【技术实现步骤摘要】
基于维度情感模型的群体情感识别与异常情感检测方法
[0001]本专利技术涉及智能情感识别
,特别涉及基于维度情感模型的群体情感识别与异常情感检测方法。
技术介绍
[0002]近年来,随着人工智能与深度学习、心理科学及认知科学的不断发展,通过计算机来识别、理解、表达和交流人的情感,使计算机具备更全面、更高层次的智能化程度,越来越受到学术界的广泛关注和深入探索。对于智能视频监控技术而言,通过采集场景中人群的语言交流、面部表情、肢体运动,理解和体会他们的喜怒哀乐,分析其情感状态和内心意图,并推断其下一步的行为企图,使计算机随之做出相应的反馈,从而真正具备情感层面的交流能力。作为未来智能监控技术的重要发展方向之一,基于视觉的情感分析和情感识别方法,具有十分重要的学术研究价值。
[0003]当然,人类表达情感的信息媒介有多种渠道,包括文字、语言、面部表情、肢体行为等。虽然语言和面部表情都可以丰富地表达人类情感,但是语音信号在嘈杂的公共场所中很难清晰采集到。同时,考虑到密集场景的高度拥挤和动态变化,现有的视频分析技术很难从拥挤的人群中准确定位每个人的脸部,并精确提取面部表情。因此,基于人脸跟踪和面部特征提取的情感分析,在密集场景中很难达到理想效果。所以,比较可行的途径,是通过分析监控视频中人群的肢体行为来识别和评价群体情感状态。
[0004]值得注意的是,目前学术界对于肢体运动的情感分析,往往将单独的个人作为研究对象,侧重于挖掘和识别个体姿态特征及其情感表达。然而,区别于个体运动,群体行为在主观因素、环境因
【技术保护点】
【技术特征摘要】
1.基于维度情感模型的群体情感识别与异常情感检测方法,其特征在于,包括以下步骤:S1:建立基于群体情感的PAD三维情感模型:包括愉悦度P、激活度A和优势度D三个维度,每个维度的取值均处于
‑
1到+1之间,设置PAD情绪量表进行情绪维度的参考;S2:建立群体行为和群体情感数据集:针对不同场景的视频数据,基于认知心理学原理,通过人工标注的策略,获取标准视频数据集;S3:统计群体情感数据集:根据标准视频数据集,定义视频的情感类型,被标记为同一类情感的视频,将其PAD值归一化到[
‑
1,1]之间,通过计算各个坐标的中心点,确定该类情感在PAD空间中的取值;S4:评价群体情感数据集:检验标注数据是否具有一致性,采用Normplot函数验证分析标注数据是否服从高斯分布,若不服从则输出图像出现弯曲;S5:群体情感识别与异常情感检测:从视频中提取群体运动特征,群体运动中层语义的表达;S6:群体情感特征的提取、回归:采用用支持向量回归机SVR,在训练数据集的支持下,通过寻找最优超平面,在约束其结构化风险最小化的基础上,获得回归函数;S7:异常情感状态的检测:将每个标记样本的PAD值作为输入,通过支持向量机SVM进行训练。2.如权利要求1所述的基于维度情感模型的群体情感识别与异常情感检测方法,其特征在于,所述步骤S2中根据人工标注的策略设计情感标注系统,该系统通过人物模型的面部表情表示P维取值,以心脏的震动程度表示A维取值,以小人的大小来表示D维取值。3.如权利要求1所述的基于维度情感模型的群体情感识别与异常情感检测方法,其特征在于,所述步骤S4判断一致性的方法如下:计算变异系数,统计和评价PAD数据的样本均值μ、样本标准差σ以及变异系数CV三个指标,其中,变异系数的定义为:若变异系数小,则说明验证标注数据一致性低;反之,则说明验证标注数据一致性高。4.如权利要求1所述的基于维度情感模型的群体情感识别与异常情感检测方法,其特征在于,所述步骤S5提取群体运动特征包括前景区域的提取、光流特征的提取、轨迹特征的提取和运动特征的图形化表达;所述前景区域的提取采用改进的ViBE+算法,经检测,第t帧的前景区域表示为R
t
;所述光流特征的提取采用GunnerFarneback的稠密光流场进行视觉表达,对于第t帧图像,像素点(x,y)在横向和纵向的光流偏移量分别为u和v;所述轨迹特征的提取采用了iDT算法,对视频像素点进行密集采集,并通过光流判断跟踪点在下一帧的位置,从而形成跟踪轨迹,表示为T(p1,p2…
p
L
),其中L≤15;所述运动特征的图形化表达采用全局运动强度图、全局运动方向图和全局运动轨迹图三种图形化的特征表达形式。5.如权利要求4所述的基于维度情感模型的群体情感识别与异常情感检测方法,其特征在于,全局运动轨迹图中的每条轨迹均以实线表示,每条轨迹包括三个属性特征<T(p1,p2…
p
L
),L,g
i
>;其中,T(p1,p2…
p
L
)表示构成轨迹的若干跟踪点p
i
的坐标位置,L表示轨迹的长度,g∈[0,255]表示轨迹中第i段的灰度值,g
i
表示如下:<...
【专利技术属性】
技术研发人员:潘磊,王艾,赵欣,刘国春,高大鹏,袁小珂,严宏,马婷,朱建刚,严崇耀,卢志伟,
申请(专利权)人:中国民用航空飞行学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。