一种情绪分析方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种情绪分析方法、装置、设备及存储介质，用于提高情绪识别的准确率。所述方法包括：采集用户的目标视频，并提取所述目标视频中的连续N帧；根据所述目标视频中的连续N帧，分别计算累计帧差A

【技术实现步骤摘要】
一种情绪分析方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种情绪分析方法、装置、设备及存储介质。

技术介绍

[0002]情绪还没有明确的物理定义，因此情绪识别只是将特定的生理信息进行归类并匹配到人们共识的情绪词汇的过程。在这种框架下，非接触式心理情绪识别的主流技术是微表情识别，通过视频捕捉脸部特征点的图谱变化与保罗艾克曼的FACS表情库进行比对的方式检测人的情绪。各种多媒体技术广泛普及的文化背景下，大多数情绪词汇与表情相关度较高，容易得到共识。
[0003]采集的生理信息是人脸表情，容易受到人为控制。微表情识别技术单纯判断情绪的存在与否，不能判断情绪的高低程度。艾克曼建立情绪表情库时采集人脸的方法是看图选择对应情绪词汇的方式，存在文化背景的偏差和主观判断误差。看图选词的准确率在欧美文化圈中85%，其他文化圈中仅为58%。情绪是一种心理生理的综合体，微表情技术没有明确的生理机制的支撑。elsys的帧差形式计算头部运动的算法中，对帧差没有区分。像素值发生改变包括运动、边缘光衍射、系统采集误差，因此检测结果受环本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情绪分析方法，其特征在于，所述情绪分析方法包括：采集用户的目标视频，并提取所述目标视频中的连续N帧；根据所述目标视频中的连续N帧，分别计算累计帧差A
N
以及累计次数C
N
；遍历所述累计次数C
N
，并将累计次数相同的累计帧差A
N
进行叠加，得到评估函数E(C)，其中，C为累计次数；根据所述评估函数E(C)，对所述用户进行情绪解析，得到情绪解析结果，其中，所述情绪解析结果包括：稳定或者过激。2.根据权利要求1所述的情绪分析方法，其特征在于，所述累计帧差A
N
的计算公式为：；其中，P
i
是第i帧灰度图，N是总采样帧数。3.根据权利要求1所述的情绪分析方法，其特征在于，所述累计次数C
N
的计算公式为：；其中，，U
i
(x,y)为第i帧的x，y坐标像素灰度值，k为常数，k根据光干扰程度设置为0。4.根据权利要求1所述的情绪分析方法，其特征在于，所述评估函数E(C)的计算公式为：；其中，C为累计次数，C取值为1～N，计算E(C)生成Histogram频数分布图。5.根据权利要求1所述的情绪分析方法，其特征在于，所述根据所述评估函数E(C)，对所述用户进行情绪解析，得到情绪解析结果，其中，所述情绪解析结果包括：稳定或者过激，包括：根据所述评估函数E(C)，对所述用户进行情绪解析；当＞0.6时，输出情绪解析结果为稳定，其中，C
E
是E为最大值的变化次数，总变化量中峰值聚焦度越高稳定性越高；当＞0.7时，输出情绪解析结果为过激，其中，C
E
是最...

【专利技术属性】
技术研发人员：秦永生，申东范，王喆，马志凌，
申请(专利权)人：深圳埃尔姆科技有限公司，
类型：发明
国别省市：