本发明专利技术公开了一种基于非接触生理信号的情绪识别方法及装置，涉及智能识别技术领域。包括：获取待识别的非接触式的情绪感知数据；将情绪感知数据输入到构建好的非接触生理信号检测与应激情绪感知模型；根据情绪感知数据以及非接触生理信号检测与应激情绪感知模型，实现基于非接触生理信号的情绪识别。本发明专利技术设计面向非接触情绪感知验证的认知压力与应激紧张情绪诱发实验，通过分析非接触情感特征与应激情绪之间的关联机制，建立非接触生理信号检测与应激情绪识别模型，实现基于非接触生理信号的情绪感知，与传统生理信号情绪感知方法相比具有非接触的优点；与基于表情语音的情绪感知方法相比，具有生理信号难以自主控制，有望揭示真实情绪的优点。望揭示真实情绪的优点。望揭示真实情绪的优点。
【技术实现步骤摘要】
一种基于非接触生理信号的情绪识别方法及装置
[0001]本专利技术涉及智能识别
，尤其涉及一种基于非接触生理信号的情绪识别方法及装置。
技术介绍
[0002]情感是人类体验的基础，影响着人类生活中认知、感知等多项日常任务。在人工智能的研究中，拥有对情感的识别、分析、理解、表达的能力是必不可少的智能之一。 图灵奖得主Yann LeCun 也强调：“没有情感就不可能拥有智能”。“情感计算”这一概念由麻省理工大学多媒体实验室的Rosalind Picard教授最先提出，并将情感计算定义为“与情感相关的、来源于情感的或能够对情感施加影响的计算”。情感计算在医疗健康、公共安全等方面具有广泛的应用前景，斯坦福大学李飞飞研究组也在2020年的Nature文章中评述了情感计算在医疗心理健康如精神分裂与自杀筛查上的应用。目前，相较于计算机视觉与自然语言理解等其他人工智能领域的研究，情感计算的研究还处于相对未成熟阶段，即对情感信息的获取及情感的识别，是情感计算研究的前提，为进一步分析和理解提供条件。
[0003]情绪感知的通道是多维的，如基于表情、语音都可实现非接触式的情绪感知，表情的识别可通过摄像头成像后结合计算机视觉算法实现，语音亦可通过麦克风采集后结合语音信号处理方法实现。此外，情绪的波动还会通过人体自主神经系统调节引起生理信号的改变，因此可以基于生理信号分析实现对情绪变化的感知。且生理信号中的大多数变化都无法主观控制，不能被隐藏，相比表情、语音等维度，可较好地反映真实情绪状态。
[0004]然而现有的生理情感特征的获取却主要面临着接触式信号采集，限制应用场景的瓶颈。生理信号采集多基于接触式的传感器实现，被试者对信号采集装置的感知或引入额外的情绪，进而影响研究结果，且通常需要事先装置电极贴片等准备工作，限制了应用场景。非接触式无感测量在情感计算领域有着巨大的应用价值。应激反应期间的自主神经活动反映了个体应对突发情境的能力。高压工作环境中（如航空及指挥），通过非接触方法实现对关键岗位工作人员紧张情绪及压力水平的感知对提高安全性至关重要。然而非接触信号却又面临着低信噪比的问题，是基于非接触信号进行情绪感知所面临的核心难点，需要克服运动和光照等引起的噪声挑战。目前尚缺乏可靠有效的非接触式情绪感知方法，亟需对微弱遥测光电容积脉搏信号进行表征与增强，提出生理情感特征的鲁棒提取方法，从而为非接触情绪感知提供关键技术支撑。
技术实现思路
[0005]本专利技术针对现有的生理情感特征的获取却主要面临着接触式信号采集，限制应用场景的瓶颈的问题，以及非接触信号面临着低信噪比的问题，提出了本专利技术。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：
[0007]一方面，本专利技术提供了一种基于非接触生理信号的情绪识别方法，该方法由电子设备实现，该方法包括：
[0008]S1、获取待识别的非接触式的情绪感知数据。
[0009]S2、将情绪感知数据输入到构建好的非接触生理信号检测与应激情绪感知模型。
[0010]S3、根据情绪感知数据以及非接触生理信号检测与应激情绪感知模型，实现基于非接触生理信号的情绪识别。
[0011]可选地，S2中的非接触生理信号检测与应激情绪感知模型的构建过程包括：
[0012]S21、通过完成应激情绪诱发任务，获取被试者的应激情绪数据。
[0013]S22、对应激情绪数据进行非接触生理信号检测，得到非接触脉搏波信号。
[0014]S23、对非接触脉搏波信号进行特征提取，得到非接触情感特征。
[0015]S24、根据应激情绪数据以及非接触情感特征，完成非接触生理信号检测与应激情绪感知模型的构建。
[0016]可选地，S21中的应激情绪诱发任务包括第一阶段认知压力诱发任务以及第二阶段诱发应激紧张情绪任务。
[0017]应激情绪诱发任务还包括压力源；压力源包括社会评估威胁任务、时间压力任务以及响亮的声音反馈任务。
[0018]应激情绪数据包括与视觉成像数据、生理数据和阶段性主观自我报告。
[0019]可选地，S22中的对应激情绪数据进行非接触生理信号检测，得到非接触脉搏波信号，包括：
[0020]通过构建好的时空特征表征学习模型，获取应激情绪数据中的视觉成像数据的原始信号，将原始信号投影到与原始信号正交的平面，通过时空特征表征学习模型中第一层的多个二维卷积权重，学习多种颜色空间变换权重，得到非接触脉搏波信号。
[0021]可选地，S23中的对非接触脉搏波信号进行特征提取，包括：
[0022]对非接触脉搏波信号的心率变异性特征进行提取，以及对非接触脉搏波信号的外周血液动力学信息特征进行提取。
[0023]可选地，对非接触脉搏波信号的心率变异性特征进行提取，包括：
[0024]S231、将非接触脉搏波信号以准周期信号进行建模，非接触脉搏波信号的频率包括平均心率及由心率变异性引起的变化部分。
[0025]S232、构建非接触脉搏波信号的瞬时频率，非接触脉搏波信号的瞬时频率包括平均心率及由心率变异性引起的瞬时频率变化部分。
[0026]S233、采用基于脉冲频率解调的瞬时频率提取方法以及离散能量分析算法，求解得到由心率变异性引起的瞬时频率，完成对非接触脉搏波信号的心率变异性特征提取。
[0027]可选地，基于脉冲频率解调的瞬时频率提取方法，包括：
[0028]采用中心频率为 、高截断频率为 、低截断频率为 的带通滤波器对非接触脉搏波信号的第一谐波进行提取；其中，BW为非接触脉搏波信号的第一谐波的带宽，BW由基波边带的心率变异性信息驱动。
[0029]可选地，对非接触脉搏波信号的外周血液动力学信息特征进行提取，包括：
[0030]对非接触脉搏波信号的周围血容量脉冲波形包络特征进行提取，以及对非接触脉搏波信号的血管舒张收缩运动特征进行提取。
[0031]其中，对非接触脉搏波信号的周围血容量脉冲波形包络特征进行提取，包括进行
高截止频率为0.7Hz和低截止频率为3Hz的巴特沃思滤波，完成对非接触脉搏波信号的周围血容量脉冲波形包络特征提取。
[0032]对非接触脉搏波信号的血管舒张收缩运动特征进行提取，包括进行高截止频率为0.009Hz和低截止频率为0.2Hz的巴特沃思滤波，完成对非接触脉搏波信号的血管舒张收缩运动特征提取。
[0033]可选地，S24中的根据应激情绪数据以及非接触情感特征，完成非接触生理信号检测与应激情绪感知模型的构建，包括：
[0034]S241、对应激情绪数据中的阶段性主观自我报告采用李克特量表进行记录，通过聚类算法将主观自我报告估计评分对应为三个级别的感知应激情绪分数，得到阶段性主观自我报告的真值标签。
[0035]S242、根据阶段性主观自我报告、阶段性主观自我报告的真值标签、非接触脉搏波信号的心率变异性特征以及非接触脉搏波信号的外周血液动力学信息特征，采用数据驱动的方法建立非接触生本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于非接触生理信号的情绪识别方法，其特征在于，所述方法包括：S1、获取待识别的非接触式的情绪感知数据；S2、将所述情绪感知数据输入到构建好的非接触生理信号检测与应激情绪感知模型；S3、根据所述情绪感知数据以及非接触生理信号检测与应激情绪感知模型，实现基于非接触生理信号的情绪识别。2.根据权利要求1所述的方法，其特征在于，所述S2中的非接触生理信号检测与应激情绪感知模型的构建过程包括：S21、通过完成应激情绪诱发任务，获取被试者的应激情绪数据；S22、对所述应激情绪数据进行非接触生理信号检测，得到非接触脉搏波信号；S23、对所述非接触脉搏波信号进行特征提取，得到非接触情感特征；S24、根据所述应激情绪数据以及非接触情感特征，完成非接触生理信号检测与应激情绪感知模型的构建。3.根据权利要求2所述的方法，其特征在于，所述S21中的应激情绪诱发任务包括第一阶段认知压力诱发任务以及第二阶段诱发应激紧张情绪任务；所述应激情绪诱发任务还包括压力源；所述压力源包括社会评估威胁任务、时间压力任务以及响亮的声音反馈任务；所述应激情绪数据包括与视觉成像数据、生理数据和阶段性主观自我报告。4.根据权利要求2所述的方法，其特征在于，所述S22中的对所述应激情绪数据进行非接触生理信号检测，得到非接触脉搏波信号，包括：通过构建好的时空特征表征学习模型，获取所述应激情绪数据中的视觉成像数据的原始信号，将所述原始信号投影到与所述原始信号正交的平面，通过时空特征表征学习模型中第一层的多个二维卷积权重，学习多种颜色空间变换权重，得到非接触脉搏波信号。5.根据权利要求2所述的方法，其特征在于，所述S23中的对所述非接触脉搏波信号进行特征提取，包括：对所述非接触脉搏波信号的心率变异性特征进行提取，以及对所述非接触脉搏波信号的外周血液动力学信息特征进行提取。6.根据权利要求5所述的方法，其特征在于，所述对所述非接触脉搏波信号的心率变异性特征进行提取，包括：S231、将所述非接触脉搏波信号以准周期信号进行建模，所述非接触脉搏波信号的频率包括平均心率及由心率变异性引起的变化部分；S232、构建所述非接触脉搏波信号的瞬时频率，所述非接触脉搏波信号的瞬时频率包括平均心率及由心率变异性引起的瞬时频率变化部分；S23...
【专利技术属性】
技术研发人员：邹博超，马惠敏，
申请(专利权)人：北京科技大学，
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。