脉搏信号、所述心电信号的时域特征量与频域统计特征量，具体包括：采用差分阈值法提取所述待识别用户的心电信号对应的时域特征量；其中，所述心电信号的时域特征量包括：连续心室波波峰R波间隔、心室波波峰R波峰值、心房波P波波峰值、心室波波群QRS波的时间间隔、心房波P波起始到心室波波群第一个波谷Q波的时间间隔、Q波开始到心肌波T波结束的时间间隔、QT波时间间隔除以RR间隔的平方根、心室波波群第二个波谷S波到T波结束的时间间隔以及对应样本心率；对所述待识别用户的心电信号对应的时域特征量进行统计分析，计算所述识别用户的心电信号对应的频域统计特征量；所述心电信号的频域统计特征量包括：波峰的平均值、最大值、最小值、中值、方差、标准差。第二方面，本专利技术实施例提供了一种心理状态识别设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中任意一项所述的心理状态识别方法。第三方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面中任意一项所述的心理状态识别方法。与现有技术相比，以上实施例具有如下有益效果：同时采集待识别用户当前的脉搏信号与心电信号；对接收的待识别用户的脉搏信号与心电信号进行特征参数提取，得到所述脉搏信号、所述心电信号的时域特征量与频域统计特征量；根据所述脉搏信号、所述心电信号的时域特征量与频域统计特征量，通过预先建立的特征信息分析模型，确定所述待识别用户的心理状态类别，由于脉搏信号和心电信号受用户的情绪影响较大，而且不受用户的主观控制，能够有效避免心理状态误判的情况，之后采用预先建立的特征信息分析模型对所述脉搏信号、所述心电信号的时域特征量与频域统计特征量进行分类识别，确定待识别用户的当前心理状态类别，能够有效提高心理状态识别的准确率。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，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是本专利技术第一实施例提供的心理状态识别方法的流程示意图。图2是本专利技术第二实施例提供的心理状态识别设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一本文档来自技高网...

【技术保护点】
1.一种心理状态识别方法，其特征在于，包括以下步骤：接收待识别用户的脉搏信号与心电信号；对所述待识别用户的脉搏信号与心电信号进行特征参数提取，得到所述脉搏信号、所述心电信号的时域特征量与频域统计特征量；根据所述脉搏信号、所述心电信号的时域特征量与频域统计特征量，通过预先建立的特征信息分析模型，确定所述待识别用户的心理状态类别。

【技术特征摘要】
1.一种心理状态识别方法，其特征在于，包括以下步骤：接收待识别用户的脉搏信号与心电信号；对所述待识别用户的脉搏信号与心电信号进行特征参数提取，得到所述脉搏信号、所述心电信号的时域特征量与频域统计特征量；根据所述脉搏信号、所述心电信号的时域特征量与频域统计特征量，通过预先建立的特征信息分析模型，确定所述待识别用户的心理状态类别。2.根据权利要求1所述的心理状态识别方法，其特征在于，所述方法包括以下特征信息分析模型建立步骤：接收受试者在不同心理状态诱因下的脉搏信号与心电信号；其中，所述心理状态诱因为预先标记心理状态类型的视频片段；对所述受试者的脉搏信号、心电信号进行特征参数提取，得到所述受试者的脉搏信号对应的时域特征量与频域统计特征量、以及心电信号对应的时域特征量与频域统计特征量；其中，所述受试者在某一心理诱因下脉搏信号对应的时域特征量与频域统计特征量、心电信号对应的时域特征量与频域统计特征量作为一信号样本；根据所述信号样本对预先建立的三层神经网络进行模型训练，建立所述特征信息分析模型。3.根据权利要求2所述的心理状态识别方法，其特征在于，所述三层神经网络的输入层、输出层分别具有24个神经元节点；所述三层神经网络的输入层函数为：其中，表示输入为x时第二层网络的第j个神经元的激活值；表示隐藏层所有网络层第j个神经元平均激活值；β为神经网络收敛权值，所述三层神经网络的输出层函数为：其中，1{yi＝j}为示性函数，1{值为真的表达式}＝1，1{值为假的表达式}＝0；所述三层神经网络的的误差函数为：其中，为表示第(l-1)层的第i个神经元连接到第l层的第j个神经元的权重；γ为权重衰减项；l为神经网络的层数；hw,b(x(i))为实际应用预测函数关系，x(i)表示神经网络的输入；y(i)表示神经网络的输入x(i)对应的输出；m为数据集中点的个数。4.根据权利要求1所述的心理状态识别方法，其特征在于，所述接收待识别用户的脉搏信号与心电信号之后，包括：滤除所述待识别用户的脉搏信号与心电信号的工频干扰信号、基线漂移干扰信号；采用小波阈值滤波法对滤波后的所述待识别用户的脉搏信号与心电信号进行去噪处理。5.根据权利要求4所述的心理状态识别方法，其特征在于，所述滤除所述待识别用户的脉搏信号与心电信号的工频干扰信号、基线漂移干扰信号，具体包括：通过带阻切比雪夫Ⅱ型滤波器滤除所述待识别用户的脉搏信号或心电信号中的工频干扰信号；通过数字滤波器滤除所述待识别用户的脉搏信号或心电...

【专利技术属性】
技术研发人员：林凡，成杰，张秋镇，张细英，杨峰，李盛阳，
申请(专利权)人：广州杰赛科技股份有限公司，
类型：发明
国别省市：广东,44