一种用于情感识别的方法、装置及可穿戴产品制造方法及图纸

本发明专利技术涉及可穿戴技术领域，具体公开了一种用于情感识别的方法，其中，所述用于情感识别的方法包括：获取情绪表情图像；对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；将所述情绪表情图像中的情绪表情与预存的情绪表情包中的情绪表情进行对比，得到情绪判断结果；将所述情绪判断结果发送至上位机进行显示。本发明专利技术还公开了一种用于情感识别的装置及可穿戴产品。本发明专利技术提供的用于情感识别的方法通过对情绪表情图像进行处理，得到情绪判断结果，上位机上显示情绪判断结果可以很好的帮助患有自闭症等认知障碍的人群认知、理解他人的情绪。

A Method, Device and Wearable Product for Emotional Recognition

【技术实现步骤摘要】
一种用于情感识别的方法、装置及可穿戴产品
本专利技术涉及可穿戴
，尤其涉及一种用于情感识别的方法、用于情感识别的装置及包括该用于情感识别的装置的可穿戴产品。
技术介绍
近年来，随着人工智能的发展，其深度学习、情感计算和自适应等技术也纷纷涌现。其中，深度学习在自然语言处理方面，基于海量数据的统计来构建人工神经网络则是一个新的前景，通过大量数据的导入，可能会使人工智能越来越接近正常人类，包括情绪的解读、并极有可能做出与人类相同的反应。情感计算基于海量数据可使机器通过识别面部表情特征（包括局部纹理特征）、人体的姿势特征、说话时的语音语调、皮肤电反应、呼吸、心律、体温、脑电波等，进而像人类一样识别出相关情绪。而如今，人们对情感化设计的要求已不仅仅停留于外观方面包括材质、色彩、形态等，更要求一种精神的沟通，甚至希望人工智能能与他们之间有情感交流。让机器不再是冷冰冰的，甚至能“理解”人类的情感，并像人类对待自己的同伴一样做出相应的反馈是人类共同的愿景。尤其针对患有自闭症、阿斯伯格症、人格障碍、述情障碍、脑微出血、血管性认知障碍伴随情感障碍等其他难以认知他人情绪的人群，能够辅助其认知他人情绪的工具显得至关重要。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种用于情感识别的方法、用于情感识别的装置及包括该用于情感识别的装置的可穿戴产品，以解决现有技术中的问题。作为本专利技术的第一个方面，提供一种用于情感识别的方法，其中，所述用于情感识别的方法包括：获取情绪表情图像；对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；将所述情绪表情图像中的情绪表情与预存的情绪表情包中的情绪表情进行对比，得到情绪判断结果；将所述情绪判断结果发送至上位机进行显示。优选地，所述对所述情绪表情图像进行处理，获得情绪表情图中的情绪表情包括：对所述情绪表情图像进行特征提取，获得情绪表情图像中的情绪表情。优选地，所述对所述情绪表情图像进行特征提取包括基于VGGNet的深度学习算法对所述情绪表情图像进行特征提取。优选地，所述预存的情绪表情包中的情绪表情包括愉悦、悲伤、愤怒、厌恶、诧异、恐惧和轻蔑。作为本专利技术的第二个方面，提供一种用于情感识别的装置，其中，所述用于情感识别的装置包括：获取模块，所述获取模块用于获取情绪表情图像；处理模块，所述处理模块用于对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；对比模块，所述对比模块用于将所述情绪表情图像中的情绪表情与预存的情绪表情包中的情绪表情进行对比，得到情绪判断结果；输出模块，所述输出模块用于将所述情绪判断结果发送至上位机进行显示。作为本专利技术的第三个方面，提供一种可穿戴产品，其中，所述可穿戴产品包括头戴环、设置在所述头戴环上的图像采集装置和前文所述的用于情感识别的装置，所述图像采集装置与所述用于情感识别的装置通信连接，所述图像采集装置能够采集情绪表情图像，并将采集到的所述情绪表情图像发送至所述用于情感识别的装置，所述用于情感识别的装置能够对所述情绪表情图像进行处理后得到情绪判断结果，并将所述情绪判断结果发送至上位机进行显示。优选地，所述头戴环的主体结构包括硅胶，所述硅胶内部设置空腔，所述用于情感识别的装置设置在所述空腔内，所述图像采集装置设置在所述头戴环的外表面。优选地，所述图像采集装置包括摄像头。优选地，所述可穿戴产品还包括通信模块，所述通信模块与所述用于情感识别的装置通信连接，所述通信模块用于实现所述用于情感识别的装置与上位机之间的通信。优选地，所述通信模块包括蓝牙通信模块。本专利技术提供的用于情感识别的方法，通过对情绪表情图像进行处理，得到情绪判断结果，上位机上显示情绪判断结果可以很好的帮助患有自闭症等认知障碍的人群认知、理解他人的情绪。附图说明附图是用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术，但并不构成对本专利技术的限制。在附图中：图1为本专利技术提供的用于情感识别的方法的流程图。图2为本专利技术提供的预存的情绪表情示意图。图3为本专利技术提供的用于情感识别的装置的结构框图。图4为本专利技术提供的可穿戴产品的结构示意图。具体实施方式以下结合附图对本专利技术的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术，并不用于限制本专利技术。作为本专利技术的第一个方面，提供一种用于情感识别的方法，其中，如图1所示，所述用于情感识别的方法包括：S110、获取情绪表情图像；S120、对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；S130、将所述情绪表情图像中的情绪表情与预存的情绪表情包中的情绪表情进行对比，得到情绪判断结果；S140、将所述情绪判断结果发送至上位机进行显示。本专利技术提供的用于情感识别的方法，通过对情绪表情图像进行处理，得到情绪判断结果，上位机上显示情绪判断结果可以很好的帮助患有自闭症等认知障碍的人群认知、理解他人的情绪。具体地，所述对所述情绪表情图像进行处理，获得情绪表情图中的情绪表情包括：对所述情绪表情图像进行特征提取，获得情绪表情图像中的情绪表情。进一步具体地，所述对所述情绪表情图像进行特征提取包括基于VGGNet的深度学习算法对所述情绪表情图像进行特征提取。需要说明的是，采用基于VGGNet的深度学习特征提取方法对人脸图像进行特征提取，与其他经典的人脸识别网络特征进行对比，VGGNet表征人脸特征具有较强的优势。VGGNet的网络特征可以很好的表征多表情的人脸凸显那个，以及在多姿态数据集上人脸姿态水平深度翻转（Yaw）±30°范围内识别效果很好。优选地，如图2所示，所述预存的情绪表情包中的情绪表情包括愉悦、悲伤、愤怒、厌恶、诧异、恐惧和轻蔑。作为本专利技术的第二个方面，提供一种用于情感识别的装置，其中，如图3所示，所述用于情感识别的装置100包括：获取模块110，所述获取模块110用于获取情绪表情图像；处理模块120，所述处理模块120用于对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；对比模块130，所述对比模块130用于将所述情绪表情图像中的情绪表情与预存的情绪表情包中的情绪表情进行对比，得到情绪判断结果；输出模块140，所述输出模块140用于将所述情绪判断结果发送至上位机进行显示。本专利技术提供的用于情感识别的装置，通过对情绪表情图像进行处理，得到情绪判断结果，上位机上显示情绪判断结果可以很好的帮助患有自闭症等认知障碍的人群认知、理解他人的情绪。作为本专利技术的第三个方面，提供一种可穿戴产品，其中，如图4所示，所述可穿戴产品包括头戴环200、设置在所述头戴环200上的图像采集装置300和前文所述的用于情感识别的装置100（图4中未示出），所述图像采集装置300与所述用于情感识别的装置100通信连接，所述图像采集装置300能够采集情绪表情图像，并将采集到的所述情绪表情图像发送至所述用于情感识别的装置100，所述用于情感识别的装置100能够对所述情绪表情图像进行处理后得到情绪判断结果，并将所述情绪判断结果发送至上位机进行显示。本专利技术提供的可穿戴产品，采用了前文的用于情感识别的装置，通过对情绪表情图像进行处理，得到情绪判断结果，上位机上显示情绪判断结果可以很好的帮助患有自闭症等认知障碍的人本文档来自技高网...

【技术保护点】
1.一种用于情感识别的方法，其特征在于，所述用于情感识别的方法包括：获取情绪表情图像；对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；将所述情绪表情图像中的情绪表情与预存的情绪表情包中的情绪表情进行对比，得到情绪判断结果；将所述情绪判断结果发送至上位机进行显示。

【技术特征摘要】
1.一种用于情感识别的方法，其特征在于，所述用于情感识别的方法包括：获取情绪表情图像；对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；将所述情绪表情图像中的情绪表情与预存的情绪表情包中的情绪表情进行对比，得到情绪判断结果；将所述情绪判断结果发送至上位机进行显示。2.根据权利要求1所述的用于情感识别的方法，其特征在于，所述对所述情绪表情图像进行处理，获得情绪表情图中的情绪表情包括：对所述情绪表情图像进行特征提取，获得情绪表情图像中的情绪表情。3.根据权利要求2所述的用于情感识别的方法，其特征在于，所述对所述情绪表情图像进行特征提取包括基于VGGNet的深度学习算法对所述情绪表情图像进行特征提取。4.根据权利要求1至3中任意一项所述的用于情感识别的方法，其特征在于，所述预存的情绪表情包中的情绪表情包括愉悦、悲伤、愤怒、厌恶、诧异、恐惧和轻蔑。5.一种用于情感识别的装置，其特征在于，所述用于情感识别的装置包括：获取模块，所述获取模块用于获取情绪表情图像；处理模块，所述处理模块用于对所述情绪表情图像进行处理，获得情绪表情图像中的情绪表情；对比模块，所述对比模块用于将所述情绪表情图像中的情绪表情与预存的情绪...

【专利技术属性】
技术研发人员：孙滢涛，杨滨，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32