【技术实现步骤摘要】
一种基于深度学习的手环情绪识别方法
[0001]本专利技术涉及情绪识别
，特别涉及一种基于深度学习的手环情绪识别方法。
技术介绍
[0002]智能手环是可穿戴智能设备的一种，可实现对佩戴者的心率、脑电波、运动状态的高精度监测，也可以将数据与其他智能设备进行同步，部分智能手环也具有对佩戴者进行情绪识别的功能。
[0003]但是，现存的智能手环的情绪识别方法大多通过感应获得的佩戴者的心率、脑电波等基础生理数据进行分析获得，然而佩戴者的基础生理数据与佩戴者的情绪状态之间不是一对一的变量关系，即存在其他影响变量影响佩戴者的基础生理数据，例如当佩戴者在运动时将导致佩戴者的基础生理数据发生很大变化。例如公开号为“CN114938958A”，专利名称为“一种基于智能手环和热红外摄像机的驾驶人情绪识别方法及系统”的专利，其公开了一种基于智能手环和热红外摄像机的驾驶人情绪识别方法及系统，驾驶人情绪识别方法包括如下步骤：获取不同情绪下驾驶人的皮电、心电和鼻尖温度生理参数；并对获得的生理数据进行数据处理与分析、进行特征指标的建立和特...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的手环情绪识别方法，其特征在于，包括：S1：基于智能手环周期感应的当前佩戴者的周期基础生理数据和每种情绪指标的主要指数识别模型，确定出每种情绪指标的主要情绪指数；S2：对智能手环最新感应的当前佩戴者的当日体动数据进行时段归属确定，获得当前所属时段的时段体动数据，并基于时段体动数据确定出当前体动频率；S3：对海量包括单个时段的体动频率和每种情绪指标的主要情绪指数，以及用户标定情绪指数的记录实例进行深度学习，获得每种情绪指标的最终指数识别模型；S4：将当前所属时段的当前体动频率和每种情绪指标的主要情绪指数，输入至每种情绪指标的最终指数识别模型，确定出每种情绪指标的最终情绪指数。2.根据权利要求1所述的基于深度学习的手环情绪识别方法，其特征在于，S1：基于智能手环周期感应的当前佩戴者的周期基础生理数据和每种情绪指标的主要指数识别模型，确定出每种情绪指标的主要情绪指数，包括：S101：基于大量包含历史周期基础生理数据和单种情绪指标的历史主要情绪指数的历史情绪识别实例，训练获得每种情绪指标的主要指数识别模型；S102：将基于智能手环在最新周期感应获得的当前佩戴者的周期基础生理数据，输入至主要指数识别模型，获得每种情绪指标的主要情绪指数。3.根据权利要求1所述的基于深度学习的手环情绪识别方法，其特征在于，S2：对智能手环最新感应的当前佩戴者的当日体动数据进行时段归属确定，获得当前所属时段的时段体动数据，并基于时段体动数据确定出当前体动频率，包括：S201：对智能手环感应获得的当前佩戴者的所有单日历史体动数据进行时段特征分析，获得当前佩戴者的体动时段划分规则；S202：基于当前佩戴者的体动时段划分规则，确定出当前所属时段；S203：在智能手环最新感应的当前佩戴者的当日体动数据中，划分出当前所属时段的时段体动数据；S204：基于时段体动数据确定出当前体动频率。4.根据权利要求3所述的基于深度学习的手环情绪识别方法，其特征在于，S201：对智能手环感应获得的当前佩戴者的所有单日历史体动数据进行时段特征分析，获得当前佩戴者的体动时段划分规则，包括：对智能手环感应获得的当前佩戴者的所有单日历史体动数据进行类型划分，获得每种体动类型对应的所有单日历史数据；基于每种体动类型的体动活跃数据最小阈值，在每种体动类型的所有单日历史数据中标定出每种体动类型的活跃时段；基于每种体动类型的所有活跃时段，确定出当前佩戴者的每种体动类型的有效活跃时段；基于所有体动类型的所有有效活跃时段，确定出当前佩戴者的体动时段划分规则。5.根据权利要求4所述的基于深度学习的手环情绪识别方法，其特征在于，基于每种体动类型的所有活跃时段，确定出当前佩戴者的每种体动类型的有效活跃时段，包括：基于每种体动类型的所有活跃时段的起始时刻，生成每种体动类型得出起始时刻序列，同时，基于每种体动类型的所有活跃时段的终止时刻，生成每种体动类型的终止时刻序
列；基于所有体动类型的起始时刻序列和终止时刻序列，计算出每两种体动类型之间的活跃时段关联度；计算出每个活跃时段在对应体动类型的所有活跃时段中的时段集中度，并将体动类型的所有活跃时段中最小时段集中度的活跃时段删除，并基于剩余的活跃时段生成新的起始时刻序列和终止时刻序列，并基于新...
【专利技术属性】
技术研发人员：肖满成，谭富文，
申请(专利权)人：深圳市昊岳科技有限公司，
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。