一种基于浅层卷积神经网络的情感识别方法及系统技术方案

本发明专利技术属于情感识别技术领域，涉及一种基于浅层卷积神经网络的情感识别方法及系统。通过脑电信号预处理，依据FBCSP特征提取方法设计浅层卷积神经网络，基于训练好的浅层卷积神经网络模型，对预处理后的脑电信号进行分类，得到情感识别结果。结合目前对脑电信号分类效果显著的FBCSP算法和卷积神经网络，并将其应用于情感脑电识别，能够显著提高不同情绪的识别准确率，而且对于不同的被试个体有着更好的泛用性。采用浅层卷积网络对处理后的情感脑电信号进行分类，比传统特征提取方法识别效果更好，在情感识别研究领域有着很好的应用前景。

An emotion recognition method and system based on shallow convolution neural network

【技术实现步骤摘要】
一种基于浅层卷积神经网络的情感识别方法及系统
本专利技术属于情感识别
，涉及一种基于浅层卷积神经网络的情感识别方法及系统。
技术介绍
人的大脑是神经系统的最高级部分，控制着人类的行为举止、思想言行和喜怒哀乐，是人类身体中结构最复杂的部分。探索和揭示大脑功能的奥秘一直是科学家们追逐的梦想和目标。在过去的几十年里，脑科学研究不断取得突破性进展。在1999年的首届国际脑机接口大会中，脑机接口(BCI)这一概念首次被正式提出，通过在人或动物的大脑与外界设备之间建立通讯道路，进行信息交互，直接将脑电信号处理为计算机的控制指令。目前BCI领域的研究方向有很多，均取得了不错的研究成果，比如P300事件相关电位、想象运动脑电、癫痫脑电识别等，情绪脑电识别也是BCI其中的一个热门研究方向。由于情绪的模糊边界，使用传统方法对情绪进行检测识别仍然是一个巨大的挑战，存在着许多问题，而且用于情绪识别的大部分特征、表情、行为举止、言语，甚至心跳等，都能轻易被伪装起来，这类外在特征并不是一定代表着人们心中的真实情绪。相比以上的外在特征，脑电信号等生理信号能更加真实地透露出人的真实状态，如果我们能够通过脑电信本文档来自技高网...

【技术保护点】
1.一种基于浅层卷积神经网络的情感识别方法，其特征在于，包括：S1、获取不同情感状态下的脑电信号，按不同标签进行分类；S2、将所有的脑电信号进行预处理，得到若干个固定时间长度的高信噪比的情感脑电信号；S3、将预处理后的情感脑电信号输入依据FBCSP特征提取方法构建的浅层卷积神经网络中，进行一系列训练，得到浅层卷积神经网络最佳参数，得到训练好的浅层卷积神经网络；S4、基于训练好的浅层卷积神经网络模型，对情感脑电信号分类，得到情感识别结果。

【技术特征摘要】
1.一种基于浅层卷积神经网络的情感识别方法，其特征在于，包括：S1、获取不同情感状态下的脑电信号，按不同标签进行分类；S2、将所有的脑电信号进行预处理，得到若干个固定时间长度的高信噪比的情感脑电信号；S3、将预处理后的情感脑电信号输入依据FBCSP特征提取方法构建的浅层卷积神经网络中，进行一系列训练，得到浅层卷积神经网络最佳参数，得到训练好的浅层卷积神经网络；S4、基于训练好的浅层卷积神经网络模型，对情感脑电信号分类，得到情感识别结果。2.根据权利要求1所述的情感识别方法，其特征在于，脑电信号预处理包括：①、脑电信号样本分离，得到分离后的脑电信号片断；②、去除分离后的脑电信号片断中的坏样本和坏通道；③、脑电信号片断带通滤波及降采样处理；④、独立成分分析与主成分分析；⑤、采用机器学习方法对独立成分与主成分分析分离出的信号源进行判断是否为噪声源，并将噪声源去除。3.根据权利要求2所述的情感识别方法，其特征在于，通过以下计算公式进行判断是否为坏样本：其中：an，c为第n个样本的第c个通道的平均值，mc和σc则分别是c通道所有周期片段的均值以及标准差；设置一个阈值t＝3，当zn，c＞3时，说明该样本的c通道的幅值和整个通道其他周期片段相差很大，会被判定为质量差；对于同一个样本，如果超过20％的通道都被认为质量差，则整个样本将被直接移除，样本数减1；如果不超过20％，该样本会被保留，但是坏通道会被移除且根据周边通道数据进行修复。4.根据权利要求2所述的情感识别方法，其特征在于，坏通道的检测通过计算每个通道与其他通道的最大相关系数来判断，相关系数计算公式如下：X、Y为两个信号，r(X，Y)为两信号的相关系数，Cov(X，Y)为协方差，Var[X]和Var[Y]分别为X、Y的方差；如果某通道超过2％的epochs都出现了与其他通道的相关系数最大值小于0.4的现象，则该通道被判定为坏通道。5.根据权利要求2-4中任一项所述的情感识别方法，其特征在于，所述的带通滤波器频带为0.1-49.5Hz。6.根据权利要求1所述的情感识别方法，其特征在于，还包括步骤：依据FBCSP特征提取方法进行构建浅层卷积神经网络。7.根据权利要求6所述的情感识别方法，其特征在于，浅层卷积神经网络依据FBCSP特征提取方法进行构建，前两层为卷积层，通过不同的卷积核进行特征提取；第一个卷积层用于提取脑电数据的时域特征，相当于时域滤波器，对应着FBCSP算法中的Filterbanks步骤，用于提取不同频率的特征；第二个卷积层用于进行空间特征提取，相当于共同空间模式算法中的空间滤波步骤，将数据投影到另一空间；紧接着两个卷积层输出的是一个平方非线性激活函数和池化层，池化层的激活函数选择的是log激活函数，对应着FBCSP中的log-variance特征提取步骤；最后一层是全连接层加上softmax激活函数，起着分类器的作用。8.根据权利要求7所述的情感识别方法，其特征在于，浅层卷积神经网络包括l0～l4几层结构，其中：l0：该层为输入层，以1-sec脑电信号片...

【专利技术属性】
技术研发人员：吴畏，曾柏泉，齐菲菲，俞祝良，顾正晖，李远清，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44