情感分析方法以及系统技术方案

本发明专利技术公开了一种情感分析方法以及系统，该方法包括：获取与目标用户相对应的生理信号；其中，生理信号中包括脑电信号以及肌电信号；获取与目标用户对应的面部图像信息；将生理信号以及面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果基于生理信号识别结果以及微表情识别结果，确定与目标用户对应的情感分析结果。本发明专利技术实施例的技术方案，解决了现有技术中人为确定目标用户当前状态信息，存在一定的误差以及人力成本较高的技术问题，实现了快速、准确的确定用户当前状态，并且降低了人力成本的技术效果。

Emotion analysis method and system

【技术实现步骤摘要】
情感分析方法以及系统
本专利技术实施例涉及智能识别
，尤其涉及一种情感分析方法以及系统。
技术介绍
微表情是一种持续时间短的表情，表达了用户试图压抑与隐藏的真正情感。由于微表情是用户试图压抑或隐藏真实情感，因此泄露的时间非常短暂，并且不能自主控制，因此可以作为识别谎言，或者判断用户当前状态的有效线索。现有技术基于用户的微表情确定用户的当前状态，主要是在被测试用户在回答问题的过程中，测试人员通过观察被测试用户的表情信息，来确定被测试用户当前的状态信息。采用此种方式确定用户当前状态时，由于需要人为观察，因此得到的结果与实际状态往往因人而异，可能存在一定的差异，而且存在人力成本较高以及准确率较低的技术问题。
技术实现思路
本专利技术实施例提供一种情感分析方法以及系统，以实现快速、准确确定目标用户当前的情感状态的技术效果。第一方面，本专利技术实施例提供了一种情感分析方法，该方法包括：获取与目标用户相对应的生理信号；其中，所述生理信号中包括脑电信号以及肌电信号；获取与所述目标用户对应的面部图像信息；将所述生理信号以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果；基于所述生理信号识别结果以及微表情识别结果，确定与所述目标用户对应的情感分析结果。进一步的，获取与所述目标用户对应的面部图像信息，包括：通过至少一个摄像头采集目标用户的面部视频序列，获取所述面部视频序列中的面部图像信息。进一步的，所述将所述生理信号以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果，包括：将同一时刻采集到的面部图像信息输入至预先训练的多尺度特征加权网络中，得到与所述面部图像信息相对应的加权空间特征；将所述面部视频序列的空间特征输入到预先训练的卷积长短时记忆网络中，得到与目标用户相对应的微表情识别结果。进一步的，所述方法还包括：利用光流估计网络提取面部视频序列的光流特征；将所述面部图像信息划分为至少两个特征区域，根据所述光流特征和所述特征区域对所述面部图像信息进行标注。进一步的，所述将所述生理信号、以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果，包括：将同一时刻采集到的生理信号输入至预先训练好的深度信念网络中，得到与所述目标用户对应的高层生理特征；将所述高层生理特征输入至预先训练好的多核支持向量机中，得到与目标用户相对应的生理信号识别结果。进一步的，所述肌电信号包括与所述目标用户对应的面部肌电信号；所述获取与目标用户相对应的生理信号包括：基于面部肌电信号采集模块，分别采集目标用户的眼部肌电信号、嘴部肌电信号、眉毛肌电信号以及喉结肌电信号。进一步的，所述方法还包括：基于皮肤表层传感器，检测目标用户的表皮信息，其中，所述表皮信息中包括体表温度变化和汗毛信息；基于所述表皮信息，确定所述目标用户在不同时刻的状态信息；根据所述状态信息，更新与所述目标用户对应的生理信号识别结果以及微表情识别结果。进一步的，所述基于所述生理信号识别结果以及微表情识别结果，确定与所述目标用户对应的情感分析结果，包括：分别对所述生理信号识别结果以及微表情识别结果进行加权，根据加权后得到的结果确定与所述目标用户对应的情感分析结果。进一步的，所述分别对所述生理信号识别结果以及微表情识别结果进行加权，包括下述中的至少一项：根据所述目标用户的属性信息分别对所述生理信号识别结果以及微表情识别结果进行加权，其中，所述属性信息包括年龄、性别、职业以及所处的环境中的至少一种；根据所述目标用户的所述生理信号识别结果以及微表情识别结果在至少两个信号采集阶段的差异，分别对所述生理信号识别结果以及微表情识别结果进行加权。第二方面，本专利技术实施例还提供了一种情感分析系统，该系统包括：生理信号采集模块，用于获取与目标用户相对应的生理信号；其中，所述生理信号中包括脑电信号以及肌电信号；面部图像信息采集模块，用于获取与所述目标用户对应的面部图像信息；分类识别模块，用于将所述生理信号、以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果；情感分析模块，用于基于所述生理信号识别结果以及微表情识别结果，确定与所述目标用户对应的情感分析表。进一步的，所述生理信号采集模块包括：脑电采集模块和肌电采集模块，其中，所述脑电采集模块，用于通过目标用户佩戴的至少16通道的电极帽采集所述目标用户的脑电信号，并显示所述脑电信号；所述肌电采集模块，包括至少7个电极，分别设置于所述目标用户双眼的两侧、下侧、嘴角位置以及颈部，用于采集所述目标用户的眼部肌电信号、嘴部肌电信号、眉毛肌电信号以及喉结肌电信号。进一步的，所述生理信号采集模块还包括：心电采集模块，用于采集所述目标用户的心电信号。进一步的，所述面部图像信息采集模块包括通过至少一个摄像头，用于采集目标用户的面部视频序列。进一步的，所述情感分析系统还包括：声音采集模块，用于采集目标用户的声音信息。第三方面，本专利技术实施例还提供了一种设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例任一所述的情感分析方法。第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本专利技术实施例任一所述的情感分析方法。本专利技术实施例的技术方案，通过获取与目标用户相对应的生理信号；其中，生理信号中包括脑电信号以及肌电信号；获取与目标用户对应的面部图像信息；将生理信号以及面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果；基于生理信号识别结果以及微表情识别结果，确定与目标用户对应的情感分析结果，解决了现有技术中需要通过人为观察去确定与用户的情感，得到的情感分析结果存在准确率较低的技术问题，实现了基于预先训练的模型对目标用户的生理信号以及面部图像信息分析处理，得到与目标用户对应的情感分析结果，提高了判断用户当前情感的准确性以及便捷性的技术效果。附图说明为了更加清楚地说明本专利技术示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本专利技术所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。图1本专利技术实施例一所提供的一种情本文档来自技高网...

【技术保护点】
1.一种情感分析方法，其特征在于，包括：/n获取与目标用户相对应的生理信号；其中，所述生理信号中包括脑电信号以及肌电信号；/n获取与所述目标用户对应的面部图像信息；/n将所述生理信号以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果；/n基于所述生理信号识别结果以及微表情识别结果，确定与所述目标用户对应的情感分析结果。/n

【技术特征摘要】
1.一种情感分析方法，其特征在于，包括：
获取与目标用户相对应的生理信号；其中，所述生理信号中包括脑电信号以及肌电信号；
获取与所述目标用户对应的面部图像信息；
将所述生理信号以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果；
基于所述生理信号识别结果以及微表情识别结果，确定与所述目标用户对应的情感分析结果。


2.根据权利要求1所述的方法，其特征在于，获取与所述目标用户对应的面部图像信息，包括：
通过至少一个摄像头采集目标用户的面部视频序列，获取所述面部视频序列中的面部图像信息。


3.根据权利要求2所述的方法，其特征在于，所述将所述生理信号以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果，包括：
将同一时刻采集到的面部图像信息输入至预先训练的多尺度特征加权网络中，得到与所述面部图像信息相对应的加权空间特征；
将所述面部视频序列的空间特征输入到预先训练的卷积长短时记忆网络中，得到与目标用户相对应的微表情识别结果。


4.根据权利要求3所述的方法，其特征在于，还包括：
利用光流估计网络提取面部视频序列的光流特征；
将所述面部图像信息划分为至少两个特征区域，根据所述光流特征和所述特征区域对所述面部图像信息进行标注。


5.根据权利要求1所述的方法，其特征在于，所述将所述生理信号、以及所述面部图像信息分别输入至预先训练好的至少一个目标分类模型中，得到与目标用户相对应的生理信号识别结果以及微表情识别结果，包括：
将同一时刻采集到的生理信号输入至预先训练好的深度信念网络中，得到与所述目标用户对应的高层生理特征；
将所述高层生理特征输入至预先训练好的多核支持向量机中，得到与目标用户相对应的生理信号识别结果。


6.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：王磊，李扬，张晓阳，王琳琳，
申请(专利权)人：中国医学科学院生物医学工程研究所，
类型：发明
国别省市：天津;12