因人而异地识别表情的人工智能心理机器人和方法技术

因人而异地识别表情的人工智能心理机器人和方法，包括：平时时间范围获取步骤；平时表情获取步骤；平时情绪识别步骤；待识别表情获取步骤；待识别情绪识别步骤；待识别情绪矫正步骤。上述方法、系统和机器人，充分利用不同人的平时表情与正常情绪之间的关系，来得到不同人正常情绪所对应的平时表情，从而可以得知不同人的表情所代表的真实的情绪。同人的表情所代表的真实的情绪。同人的表情所代表的真实的情绪。

【技术实现步骤摘要】
因人而异地识别表情的人工智能心理机器人和方法


[0001]本专利技术涉及人工智能
，特别是涉及一种因人而异地识别表情的人工智能心理机器人和方法。

技术介绍

[0002]现有技术下，“情绪识别技术使机器人能通过摄像头识别开心、愤怒、惊讶、恶心、害怕、悲伤、中性七种情绪，如果检测到使用者抱有负向情绪，机器人会主动发起聊天。在语言交互中，针对工作、家庭、情感所产生的焦虑、抑郁、愤怒、害怕情绪，机器人能给予使用者心理支持，例如向使用者提供心理知识与初步的心理辅导服务。”[0003]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有技术下，机器人没有区分不同的人的特点，都千偏一律地根据表情进行情绪判断，也就是把所有的人都当成同样的人了，这样必然忽视了不同人之间的差异性，从而导致对情绪判断的结果不准确、偏离实际。
[0004]因此，现有技术还有待于改进和发展。

技术实现思路

[0005]基于此，有必要针对现有技术的缺陷或不足，提供因人而异地识别表情的人工智能心理机器人和方法，在不同人的不同表情常态的基础上通过表情识别情绪，以解决现有技术中在通过表情识别情绪时没有考虑到表情常态的问题。例如，有的运动员天生表情都是很抑郁的样子，也就是说他平时在没有比赛、不是赛前的时候表情一直都是这个样子，在赛前他的表情也是这个样子。在赛前对这个运动员进行表情识别情绪的测试，如果用现有技术，就会误判他赛前心理状态为抑郁，而如果采用本申请的技术，则会正确地判断他赛前心理状态为正常。又例如，有的运动员天生表情都是很快乐的样子，也就是说他平时在没有比赛、不是赛前的时候表情一直都是这个样子，在赛前他的表情变成了不快乐也不抑郁。在赛前对这个运动员进行表情识别情绪的测试，如果用现有技术，就会误判他赛前心理状态为正常，而如果采用本申请的技术，则会正确地判断他赛前心理状态为抑郁。再例如一个非常内向的人，平时的表情看起来都是抑郁，其实他平时并不压抑，如果用现有技术会就识别出他平时也抑郁，而通过本申请的技术会就识别出他的心理状态是正常的。又例如一个非常外向的人，平时的表情看起来非常开心，那他抑郁的时候虽然没有那么开心但看起来和正常人一样，其实他此时已经有抑郁状况了，但通过现有技术会识别出他心理状态正常，而通过本申请的技术会就识别出他的抑郁。也就是说，我们采用被测试者的平时的表情作为参照，就能更准确地判断他的表情的变化，进而通过他表情的变化来识别其情绪的变化，而且假设被测试者平时的情绪为正常情绪，那么就可以推理得出被测试者在被测试时的情绪。
[0006]第一方面，本专利技术实施例提供一种人工智能方法，所述方法包括：
[0007]平时时间范围获取步骤：获取平时所对应的时间范围；
[0008]平时表情获取步骤：在所述时间范围内获取被识别人的平时表情；
[0009]平时情绪识别步骤：通过被识别人的平时表情识别得到被识别人的平时情绪；
[0010]待识别表情获取步骤：获取被识别人的待识别表情；
[0011]待识别情绪识别步骤：通过被识别人的待识别表情识别得到被识别人的待识别情绪；
[0012]待识别情绪矫正步骤：被识别人的待识别情绪与被识别人的平时情绪进行比较，计算被识别人的待识别情绪相对于平时情绪的变化，将平时情绪设置为正常情绪，从而得到矫正后的待识别情绪。
[0013]优选地，所述平时情绪识别步骤具体包括：将被识别人的平时表情的每一个面部图片或视频输入预设情绪识别模型，得到所述每一个面部图片或视频对应的情绪，将每一个面部图片或视频对应的情绪进行加权平均，得到被识别人的平时表情对应的情绪。
[0014]优选地，所述待识别情绪识别步骤具体包括：将被识别人的待识别表情的每一个面部图片或视频输入预设情绪识别模型，得到所述每一个面部图片或视频对应的情绪，将每一个面部图片或视频对应的情绪进行加权平均，得到被识别人的待识别表情对应的情绪。
[0015]优选地，所述待识别情绪矫正步骤具体包括：被识别人的待识别情绪记为Y，被识别人的平时情绪记为X，正常情绪记为P，被识别人的矫正后的待识别情绪记为Q，f为情绪变化计算函数，输入2个情绪到f中，f输出2个情绪之间的变化度，则f(X，Y)＝f(P，Q)，因为X，Y，P均已知，所以可以求解出Q。
[0016]优选地，所述预设情绪识别模型的构建步骤包括：
[0017]数据采集步骤，采集多个人的多个面部表情(采集量越大越好)，将全部或部分面部表情通过人工打上情绪的标签；
[0018]模型初始化步骤：初始化情绪识别模型为深度学习模型或卷积神经网络模型或其它机器学习模型；
[0019]无监督训练步骤：如果所述情绪识别模型支持无监督学习，则将每一面部表情作为输入，对所述情绪识别模型进行无监督训练；
[0020]有监督训练步骤：将每一已经打了情绪标签的面部表情作为输入数据，将所述面部表情的情绪标签作为预期输出数据，对情绪识别模型进行有监督训练；
[0021]测试步骤：对训练后的所述情绪识别模型进行测试，如果测试通过，则将所述情绪识别模型作为所述预设的情绪识别模型，如果测试没有通过，则采集更多的面部表情并打标签后对所述情绪识别模型重新进行训练。
[0022]优选地，所述平时表情获取步骤还包括：
[0023]同类表情代替步骤：若在所述时间范围内被识别人的平时表情获取失败，则获取与被识别人属于同一小类的人的平时表情作为被识别人的平时表情，若与被识别人属于同一小类的人的平时表情获取失败，则获取与被识别人属于同一大类的人的平时表情作为被识别人的平时表情，若与被识别人属于同一大类的人的平时表情获取失败，则获取与被识别人属于同一更大类的人的平时表情作为被识别人的平时表情，如此类推进行预设次尝试或一直尝试直至获取成功；
[0024]亲属表情代替步骤：若在所述时间范围内被识别人的平时表情获取失败，且与被
识别人属于同一类的人的平时表情也获取失败，则获取与被识别人有亲缘关系的人的平时表情作为被识别人的平时表情。
[0025]优选地，所述采集的多个人的多个面部表情是任意人的面部表情，不是针对特定人群做出的表情采集，所述通过人工打上情绪的标签对人工对普通人群通过通常的判断得到情绪状态，不是针对特定人群做出的情绪判断得到情绪状态。
[0026]第二方面，本专利技术实施例提供一种人工智能系统，所述系统包括：
[0027]平时时间范围获取模块：获取平时所对应的时间范围；
[0028]平时表情获取模块：在所述时间范围内获取被识别人的平时表情；
[0029]平时情绪识别模块：通过被识别人的平时表情识别得到被识别人的平时情绪；
[0030]待识别表情获取模块：获取被识别人的待识别表情；
[0031]待识别情绪识别模块：通过被识别人的待识别表情识别得到被识别人的待识别情绪；
[0032]待识别情绪矫正模块：被识别人的待识别情绪与被识别人的平时情绪进行比较，计算被识别人的待识别情绪相对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能方法，其特征在于，所述方法包括：平时时间范围获取步骤：获取平时所对应的时间范围；平时表情获取步骤：在所述时间范围内获取被识别人的平时表情；平时情绪识别步骤：通过被识别人的平时表情识别得到被识别人的平时情绪；待识别表情获取步骤：获取被识别人的待识别表情；待识别情绪识别步骤：通过被识别人的待识别表情识别得到被识别人的待识别情绪；待识别情绪矫正步骤：被识别人的待识别情绪与被识别人的平时情绪进行比较，计算被识别人的待识别情绪相对于平时情绪的变化，将平时情绪设置为正常情绪，从而得到矫正后的待识别情绪。2.根据权利要求1所述的人工智能方法，其特征在于，所述平时情绪识别步骤具体包括：将被识别人的平时表情的每一个面部图片或视频输入预设情绪识别模型，得到所述每一个面部图片或视频对应的情绪，将每一个面部图片或视频对应的情绪进行加权平均，得到被识别人的平时表情对应的情绪。3.根据权利要求1所述的人工智能方法，其特征在于，所述待识别情绪识别步骤具体包括：将被识别人的待识别表情的每一个面部图片或视频输入预设情绪识别模型，得到所述每一个面部图片或视频对应的情绪，将每一个面部图片或视频对应的情绪进行加权平均，得到被识别人的待识别表情对应的情绪。4.根据权利要求1所述的人工智能方法，其特征在于，所述待识别情绪矫正步骤具体包括：被识别人的待识别情绪记为Y，被识别人的平时情绪记为X，正常情绪记为P，被识别人的矫正后的待识别情绪记为Q，f为情绪变化计算函数，输入2个情绪到f中，f输出2个情绪之间的变化度，则f(X，Y)＝f(P，Q)，因为X，Y，P均已知，所以可以求解出Q。5.根据权利要求2或3所述的人工智能方法，其特征在于，所述预设情绪识别模型的构建步骤包括：数据采集步骤，采集多个人的多个面部表情，将全部或部分面部表情通过人工打上情绪的标签；模型初始化步骤：初始化情绪识别模型为深度学习模型或卷积神经网络模型或其它机器学习模型；无监督训练步骤：如果所述情绪识别模型支持无监督学习，则将每一面部表情作为输入，对所述情绪识别模型进行...

【专利技术属性】
技术研发人员：朱定局，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：