基于心率变异性的情绪识别方法及其系统技术方案

本发明专利技术提供的一种基于心率变异性的情绪识别方法，包括：S1.将心率数据进行预处理；S2.将预处理后的心率数据进行心率变异特征提取组成特征向量；S3.将特征向量输入至于Stacking模型中进行处理，得到情绪识别结果，通过上述方法，能够基于心率变异性对情绪进行准确识别，在保证准确性的同时，还能够有效提升势识别效率，而且算法及结构适应能力强。而且算法及结构适应能力强。

【技术实现步骤摘要】
基于心率变异性的情绪识别方法及其系统


[0001]本专利技术涉及一种情绪识别方法及系统，尤其涉及一种基于心率变异性的情绪识别方法及系统。

技术介绍

[0002]情绪识别是对他人情绪状态进行识别和解释，传感器技术和深度学习算法的发展使得基于信息融合的情绪识别成为可能，人们可以通过传感器采集和分析心率波动、面部表情、语音语调、手势变化来检测情绪。
[0003]心率是基本生理信号，其特征主要来自于神经系统和内分泌系统，且不受主观意识的控制，能够更加真实地反映出人的情感特征；因为情绪状态的变化直接影响自主神经系统及体液调节，所以个人的情绪变化可以在心率变异性中得到反映体现，即心率变异性能够用来进行情绪识别。
[0004]当前通过分析心率变异性来进行情绪识别的相关技术和方法，存在如下问题：一是由于仅依托本地数据处理，未能运用云计算，所以不但识别效率较低，而且限制了应用范围；二是由于没有应用人工智能技术，未能从复杂多样的情绪特征中训练出有效识别模型，所以不但识别精度较低，而且无法基于机器学习做到持续提升精度。
[0005]因此，为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于心率变异性的情绪识别方法，其特征在于：包括：S1.将心率数据进行预处理；S2.将预处理后的心率数据进行心率变异特征提取组成特征向量；S3.将特征向量输入至于Stacking模型中进行处理，得到情绪识别结果。2.根据权利要求1所述基于心率变异性的情绪识别方法，其特征在于：对心率数据进行预处理包括：对心率数据采用小波变换进行降噪处理；将通过降噪处理后的心率数据进行过滤筛选，过滤掉心率数据中无心跳波形部分，从而得到预处理后的心率数据。3.根据权利要求1所述基于心率变异性的情绪识别方法，其特征在于：步骤S2中，采用pan_tompkin算法进行心率变异特征提取，其中，心率变异特征包括：波峰间隔期的平均值、波峰间隔期的标准差、相邻波峰间隔期差值的均方根、波峰间隔期相差超过50毫秒的个数除以所有波峰间隔期之和、标准单元里的HF能量、标准单元里的LF能量以及HF能量和LF能量的比值；将心率变异特征依次排列形成特征向量。4.根据权利要求1所述基于心率变异性的情绪识别方法，其特征在于：步骤S3中具体包括：将特征向量划分为测试集和训练集；Stacking模型具有两层分类器：将训练集输入至第一层分类器中进行训练处理，然后将第一层分类器的处理结果输入至第二层分类器中并对第二层分类器进行训练处理；将测试集输入至Stacking模型中进行处理，判断Stacking模型是否达到误差要求，如是，则将实时获取的心率数据通过步骤S1和步骤S2处理后输入至训练优化后的Stacking模型中进行处理，得到识别结果。5.一种基于心率变异性的情绪识别系统，其特征在于：包括采集单元、预处理单元以及处理识别单元；所述采集单元，用于获取心率数据并输出；所述预处理单元，与采集单元通信连接，用于接收采集单元输出的心率数据并对心率数据进行预处理；所述处理识别单元，与预处理单元通信连接，用于接收预处理后的心率数据，并依据心率数据识别出情绪类别。6.根据权利要求5所述基于心率变异性的情绪识别系统，其特征在于：所述采...

【专利技术属性】
技术研发人员：李满海，程岳，
申请(专利权)人：数屋重庆人工智能技术研究院有限公司，
类型：发明
国别省市：