【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...
【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
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。