一种基于时空卷积核心块的情绪识别方法技术

本发明专利技术公开一种基于时空卷积核心块的情绪识别方法，应用于人机交互、远程教育、医疗保健等领域，针对现有技术存在的问题，本发明专利技术充分考虑EEG信号的时间维度以及空间维度特征信息，通过融合时间依赖性以及不同电极位置间的空间依赖性来增强情绪识别的准确性；具体的：首先获取DEAP情绪公开数据集并实现数据预处理，采用低通滤波器完成去噪操作，将数据输入STCB_CNN模型进行训练，训练好的模型用于情绪识别；本发明专利技术的方法能达到较高的识别精度。

An emotion recognition method based on spatiotemporal convolution core block

【技术实现步骤摘要】
一种基于时空卷积核心块的情绪识别方法
本专利技术属于人机交互、远程教育、医疗保健等领域，特别涉及一种情感识别技术。
技术介绍
情绪是人类复杂的一种生理反应，积极情绪有助于改善人体健康和工作效率，而消极情绪可能会导致健康问题。如今，情感识别在人机交互、远程教育、医疗保健等诸多科技领域得到了广泛的应用，受到了学术界的广泛关注。目前，有两类不同的方式来识别人类的情绪。①基于非生理数据的情绪识别，该类方法采用语音、面部表情、手势、文本等非生理信号构建分类模型来实现分类。尽管这类方法以非侵入性的方式获取数据，适合于实际应用，但是如果一个人刻意掩盖其真实的情感，这类方式则无法识别用户的真实情绪。②基于生理信号的情绪识别，包括自主神经系统(ANS)信号和中枢神经系统(CNS)信号。ANS方法主要是通过心率、皮肤电导率、呼吸等来识别情绪，然而，这些研究缺乏合理的评价标准和准确性。CNS则主要利用脑电图(EEG)信号对情绪进行分类，该信号属于大脑活动的直接反应，具有良好的时间分辨率。因此，近年来越来越多的学者开始研究基于EEG信号的情绪识别。针对本文档来自技高网...

【技术保护点】
1.一种基于时空卷积核心块的情绪识别方法，其特征在于，包括：/nS1、获取脑电信号；/nS2、对步骤S1获取的脑电信号进行预处理；/nS3、构建神经网络模型；/n所述神经网络模型包括多个时空卷积核心块与至少一个全连接层，所述时空卷积核心块用于提取脑电信号时间维度特征与空间维度特征；所述全连接层根据时空卷积核心块输出的特征进行情绪分类；/nS4、采用步骤S2处理后的数据对神经网络模型进行训练；/nS5、根据步骤S4训练好的神经网络模型进行情绪识别。/n

【技术特征摘要】
1.一种基于时空卷积核心块的情绪识别方法，其特征在于，包括：
S1、获取脑电信号；
S2、对步骤S1获取的脑电信号进行预处理；
S3、构建神经网络模型；
所述神经网络模型包括多个时空卷积核心块与至少一个全连接层，所述时空卷积核心块用于提取脑电信号时间维度特征与空间维度特征；所述全连接层根据时空卷积核心块输出的特征进行情绪分类；
S4、采用步骤S2处理后的数据对神经网络模型进行训练；
S5、根据步骤S4训练好的神经网络模型进行情绪识别。


2.根据权利要求1所述的一种基于时空卷积核心块的情绪识别方法，其特征在于，步骤S2所述预处理具体为采用带通滤波器去除步骤S1所获取的脑电信号中的噪声。


3.根据权利要求2所述的一种基于时空卷积核心块的情绪识别方法，其特征在于，步骤S3所述神经网络模型包括三个...

【专利技术属性】
技术研发人员：刘勇国，朱俊林，杨尚明，李巧勤，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51