一种情绪识别方法、电子设备及存储介质技术

本发明专利技术实施例公开了一种情绪识别方法、电子设备及存储介质，所述方法包括：获取目标人物观看目标视频时的外周生理信号，对外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征；将外周生理信号特征输入至情绪分布识别模型中，得到目标人物观看目标视频时的情绪分布识别结果。本发明专利技术实施例通过计算目标人物的外周生理信号特征，并将外周生理信号特征输入至情绪分布识别模型，可以较为准确地刻画出目标人物当前的情绪状态。

【技术实现步骤摘要】
一种情绪识别方法、电子设备及存储介质
本专利技术涉及计算机
，具体涉及一种情绪识别方法、电子设备及存储介质。
技术介绍
情绪识别是基于情感计算的情绪识别，是情感计算的一个重要组成部分，情绪识别研究的内容包括面部表情、语音、心率、行为、文本和生理信号识别等方面，通过以上内容来判断用户的情绪状态。从生理信号判断目标人物的情绪是情感计算中的一个重要问题，在人机交互、情感交互等领域有着广泛的应用。相较于传统的脑电信号，外周生理信号更易、更快获得，能够准确表达目标人物的情绪状态。因此，基于外周生理信号的情绪识别方法能实现新的交互和娱乐应用，从而获得更广泛的应用价值。然而，目前还没有基于外周生理信号解决情绪识别问题的方法，同时，现有的情绪识别技术仅仅使用单一情绪，无法准确刻画出目标人物的情绪状态。
技术实现思路
由于现有方法存在上述问题，本专利技术实施例提供一种情绪识别方法、电子设备及存储介质。具体的，本专利技术实施例提供了以下技术方案：第一方面，本专利技术实施例提供了一种情绪识别方法，包括：获取目标人物观看目标视频时的外周生理信号，对所述外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征；将所述外周生理信号特征输入至情绪分布识别模型中，得到目标人物观看目标视频时的情绪分布识别结果；其中，所述情绪分布识别模型是基于第一训练样本集和第二训练样本集，对深度神经网络模型进行训练后得到的，其中，所述第一训练样本集包括预设数量的目标人物在观看目标视频时对应的外周生理信号特征；所述第二训练样本集包括所述预设数量的目标人物在观看目标视频时的真实情绪分布标签。可选的，所述外周生理信号包括皮肤电、心电、皮肤温和心率四种生理通道信号中的至少两种；对所述外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征，包括：对所述皮肤电、心电、皮肤温和心率四种生理通道信号中的至少两种分别进行特征计算，计算所述至少两种生理通道信号分别在时域指定维度上的特征集合以及在频域指定维度上的特征集合；将所述至少两种生理通道信号分别在时域指定维度上的特征集合以及在频域指定维度上的特征集合，作为目标人物观看目标视频时的外周生理信号特征。可选的，皮肤电生理通道信号在时域指定维度上的特征集合包括：最小值，最大值，标准差，方差，平均绝对值，均方根，偏度，峰度，中值，均值，导数平均值，平均下降率，导数中负值占比，局部极小值数量，平均上升时间，三阶矩，四阶矩，五阶矩，六阶矩，一节差分，二阶差分；皮肤电生理通道信号在频域指定维度上的特征集合包括：0～2.4Hz频带中的频谱功率；皮肤温生理通道信号在时域指定维度上的特征集合包括：均值，导数平均值；皮肤温生理通道信号在频域指定维度上的特征集合包括：0～0.1Hz频带中的频谱功率，0.1～0.2Hz频带中的频谱功率；心电生理通道信号在时域指定维度上的特征集合包括：均值，中值，标准差，最小值，最大值，功率；心电生理通道信号在频域指定维度上的特征集合包括：0.1～0.2Hz频带中的频谱功率，0.2～0.3Hz频带中的频谱功率，0.3～0.4Hz频带中的频谱功率；心率生理通道信号在时域指定维度上的特征集合包括：均值，标准差。可选的，所述情绪分布识别结果包括多个单个情绪的组合；或，多个单个情绪的组合以及各单个情绪所占的比重。可选的，还包括：所述情绪分布识别模型的训练步骤；所述情绪分布识别模型的训练步骤，包括：采集预设数量的目标人物在观看目标视频时的外周生理信号，并根据所述外周生理信号计算外周生理信号特征，根据计算得到的外周生理信号特征生成第一训练样本集；通过问卷的方式获取所述预设数量的目标人物在观看目标视频时的真实情绪分布标签，根据所述真实情绪分布标签生成第二训练样本集；基于所述第一训练样本集和所述第二训练样本集，对深度神经网络模型进行训练后得到所述情绪分布识别模型。可选的，所述情绪分布识别模型在训练时对应的损失函数为：LEmotionNet＝λ1Lfeature+λ2Ldistribution；其中，LEmotionNet表示模型损失函数，Lfeature表示情绪重构损失，用于控制情绪重构过程中的信息保持，Ldistribution表示情绪分布的损失，用于控制情绪分布识别中的准确性，λ1表示情绪重构损失的权重，λ2表示情绪分布损失的权重。可选的，情绪重构损失的计算公式为：情绪分布损失的计算公式为：其中，表示目标人物观看目标视频提取的外周生理信号特征，表示网络中自编码器对重构后的特征，表示目标人物观看目标视频的外周生理信号特征输入至情绪分布识别模型后输出的情绪分布识别结果，表示目标人物的真实情绪分布标签。可选的，所述情绪分布识别模型为由自编码器、卷积神经网络和全连接层构建得到的深度神经网络模型；自编码器，用于对第一训练样本集中的关键特征进行选择，以保证解码阶段可以近似重构出输入的信息；卷积神经网络，用于对自编码器重构后的特征进行学习，确定特征之间的关系，最终通过全连接层输出对目标人物的情绪分布的识别结果。第二方面，本专利技术实施例还提供了一种情绪识别装置，包括：特征提取模块，用于获取目标人物观看目标视频时的外周生理信号，对所述外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征；情绪分布识别模块，用于将所述外周生理信号特征输入至情绪分布识别模型中，得到目标人物观看目标视频时的情绪分布识别结果；其中，所述情绪分布识别模型是基于第一训练样本集和第二训练样本集，对深度神经网络模型进行训练后得到的，其中，所述第一训练样本集包括预设数量的目标人物在观看目标视频时对应的外周生理信号特征；所述第二训练样本集包括所述预设数量的目标人物在观看目标视频时的真实情绪分布标签。第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的情绪识别方法。第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的情绪识别方法。由上面技术方案可知，本专利技术实施例提供的一种情绪识别方法，通过对目标人物观看目标视频时的外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征，并将外周生理信号特征输入至情绪分布识别模型中，从而得到目标人物观看目标视频时的情绪分布识别结果。由此可见，本专利技术实施例基于外周生理信号可以快速准确地获得目标人物当前的情绪状态，具有广泛的应用价值。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例本文档来自技高网...

【技术保护点】
1.一种情绪识别方法，其特征在于，包括：/n获取目标人物观看目标视频时的外周生理信号，对所述外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征；/n将所述外周生理信号特征输入至情绪分布识别模型中，得到目标人物观看目标视频时的情绪分布识别结果；/n其中，所述情绪分布识别模型是基于第一训练样本集和第二训练样本集，对深度神经网络模型进行训练后得到的，其中，所述第一训练样本集包括预设数量的目标人物在观看目标视频时对应的外周生理信号特征；所述第二训练样本集包括所述预设数量的目标人物在观看目标视频时的真实情绪分布标签。/n

【技术特征摘要】
1.一种情绪识别方法，其特征在于，包括：
获取目标人物观看目标视频时的外周生理信号，对所述外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征；
将所述外周生理信号特征输入至情绪分布识别模型中，得到目标人物观看目标视频时的情绪分布识别结果；
其中，所述情绪分布识别模型是基于第一训练样本集和第二训练样本集，对深度神经网络模型进行训练后得到的，其中，所述第一训练样本集包括预设数量的目标人物在观看目标视频时对应的外周生理信号特征；所述第二训练样本集包括所述预设数量的目标人物在观看目标视频时的真实情绪分布标签。


2.根据权利要求1所述的情绪识别方法，其特征在于，所述外周生理信号包括皮肤电、心电、皮肤温和心率四种生理通道信号中的至少两种；
对所述外周生理信号进行特征计算，得到目标人物观看目标视频时的外周生理信号特征，包括：
对所述皮肤电、心电、皮肤温和心率四种生理通道信号中的至少两种分别进行特征计算，计算所述至少两种生理通道信号分别在时域指定维度上的特征集合以及在频域指定维度上的特征集合；
将所述至少两种生理通道信号分别在时域指定维度上的特征集合以及在频域指定维度上的特征集合，作为目标人物观看目标视频时的外周生理信号特征。


3.根据权利要求2所述的情绪识别方法，其特征在于，皮肤电生理通道信号在时域指定维度上的特征集合包括：最小值，最大值，标准差，方差，平均绝对值，均方根，偏度，峰度，中值，均值，导数平均值，平均下降率，导数中负值占比，局部极小值数量，平均上升时间，三阶矩，四阶矩，五阶矩，六阶矩，一节差分，二阶差分；
皮肤电生理通道信号在频域指定维度上的特征集合包括：0～2.4Hz频带中的频谱功率；
皮肤温生理通道信号在时域指定维度上的特征集合包括：均值，导数平均值；
皮肤温生理通道信号在频域指定维度上的特征集合包括：0～0.1Hz频带中的频谱功率，0.1～0.2Hz频带中的频谱功率；
心电生理通道信号在时域指定维度上的特征集合包括：均值，中值，标准差，最小值，最大值，功率；
心电生理通道信号在频域指定维度上的特征集合包括：0.1～0.2Hz频带中的频谱功率，0.2～0.3Hz频带中的频谱功率，0.3～0.4Hz频带中的频谱功率；
心率生理通道信号在时域指定维度上的特征集合包括：均值，标准差。


4.根据权利要求1所述的情绪识别方法，其特征在于，所述情绪分布识别结果包括多个单个情绪的组合；或，多个单个情绪的组合以及各单个情绪所占的...

【专利技术属性】
技术研发人员：刘永进，舒叶芷，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11