一种应用于特定场景的语气反馈识别技术方法技术

本发明专利技术公开的一种应用于特定场景的语气反馈识别技术方法，包括识别模型训练部分和识别模型工作部分，所述识别模型训练部分包括：训练样本采集模块、第一特征提取模块、第二特征提取模块、第一语气识别模型、用户反馈调节模块、第二语气识别模型，所述识别模型工作部分包括：语气反馈数据采集模块、第三特征提取模块、语气模型数据库、第三语气识别模型、语气与反馈对应关系模块和动作执行模块。本发明专利技术所述的一种应用于特定场景的语气反馈识别技术方法，主要利用识别模型训练部分采集样本数据，并经过反馈、标定、调节、结合形成语气模型数据库，最终通过识别模型工作部分通过执行模块输出动作，实现具体应用。

A method of mood feedback recognition applied to specific scenes

The invention discloses a mood feedback recognition technical method applied to a specific scene, which includes a recognition model training part and a recognition model working part. The recognition model training part includes: a training sample collection module, a first feature extraction module, a second feature extraction module, a first mood recognition model, a user feedback adjustment module and a second mood recognition model The working part of recognition model includes: mood feedback data collection module, the third feature extraction module, mood model database, the third mood recognition model, mood and feedback corresponding relationship module and action execution module. The method of mood feedback recognition applied to a specific scene mainly uses the recognition model training part to collect sample data, and forms a mood model database through feedback, calibration, adjustment and combination. Finally, the specific application is realized through the recognition model working part to output actions through the implementation of the module.

【技术实现步骤摘要】
一种应用于特定场景的语气反馈识别技术方法
本专利技术涉及养老系统领域，特别涉及一种应用于特定场景的语气反馈识别技术方法。
技术介绍
在医疗行业，越来越多的先进技术被用来为患者和医护人员提供便利与提高康复效率，我们国家已经进入老龄化社会，对康复设备的需求呈指数式增长，尤其是智能康复设备，但是相对于其他智能设备，智能康复设备发展较为缓慢，随着近年来云计算、大数据和人工智能的快速发展，语音识别与图像识别技术逐渐在智能设备上落地，同时也慢慢在智能医疗康复设备上得以应用，但目前的语音识别技术大都仅对语音的内容进行识别，无法准确识别用户的语气，尤其是对带语气的语气词、语气助词或感叹词的识别目前仍是技术盲区。在人类语言的表述和交流过程中，我们可以通过语调、重音、语境等很轻松的体现出“语气”和情感，以正确表达我们的真实意图，但在计算机中，要准确识别人类的语气和情感意图，尤其是仅有单个字、单个词的语言场景中，绝非易事，但这种需求在一些特殊应用领域却有极其强烈，比如智能康复医疗设备应用领域。对于智能康复医疗设备而言，可以很容易地把语音内容识别技术融入到设备中，使得用户能跟医生问诊一样与设备进行交流，使得设备获取更多的用户需求信息，但对于一些康复类医疗设备，其需要非常及时地获取用户的反馈，否则将会带来生命财产的损失，但由于大多数人在遭受到潜在威胁或者直接伤害时，并不会通过带完整句子的语言来表达，也不会及时地去按停止或其他反馈按键，人们往往通过带有强烈语气色彩的单字、单词或语气词来快速表达，在此时便需要一种能够准确识别用户语气反馈的方法技术来解决这一需求。
技术实现思路
本专利技术的主要目的在于提供一种应用于特定场景的语气反馈识别技术方法，可以有效解决
技术介绍
中问题。为实现上述目的，本专利技术采取的技术方案为：一种应用于特定场景的语气反馈识别技术方法，包括识别模型训练部分和识别模型工作部分，所述识别模型训练部分包括：训练样本采集模块、第一特征提取模块、第二特征提取模块、第一语气识别模型、用户反馈调节模块、第二语气识别模型，所述识别模型工作部分包括：语气反馈数据采集模块、第三特征提取模块、语气模型数据库、第三语气识别模型、语气与反馈对应关系模块和动作执行模块。优选的，所述识别模型训练部分为非必要部分，其作用是为了更准确的适应用户个体，以增加反馈实时性与准确率，并增加用户体验感。优选的，所述语气反馈数据采集模块可将所识别采集到的语气形成文字标签保存，方便查询与追溯；所述文字标签可以是语气词本意文字，亦可以是附带有描述说明的短语标签。优选的，所述语气反馈数据采集模块（包括训练样本采集模块）包含数据处理部分，其数据处理过程为：首先将声音模拟信号转换为计算机能够处理的数字信号（A/D转换）；随后对信号进行数字滤波降噪处理，采用卡尔曼滤波或粒子滤波等滤波算法去除无效的杂音；再然后通过加权算法对对应部分（语气或情感表达的句子的首尾部分）进行突出加权，体现特征；最终将时域中的声音信号转换为更好地反应声音特征的频域信号（离散傅里叶变换）。优选的，所述数据处理部分中涉及到多种已有算法，根据具体特征内容具有不同的算法组合；示例的算法可以是各种聚类分析算法如支持向量机（SVM）、高斯混合模型（GMM）等。优选的，所述语气反馈识别算法模型可以是多种已有算法模型的融合，这些算法模型根据语气反馈识别特征做深度适配，示例的算法可以是DNN、CNN、TDNN等神经网络算法。优选的，所述动作执行模块所在的设备在运行过程中可以不断地获取用户语音样本以及相应的动作反馈，系统可以将这类数据样本的特征提取出来统一整理到数据库中，数据库中的特征样本数量越多，算法模型得到的训练就越完善，所输出的结果就会越准确，设备安全系数会越高，用户体验感便会越好。优选的，本特定场景的语气反馈识别技术方法，除了应用到特定的应用场景外，还可以作为一种语音识别的补充技术，回馈到语音识别中，从而提高自然语言识别的准确度，尤其是语义识别的准确度，比如相同文字的句子结合不同的语气可以表达不同的语义，当本特定场景的语气反馈识别技术方法所建立的数据特征样本库足够大时，在一些通用的场景中同样可以作为语气识别的一种技术方法，从而增强人机交互体验。与现有技术相比，本专利技术具有如下有益效果：该特定场景的语气反馈识别技术方法通过设置由识别模型训练部分和识别模型工作部分两大部分组成的完整系统，利用识别模型训练部分采集样本数据，并经过反馈、标定、调节、结合形成语气模型数据库，最终通过识别模型工作部分通过执行模块输出动作，实现具体应用。附图说明图1为本专利技术一种应用于特定场景的语气反馈识别技术方法的系统结构以及流程简图；图2为本专利技术一种应用于特定场景的语气反馈识别技术方法的识别模型训练部分工作流程图；图3为本专利技术一种应用于特定场景的语气反馈识别技术方法在智能医疗康复设备上的应用实例流程图；图4为本专利技术一种应用于特定场景的语气反馈识别技术方法的音频数据处理示例图。具体实施方式为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。如图1-4所示，一种应用于特定场景的语气反馈识别技术方法，包括识别模型训练部分和识别模型工作部分，所述识别模型训练部分包括：训练样本采集模块、第一特征提取模块、第二特征提取模块、第一语气识别模型、用户反馈调节模块、第二语气识别模型，所述识别模型工作部分包括：语气反馈数据采集模块、第三特征提取模块、语气模型数据库、第三语气识别模型、语气与反馈对应关系模块和动作执行模块；识别模型训练部分为非必要部分，其作用是为了更准确的适应用户个体，以增加反馈实时性与准确率，并增加用户体验感；语气反馈数据采集模块可将所识别采集到的语气形成文字标签保存，方便查询与追溯；所述文字标签可以是语气词本意文字，亦可以是附带有描述说明的短语标签；语气反馈数据采集模块（包括训练样本采集模块）包含数据处理部分，其数据处理过程为：首先将声音模拟信号转换为计算机能够处理的数字信号（A/D转换）；随后对信号进行数字滤波降噪处理，采用卡尔曼滤波或粒子滤波等滤波算法去除无效的杂音；再然后通过加权算法对对应部分（语气或情感表达的句子的首尾部分）进行突出加权，体现特征；最终将时域中的声音信号转换为更好地反应声音特征的频域信号（离散傅里叶变换）；数据处理部分中涉及到多种已有算法，根据具体特征内容具有不同的算法组合；示例的算法可以是各种聚类分析算法如支持向量机（SVM）、高斯混合模型（GMM）等；语气反馈识别算法模型可以是多种已有算法模型的融合，这些算法模型根据语气反馈识别特征做深度适配，示例的算法可以是DNN、CNN、TDNN等神经网络算法；动作执行模块所在的设备在运行过程中可以不断地获取用户语音样本以及相应的动作反馈，系统可以将这类数据样本的特征提取出来统一整理到数据库中，数据库中的特征样本数量越多，算法模型得到的训练就越完善，所输出的结果就会越准确，设备安本文档来自技高网...

【技术保护点】
1.一种应用于特定场景的语气反馈识别技术方法，其特征在于：包括识别模型训练部分和识别模型工作部分，所述识别模型训练部分包括：训练样本采集模块、第一特征提取模块、第二特征提取模块、第一语气识别模型、用户反馈调节模块、第二语气识别模型，所述识别模型工作部分包括：语气反馈数据采集模块、第三特征提取模块、语气模型数据库、第三语气识别模型、语气与反馈对应关系模块和动作执行模块。/n

【技术特征摘要】
1.一种应用于特定场景的语气反馈识别技术方法，其特征在于：包括识别模型训练部分和识别模型工作部分，所述识别模型训练部分包括：训练样本采集模块、第一特征提取模块、第二特征提取模块、第一语气识别模型、用户反馈调节模块、第二语气识别模型，所述识别模型工作部分包括：语气反馈数据采集模块、第三特征提取模块、语气模型数据库、第三语气识别模型、语气与反馈对应关系模块和动作执行模块。


2.根据权利要求1所述的一种应用于特定场景的语气反馈识别技术方法，其特征在于：所述识别模型训练部分为非必要部分，其作用是为了更准确的适应用户个体，以增加反馈实时性与准确率，并增加用户体验感。


3.根据权利要求1所述的一种应用于特定场景的语气反馈识别技术方法，其特征在于：所述语气反馈数据采集模块可将所识别采集到的语气形成文字标签保存，方便查询与追溯；所述文字标签可以是语气词本意文字，亦可以是附带有描述说明的短语标签。


4.根据权利要求3所述的一种应用于特定场景的语气反馈识别技术方法，其特征在于：所述语气反馈数据采集模块（包括训练样本采集模块）包含数据处理部分，其数据处理过程为：首先将声音模拟信号转换为计算机能够处理的数字信号（A/D转换）；随后对信号进行数字滤波降噪处理，采用卡尔曼滤波或粒子滤波等滤波算法去除无效的杂音；再然后通过加权算法对对应部分（语气或情感表达的句子的首尾部分）进行突出加权，体现特征；最终将时域中的声音信号转换为更好地反应声音特征的频域信号（离散傅里叶变换）。

【专利技术属性】
技术研发人员：谢锋，李璟，张意，黄胜男，
申请(专利权)人：常州市小先信息技术有限公司，
类型：发明
国别省市：江苏;32