识别方法及相关装置制造方法及图纸

本发明专利技术提供识别方法及相关装置。上述方法包括：采集使用者的脑部反应数据；对所述脑部反应数据进行数据处理，得到脑部反应参数值；其中，所述脑部反应数据至少包括眼部反应数据；所述脑部反应参数值至少包括眼部反应参数值；所述眼部反应参数值包括各眼部反应参数对应的参数值；将所述脑部反应参数值输入机器学习模型，由所述机器学习模型输出情感认知的识别结果。在本发明专利技术实施例中，在采集到脑部反应数据后(主要是眼部反应数据)，会对其进行数据处理，得到包含眼部反应参数值的脑部反应参数值，将脑部反应参数值输入机器学习模型，由人工智能算法基于脑部反应参数值进行分析，得到情感认知的识别结果，从而实现了对人类的情感认知的智能化识别。

【技术实现步骤摘要】
识别方法及相关装置
本专利技术涉及计算机领域，特别涉及识别方法及相关装置。
技术介绍
我们一直在努力探求智能化、科学性检测/评估人类大脑的情感认知状况的方法。针对目前脑认知或脑疾病状态的即时解读和长期监测，传统方式上是采用脑电波检测和核磁扫描。然而，脑电波检测主要检测到的是大脑皮层的信号，检测到的很多信号还无法准确解读。至于核磁扫描，其对于人类大脑的情感认知方面的有效信息并不多。
技术实现思路
有鉴于此，本专利技术实施例提供识别方法及相关装置，以对人类的情感认知进行智能化、科学性地识别。为实现上述目的，本专利技术实施例提供如下技术方案：一种识别方法，应用于用户侧，包括：采集使用者的脑部反应数据；对所述脑部反应数据进行数据处理，得到脑部反应参数值；其中，所述脑部反应数据至少包括眼部反应数据；所述脑部反应参数值至少包括眼部反应参数值；所述眼部反应参数值包括各眼部反应参数对应的参数值；将所述脑部反应参数值输入机器学习模型，由所述机器学习模型输出情感认知的识别结果。可选的，所述由所述机器学习模型输出情感认知的识别结果包括：所述机器学习模型根据所述眼部反应参数值和眼部反应参数阈值，识别出情感认知类型以及对应的分值；所述机器学习模型根据所述情感认知类型对应的状态阈值以及所述分值，确定所述情感认知类型对应的状态信息；所述机器学习模型输出识别出的情感认知类型及所对应的状态信息；所述识别结果包括：所述情感认知类型及对应的状态信息。可选的，所述方法还包括：使用所述使用者的眼部反应数据，对所述眼部反应参数阈值进行个性化修正。可选的，所述方法还包括：接收所述使用者输入的校正数据；使用所述校正数据修正情感认知类型、状态信息以及状态阈值中的至少一种。可选的，所述情感认知类型包括情感类型和认知类型中的至少一种；其中：所述情感类型包括：心情子类型和疲劳度子类型；所述认知类型包括注意力子类型和压力子类型；所述机器学习模型是使用带标签的训练样本进行训练的；其中，所述训练样本包括来自健康个体或病患个体的脑部反应参数；所述标签包括心情状态信息标签、疲劳度状态信息标签、注意力状态信息标签和压力状态信息标签。可选的，在训练结束后，所述方法还包括：使用带标签的测试样本测试所述机器学习模型的识别精度和识别速度；所述测试样本；其中，所述测试样本包括来自健康个体或病患个体的脑部反应参数；所述标签包括：心情状态信息标签、疲劳度状态信息标签、注意力状态信息标签和压力状态信息标签；若所述机器学习模型不满足预设条件，执行下述操作中的一种或多种，并重新进行训练：重新选定眼部反应参数；调整所述机器学习模型的权重值；调整状态阈值；调整标签的类型和内容中的至少一种；其中，所述预设条件包括：所述机器学习模型的识别精度不低于精度阈值且识别速度不低于速度阈值。可选的，所述方法还包括：上传情感认知的识别结果以及相应的脑部反应参数值至云端或后台；上传的脑部反应参数值将在训练过程中作为训练样本或测试样本，所述情感认知的识别结果用于标记相应的训练样本或测试样本；或者，上传情感认知的识别结果以及相应的脑部反应数据至云端或后台；上传的脑部反应数据用于生成训练过程中的训练样本或测试样本，所述情感认知的识别结果用于标记相应的训练样本或测试样本；所述云端或后台优化所述机器学习模型后，优化后的机器学习模型将同步至所述用户侧。可选的，所述眼部反应参数包括以下一种或多种：眼睛的对比度和亮度；眼球运动的速度、方向和频率；瞳孔反应的幅度和速度；瞳孔间距；眨眼的速度、幅度和频率；眼部的肌肉收缩情况，所述眼部包括眼周和眉毛。可选的，所述眼部反应数据包括：眼部视频或眼部图像；所述脑部反应数据还包括前脑皮层信号和皮肤电信号中的至少一种；所述脑部反应参数值还包括：前脑皮层参数值和皮肤电参数值中的至少一种；其中，所述前脑皮层参数值包括各前脑皮层参数对应的参数值，所述皮肤电参数值包括各皮肤电参数对应的参数值。一种识别系统，包括采集装置和中央控制系统；所述中央控制系统至少包括识别装置；其中：所述采集装置用于：采集使用者的脑部反应数据；所述识别装置用于：对所述脑部反应数据进行数据处理，得到脑部反应参数值；其中，所述脑部反应数据至少包括眼部反应数据；所述脑部反应参数值至少包括眼部反应参数值；所述眼部反应参数值包括各眼部反应参数对应的参数值；将所述脑部反应参数值输入机器学习模型，由所述机器学习模型输出情感认知的识别结果。可选的，所述中央控制系统还包括云端或后台；所述识别装置还用于：上传情感认知的识别结果以及相应的脑部反应参数值至所述云端或后台；上传的脑部反应参数值将在训练过程中作为训练样本或测试样本，所述情感认知的识别结果用于标记相应的训练样本或测试样本；或者，上传情感认知的识别结果以及相应的脑部反应数据至云端或后台；上传的脑部反应数据用于生成训练过程中的训练样本或测试样本，所述情感认知的识别结果用于标记相应的训练样本或测试样本；所述云端或后台用于：使用带标签的训练样本和测试样本对机器学习模型进行训练；优化后的机器学习模型将同步至所述识别装置。可选的，所述采集装置包括智能终端上的摄像装置，所述识别装置具体为所述智能终端；或者，所述采集装置包括：具有眼部摄像功能的可穿戴式装置；所述识别装置为智能终端。可选的，所述可穿戴式装置包括：采集眼部反应数据的摄像装置；采集前脑皮层信号的前脑皮层信号传感器，以及，采集皮肤电信号的皮肤电信号传感器。可选的，所述可穿戴式智能设备为智能眼镜；所述摄像装置为微型电子摄像头；其中：所述微型电子摄像头设置在所述智能眼镜的镜片与镜柄交界处；所述皮肤电信号传感器设置在镜柄内侧和耳朵接触的部位；所述前脑皮层信号传感器设置在所述镜柄的中部。可选的，所述智能眼镜的镜腿的后内侧为柔性生物电极，所述智能眼镜的两个鼻托为柔性生物电极。一种智能终端，包括：获取单元，用于获取使用者的脑部反应数据；识别单元，用于：对所述脑部反应数据进行数据处理，得到脑部反应参数值；其中，所述脑部反应数据至少包括眼部反应数据；所述脑部反应参数值至少包括眼部反应参数值；所述眼部反应参数值包括各眼部反应参数对应的参数值；将所述脑部反应参数值输入机器学习模型，由所述机器学习模型输出情感认知的识别结果。一种可穿戴式智能设备，包括：采集眼部反应数据的摄像装置；采集前脑皮层信号的前脑皮层信号传感器，以及，采集皮肤电信号的皮肤电信号传感器。可选的，还包括：数据输出装置。可选的，还包括：健康指数监测仪。可选的，所述可穿戴式智能设备为智能眼镜；所述摄像装置为微型电子摄像头；其中：所述微型电子摄像头设置在所述智能眼镜的镜片与镜柄交界处；所述皮肤电信号传感器设置在镜柄内侧和耳朵接触的部位；所述前脑皮层信号传感器设置在所述镜柄的中部。可选的，所述智能眼镜的镜腿的后内侧为柔性生物电极，所述智能眼镜的两个鼻托为柔性生物电极。可选的，还包括：机械休眠开关或定时开关；所述机械休眠开关或定时开关设置在所述智能眼镜的镜腿与镜框连接处。可选的，还包括：触摸屏；所述触摸屏设置在所述镜柄外侧。可选的，还包括：可充电电池。可选的，所述数据输出装置包括蓝牙芯片，所述蓝牙芯片内置于任一镜柄中。可选的，所述数据输出装置包括WiFi芯片。一种存储介质，所述存储介质存储有多条指令，所述指令适于本文档来自技高网...

【技术保护点】
1.一种识别方法，其特征在于，应用于用户侧，包括：采集使用者的脑部反应数据；对所述脑部反应数据进行数据处理，得到脑部反应参数值；其中，所述脑部反应数据至少包括眼部反应数据；所述脑部反应参数值至少包括眼部反应参数值；所述眼部反应参数值包括各眼部反应参数对应的参数值；将所述脑部反应参数值输入机器学习模型，由所述机器学习模型输出情感认知的识别结果。

【技术特征摘要】
1.一种识别方法，其特征在于，应用于用户侧，包括：采集使用者的脑部反应数据；对所述脑部反应数据进行数据处理，得到脑部反应参数值；其中，所述脑部反应数据至少包括眼部反应数据；所述脑部反应参数值至少包括眼部反应参数值；所述眼部反应参数值包括各眼部反应参数对应的参数值；将所述脑部反应参数值输入机器学习模型，由所述机器学习模型输出情感认知的识别结果。2.如权利要求1所述的方法，其特征在于，所述由所述机器学习模型输出情感认知的识别结果包括：所述机器学习模型根据所述眼部反应参数值和眼部反应参数阈值，识别出情感认知类型以及对应的分值；所述机器学习模型根据所述情感认知类型对应的状态阈值以及所述分值，确定所述情感认知类型对应的状态信息；所述机器学习模型输出识别出的情感认知类型及所对应的状态信息；所述识别结果包括：所述情感认知类型及对应的状态信息。3.如权利要求2所述的方法，其特征在于，所述方法还包括：使用所述使用者的眼部反应数据，对所述眼部反应参数阈值进行个性化修正。4.如权利要求2所述的方法，其特征在于，所述方法还包括：接收所述使用者输入的校正数据；使用所述校正数据修正情感认知类型、状态信息以及状态阈值中的至少一种。5.如权利要求1-4任一项所述的方法，其特征在于，所述情感认知类型包括情感类型和认知类型中的至少一种；其中：所述情感类型包括：心情子类型和疲劳度子类型；所述认知类型包括注意力子类型和压力子类型；所述机器学习模型是使用带标签的训练样本进行训练的；其中，所述训练样本包括来自健康个体或病患个体的脑部反应参数；所述标签包括心情状态信息标签、疲劳度状态信息标签、注意力状态信息标签和压力状态信息标签。6.如权利要求5所述的方法，其特征在于，在训练结束后，所述方法还包括：使用带标签的测试样本测试所述机器学习模型的识别精度和识别速度；所述测试样本；其中，所述测试样本包括来自健康个体或病患个体的脑部反应参数；所述标签包括：心情状态信息标签、疲劳度状态信息标签、注意力状态信息标签和压力状态信息标签；若所述机器学习模型不满足预设条件，执行下述操作中的一种或多种，并重新进行训练：重新选定眼部反应参数；调整所述机器学习模型的权重值；调整状态阈值；调整标签的类型和内容中的至少一种；其中，所述预设条件包括：所述机器学习模型的识别精度不低于精度阈值且识别速度不低于速度阈值。7.如权利要求5所述的方法，其特征在于，还包括：上传情感认知的识别结果以及相应的脑部反应参数值至云端或后台；上传的脑部反应参数值将在训练过程中作为训练样本或测试样本，所述情感认知的识别结果用于标记相应的训练样本或测试样本；或者，上传情感认知的识别结果以及相应的脑部反应数据至云端或后台；上传的脑部反应数据用于生成训练过程中的训练样本或测试样本，所述情感认知的识别结果用于标记相应的训练样本或测试样本；所述云端或后台优化所述机器学习模型后，优化后的机器学习模型将同步至所述用户侧。8.如权利要求1所述的方法，其特征在于，所述眼部反应参数包括以下一种或多种：眼睛的对比度和亮度；眼球运动的速度、方向和频率；瞳孔反应的幅度和速度；瞳孔间距；眨眼的速度、...

【专利技术属性】
技术研发人员：李晓涛，李娟，王立平，
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