一种基于传感器数据的情绪识别方法和系统技术方案

本发明专利技术公开了一种基于传感器数据的情绪识别方法和系统，通过已知情绪状态下的传感器数据，建立基于自注意力机制的深度神经网络模型，然后通过对网络模型训练、验证和测试，确定网络模型的超参数，得到最终模型；然后将待识别传感器数据输入最终模型内，从而得到情绪识别结果。本发明专利技术采用上述情绪识别方法和系统，充分挖掘利用传感器数据中的有效信息及深层次信息，提高情绪识别效率及准确率。提高情绪识别效率及准确率。

【技术实现步骤摘要】
一种基于传感器数据的情绪识别方法和系统


[0001]本专利技术涉及情绪识别
，尤其是涉及一种基于传感器数据的情绪识别方法和系统。

技术介绍

[0002]情绪是有机体在特定对象或场景的刺激下产生的心理和生理状态的一系列反应，是对有机体内、外环境中的信息进行综合评价的结果。因而，综合考察与分析个体的内、外环境，对于情绪的准确识别具有重要作用。
[0003]随着互联网的发展以及搭载各类传感器的智能设备的广泛普及，智能设备内置的各种传感器可有效获取用户生理信号（表征内部环境）和周围环境信息（表征外部环境），例如，智能设备中的生理信号传感器可以采集个体的脑电、心电、皮肤电和肌电等，加速度传感器可以获取个体的物理运动状态，GPS传感器可以获得个体所处的地理位置，声音传感器、光线传感器和温度传感器等可以检测个体所处的环境状况。因此，智能设备传感器数据可用于推断用户个人的情绪状态。
[0004]已有专利技术使用传统机器学习进行基于传感器数据的情绪识别技术，主要取决于人工提取特征的有效性，既耗时又需要领域相关知识，限制了其实际应用。此外，人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于传感器数据的情绪识别方法，其特征在于，包括以下步骤：S1、数据采集，通过智能设备中的传感器采集用户在不同情绪状态的数据；S2、数据处理，对传感器采集的数据依次进行预处理、标签制作以及数据集划分，形成训练集、验证集和测试集；S3、模型搭建，构建基于自注意力机制的深度神经网络模型，深度神经网络模型包括融合CNN网络和BLSTM网络的双通道特征学习层、注意力机制层和Softmax分类层；S4、模型训练，使用训练集对上述网络模型进行训练，训练过程使用交叉熵损失函数，并通过Adam算子进行优化；使用验证集对训练后的网络模型进行验证，确定网络模型的超参数，得到最终模型；使用测试集对最终模型的预测精准度进行测试；S5、情绪识别，将待识别的传感器数据输入最终模型中，并输出情绪识别结果。2.根据权利要求1所述的基于传感器数据的情绪识别方法，其特征在于：步骤S1中，所述传感器包括生理信号传感器、加速度传感器、陀螺仪传感器、重力传感器、GPS传感器、声音传感器、光线传感器和温度传感器；所述情绪状态包括高兴、惊讶、生气、厌恶、悲伤和恐惧六种基本情绪。3.根据权利要求1所述的基于传感器数据的情绪识别方法，其特征在于：步骤S2中，所述预处理包括缺失值处理、同频处理、移动均值滤波降噪、小波阈值去噪、归一化...

【专利技术属性】
技术研发人员：梁佩鹏，钟国强，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：