基于多模态融合的情绪认知分析方法及装置制造方法及图纸

本发明专利技术公开了基于多模态融合的情绪认知分析方法及装置，方法包括收集用户的面部图像数据、语音数据以及文本数据；根据用户的面部图像数据、语音数据以及文本数据生成3D动画的情绪表情面孔；标记情绪表情面孔的情绪状态；将情绪表情面孔展示给用户；用户对展示的情绪表情面孔进行情绪状态判断；将用户判断的情绪状态与标记的情绪状态进行比较，以得到比较结果；根据比较结果对情绪表情面孔进行调整。本发明专利技术使得生成的情绪表情面孔情绪更加全面和丰富，可以进行更加细致和更加复杂的情绪的表达，同时，通过对情绪表情面孔调整，从而有利于对用户进行情绪引导以及利于对用户的情绪进行评估。行评估。行评估。

【技术实现步骤摘要】
基于多模态融合的情绪认知分析方法及装置


[0001]本专利技术涉及数据处理
，更具体地说是基于多模态融合的情绪认知分析方法及装置。

技术介绍

[0002]人的情绪容易受到各种各样的因素干扰，例如，可能遇到各种困惑、压力和情绪问题，如自卑、焦虑、抑郁、孤独等，因此，对人的情绪分析是比较重要的问题。
[0003]目前，常用的情绪分析方式是采集用户的面部图像数据，然后基于面部图像数据进行面部情绪的提取后以图片的形式展示面部表情，这种方式仅仅是从面部图像数据这一方面来考量的，没有结合其它非面部图像数据一起考量，导致分析结果不全面，而且是以图片的形式展示面部表情，展示方式是静态的，不能模拟真实人类的动态和微妙的情绪变化。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供基于多模态融合的情绪认知分析方法及装置。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]第一方面，本专利技术提供了一种基于多模态融合的情绪认知分析方法，包括：
[0007]收集用户的面部图像数据、语音数据以及文本数据；
[0008]根据用户的面部图像数据、语音数据以及文本数据生成3D动画的情绪表情面孔；
[0009]标记情绪表情面孔的情绪状态；
[0010]将情绪表情面孔展示给用户；
[0011]用户对展示的情绪表情面孔进行情绪状态判断；
[0012]将用户判断的情绪状态与标记的情绪状态进行比较，以得到比较结果；
[0013]根据比较结果对情绪表情面孔进行调整。
[0014]基于第一方面，进一步技术方案为：所述根据用户的面部图像数据、语音数据以及文本数据生成3D动画的情绪表情面孔，包括：
[0015]从面部图像数据、语音数据以及文本数据分别提取出面部特征、语音特征和语义特征；
[0016]将面部特征输入至3D建模模型中，构建出面部模型；
[0017]根据语音特征和语义特征判断出用户表达的情感类别；
[0018]根据表达的情感类别生成相应面部表情；
[0019]将面部表情融合至面部模型中，以得到3D动画的情绪表情面孔。
[0020]基于第一方面，进一步技术方案为：所述根据表达的情感类别生成相应面部表情，包括：
[0021]定义情感类别和面部表情的映射关系；
[0022]基于映射关系，将用户表达的情感类别送至已训练完成的神经网络中，以识别生
成对应的面部表情。
[0023]基于第一方面，进一步技术方案为：所述将情绪表情面孔展示给用户，包括：
[0024]根据情绪表情面孔的情绪状态从预设的故事库中查找相关的故事情境；
[0025]根据相关的故事情境的内容设置问答选项；
[0026]将问答选项关联至故事情境的对应内容中；
[0027]将关联有问答选项的故事情境内容进行呈现。
[0028]基于第一方面，进一步技术方案为：所述根据比较结果对情绪表情面孔进行调整，包括：
[0029]若比较结果达到设定的标准，则对情绪表情面孔进行升级调整，所述升级调整包括提高表情面孔的难度、频率和顺序；
[0030]若比较结果未达到设定的标准，则对情绪表情面孔进行降级调整，所述降级调整包括降低表情面孔的难度、频率和顺序。
[0031]第二方面，本专利技术还提供了一种基于多模态融合的情绪认知分析装置，包括收集单元、生成单元、标记单元、展示单元、判断单元、比较单元以及调整单元；
[0032]所述收集单元，用于收集用户的面部图像数据、语音数据以及文本数据；
[0033]所述生成单元，用于根据用户的面部图像数据、语音数据以及文本数据生成3D动画的情绪表情面孔；
[0034]所述标记单元，用于标记情绪表情面孔的情绪状态；
[0035]所述展示单元，用于将情绪表情面孔展示给用户；
[0036]所述判断单元，用于用户对展示的情绪表情面孔进行情绪状态判断；
[0037]所述比较单元，用于将用户判断的情绪状态与标记的情绪状态进行比较，以得到比较结果；
[0038]所述调整单元，用于根据比较结果对情绪表情面孔进行调整。
[0039]基于第二方面，进一步技术方案为：所述生成单元包括提取模块、构建模块、判断模块、生成模块以及融合模块；
[0040]所述提取模块，用于从面部图像数据、语音数据以及文本数据分别提取出面部特征、语音特征和语义特征；
[0041]所述构建模块，用于将面部特征输入至3D建模模型中，构建出面部模型；
[0042]所述判断模块，用于根据语音特征和语义特征判断出用户表达的情感类别；
[0043]所述生成模块，用于根据表达的情感类别生成相应面部表情；
[0044]所述融合模块，用于将面部表情融合至面部模型中，以得到3D动画的情绪表情面孔。
[0045]基于第二方面，进一步技术方案为：所述生成模块包括定义子模块以及识别生成子模块；
[0046]所述定义子模块，用于定义情感类别和面部表情的映射关系；
[0047]所述识别生成子模块，用于基于映射关系，将用户表达的情感类别送至已训练完成的神经网络中，以识别生成对应的面部表情。
[0048]第三方面，本专利技术还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述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
如上述的基于多模态融合的情绪认知分析方法。
[0049]第四方面，一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如上述的基于多模态融合的情绪认知分析方法。
[0050]本专利技术与现有技术相比的有益效果是：收集用户的面部图像数据、语音数据以及文本数据；根据用户的面部图像数据、语音数据以及文本数据生成3D动画的情绪表情面孔；标记情绪表情面孔的情绪状态；将情绪表情面孔展示给用户；用户对展示的情绪表情面孔进行情绪状态判断；将用户判断的情绪状态与标记的情绪状态进行比较，以得到比较结果；根据比较结果对情绪表情面孔进行调整。通过结合了面部图像数据、语音数据以及文本数据多方面数据，使得生成的情绪表情面孔情绪更加全面和丰富，而且情绪表情面孔是以3D动画形式展示给用户，可以进行更加细致和更加复杂的情绪的表达，同时，用户可根据展示的情绪表情面孔进行判断，再根据用户的判断结果给予情绪表情面孔调整，从而有利于对用户进行情绪引导以及利于对用户的情绪进行评估。
[0051]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术技术手段，可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
附图说明
[0052]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多模态融合的情绪认知分析方法，其特征在于，包括：收集用户的面部图像数据、语音数据以及文本数据；根据用户的面部图像数据、语音数据以及文本数据生成3D动画的情绪表情面孔；标记情绪表情面孔的情绪状态；将情绪表情面孔展示给用户；用户对展示的情绪表情面孔进行情绪状态判断；将用户判断的情绪状态与标记的情绪状态进行比较，以得到比较结果；根据比较结果对情绪表情面孔进行调整。2.根据权利要求1所述的基于多模态融合的情绪认知分析方法，其特征在于，所述根据用户的面部图像数据、语音数据以及文本数据生成3D动画的情绪表情面孔，包括：从面部图像数据、语音数据以及文本数据分别提取出面部特征、语音特征和语义特征；将面部特征输入至3D建模模型中，构建出面部模型；根据语音特征和语义特征判断出用户表达的情感类别；根据表达的情感类别生成相应面部表情；将面部表情融合至面部模型中，以得到3D动画的情绪表情面孔。3.根据权利要求2所述的基于多模态融合的情绪认知分析方法，其特征在于，所述根据表达的情感类别生成相应面部表情，包括：定义情感类别和面部表情的映射关系；基于映射关系，将用户表达的情感类别送至已训练完成的神经网络中，以识别生成对应的面部表情。4.根据权利要求1所述的基于多模态融合的情绪认知分析方法，其特征在于，所述将情绪表情面孔展示给用户，包括：根据情绪表情面孔的情绪状态从预设的故事库中查找相关的故事情境；根据相关的故事情境的内容设置问答选项；将问答选项关联至故事情境的对应内容中；将关联有问答选项的故事情境内容进行呈现。5.根据权利要求1所述的基于多模态融合的情绪认知分析方法，其特征在于，所述根据比较结果对情绪表情面孔进行调整，包括：若比较结果达到设定的标准，则对情绪表情面孔进行升级调整，所述升级调整包括提高表情面孔的难度、频率和顺序；若比较结果未达到设定的标准，则对情绪表情面孔进行降级调整，所述降级调整包括降低表情面孔的难度、频率和顺序。6.基于多模态融合的情绪认知分析装置，其特征在于，包括收集单元、生成单元、标...

【专利技术属性】
技术研发人员：张云翔，钟杰，李满，
申请(专利权)人：深圳前海丹捷信息技术有限公司，
类型：发明
国别省市：