艺术专业性及情绪的识别方法、系统和电子设备技术方案

本发明专利技术实施例提供一种艺术专业性及情绪的识别方法、系统和电子设备。该方法包括：采集被试者观看情绪诱发绘画素材期间的脑电信号和眼动信号；基于脑电信号在时间域以及频率域的频谱，在脑电信号中确定出用于反映被试者在观看情绪诱发绘画素材期间内不同频带随时间变化的微分熵特征；利用眼动信号确定被试者在观看情绪诱发绘画素材期间随时间变化的眼动特征；将微分熵特征、眼动特征以及拼接特征输入至训练的识别模型，输出被试者的艺术专业性类别以及情绪。本发明专利技术实施例训练了艺术专业性及情绪的识别模型，确定了艺术专家和非专家之间的差异。通过训练的模型准确的确定出被试者的艺术专业性类别以及情绪，进而分析出被试者的艺术专业知识。的艺术专业知识。的艺术专业知识。

【技术实现步骤摘要】
艺术专业性及情绪的识别方法、系统和电子设备


[0001]本专利技术涉及情感脑机接口领域，尤其涉及一种艺术专业性及情绪的识别方法、系统和电子设备。

技术介绍

[0002]情绪是人类活动的重要组成部分。近年来，研究人员已经在从语言、面部表情和生理信号中自动识别情绪状态方面做了大量工作。其中，脑电信号作为一种直接测量大脑活动的生理信号，已被证明是一种简单、可靠且易于使用的解决方案，可以用于识别情绪和展示与情绪相关的神经模式。此外，眼动信号也被广泛用于检测情绪，其中一些复杂的眼动特征，如瞳孔直径变化、注视行为和扫视路径，已经被证明是人格特征、注意力和情绪的可靠指标。
[0003]随着技术的发展，在使用不同的生理信号提高情绪识别性能的同时，还有许多研究集中在辨别情绪中的群体差异(如性别、文化、年龄等)。例如，研究人员发现女性在情感试验与非情感试验中，右大脑半球相对于左脑的激活明显较多，而男性在不同试验没有明显的激活变化。
[0004]在实现本专利技术过程中，专利技术人发现相关技术中至少存在如下问题：
[0005]现有的研究通常集中在群体差异方面，很少有研究探讨了艺术专家和非专家之间在情感相关的艺术欣赏方面的差异。实际上，艺术专家和非艺术专家在观看绘画时差异应该存在。例如，与非艺术专家相比，艺术专家更欣赏原作而不是修改过的版本，并且更加注重艺术作品中的构图(如线条、形状、颜色等)。当艺术专家被要求想象一幅画后，脑电波的相位同步性较高，尤其是在右半球和后脑区域。
[0006]因此，艺术专家和非艺术专家之间在情感相关的差异仍然需要进一步研究，需要通过进一步使用量化模型来理解潜在的关于艺术专业性和情绪的大脑神经机制和认知过程。

技术实现思路

[0007]为了至少解决现有技术中对艺术专业性和情绪之间的大脑神经相互作用缺乏认知的问题。
[0008]第一方面，本专利技术实施例提供一种艺术专业性及情绪的识别方法，包括：
[0009]采集被试者观看情绪诱发绘画素材期间的脑电信号和眼动信号；
[0010]基于所述脑电信号在时间域以及频率域的频谱，在所述脑电信号中确定出用于反映被试者在观看情绪诱发绘画素材期间内不同频带随时间变化的微分熵特征；
[0011]利用所述眼动信号确定所述被试者在观看情绪诱发绘画素材期间随时间变化的眼动特征，其中，所述眼动特征至少包括：所述被试者的眨眼频率、注视点、瞳孔直径；
[0012]将所述微分熵特征、所述眼动特征以及所述微分熵特征与所述眼动特征的拼接特征输入至训练的识别模型，输出所述被试者的艺术专业性类别以及情绪，其中，所述艺术专
业性类别包括：受过艺术训练的人员以及没有受过艺术训练的人员，所述情绪包括：负向、中性、正向。
[0013]第二方面，本专利技术实施例提供一种艺术专业性及情绪的识别系统，包括：
[0014]信号采集程序模块，用于采集被试者观看情绪诱发绘画素材期间的脑电信号和眼动信号；
[0015]微分熵特征确定程序模块，用于基于所述脑电信号在时间域以及频率域的频谱，在所述脑电信号中确定出用于反映被试者在观看情绪诱发绘画素材期间内不同频带随时间变化的微分熵特征；
[0016]眼动特征确定程序模块，用于利用所述眼动信号确定所述被试者在观看情绪诱发绘画素材期间随时间变化的眼动特征，其中，所述眼动特征至少包括：所述被试者的眨眼频率、注视点、瞳孔直径；
[0017]识别程序模块，用于将所述微分熵特征、所述眼动特征以及所述微分熵特征与所述眼动特征的拼接特征输入至训练的识别模型，输出所述被试者的艺术专业性类别以及情绪，其中，所述艺术专业性类别包括：受过艺术训练的人员以及没有受过艺术训练的人员，所述情绪包括：负向、中性、正向。
[0018]第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例的艺术专业性及情绪的识别方法的步骤。
[0019]第四方面，本专利技术实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本专利技术任一实施例的艺术专业性及情绪的识别方法的步骤。
[0020]本专利技术实施例的有益效果在于：本方法训练了艺术专业性及情绪的识别模型，评估了各种情绪识别模型对油画的响应性能，并确定了艺术专家和非专家之间的差异。通过系统地实验结果表明，Transformer神经网络在三类情绪识别(负向、中性和正向)中实现了最高的准确率。在识别模型中构建情感和艺术专业知识方面不同的神经模式。通过训练的模型准确的确定出被试者的艺术专业性类别以及情绪，进而分析出被试者的艺术专业知识。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本专利技术一实施例提供的一种艺术专业性及情绪的识别方法的流程图；
[0023]图2是本专利技术一实施例提供的一种艺术专业性及情绪的识别方法的展示试验流程图；
[0024]图3是本专利技术一实施例提供的一种艺术专业性及情绪的识别方法的情绪识别任务中不同特征和分类的平均准确率数据示意图；
[0025]图4是本专利技术一实施例提供的一种艺术专业性及情绪的识别方法的艺术性专业性不同的群体对正向，中性，负向三种情绪识别方法混淆矩阵示意图；
[0026]图5是本专利技术一实施例提供的一种艺术专业性及情绪的识别方法的情绪神经模式示意图；
[0027]图6是本专利技术一实施例提供的一种艺术专业性及情绪的识别系统的结构示意图；
[0028]图7为本专利技术一实施例提供的一种艺术专业性及情绪的识别的电子设备的实施例的结构示意图。
具体实施方式
[0029]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]如图1所示为本专利技术一实施例提供的一种艺术专业性及情绪的识别方法的流程图，包括如下步骤：
[0031]S11：采集被试者观看情绪诱发绘画素材期间的脑电信号和眼动信号；
[0032]S12：基于所述脑电信号在时间域以及频率域的频谱，在所述脑电信号中确定出用于反映被试者在观看情绪诱发绘画素材期间内不同频带随时间变化的微分熵特征；
[0033]S13：利用所述眼动信号确定所述被试者在观看情绪诱发绘画素材期间随时间变化的眼动特征，其中，所述眼本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种艺术专业性及情绪的识别方法，包括：采集被试者观看情绪诱发绘画素材期间的脑电信号和眼动信号；基于所述脑电信号在时间域以及频率域的频谱，在所述脑电信号中确定出用于反映被试者在观看情绪诱发绘画素材期间内不同频带随时间变化的微分熵特征；利用所述眼动信号确定所述被试者在观看情绪诱发绘画素材期间随时间变化的眼动特征，其中，所述眼动特征至少包括：所述被试者的眨眼频率、注视点、瞳孔直径；将所述微分熵特征、所述眼动特征以及所述微分熵特征与所述眼动特征的拼接特征输入至训练的识别模型，输出所述被试者的艺术专业性类别以及情绪，其中，所述艺术专业性类别包括：受过艺术训练的人员以及没有受过艺术训练的人员，所述情绪包括：负向、中性、正向。2.根据权利要求1所述的方法，其中，所述识别模型由受过艺术训练的人员以及没有受过艺术训练的人员观看情绪诱发绘画素材期间采集的脑电信号和眼动信号构成的训练数据集训练，包括：提取所述训练数据集中受过艺术训练的人员、没有受过艺术训练的人员的脑电信号和眼动信号中的微分熵特征以及眼动特征；将所述微分熵特征、所述眼动特征以及所述微分熵特征与所述眼动特征的拼接特征输入至所述识别模型；在所述识别模型中将所述微分熵特征投影到脑形地图中，分别确定所述受过艺术训练的人员、没有受过艺术训练的人员的情绪，其中，所述情绪包括负向、中性、正向；基于所述受过艺术训练的人员的脑电信号、眼动信号以及所述受过艺术训练的人员的情绪，在所述识别模型中构建受过艺术训练的人员观看情绪诱发绘画素材的艺术专业神经模式；基于所述没有受过艺术训练的人员的脑电信号、眼动信号以及所述没有受过艺术训练的人员的情绪，在所述识别模型中构建没有受过艺术训练的人员观看情绪诱发绘画素材的非艺术专业神经模式。3.根据权利要求2所述的方法，其中，所述识别模型由线性核的支持向量机、K最近邻、逻辑回归以及Transformer神经网络构成。4.根据权利要求3所述的方法，其中，所述Transformer神经网络包括：用于提取被试者在观看情绪诱发绘画素材期间特征的多个Transformer块、用于检测情绪的线性分类器，所述Transformer块由两个子层构成，所述子层包括：多头自注意层以及全连接层构成。5.根据权利要求1所述的方法，其中，在采集被试者观看情绪诱发绘画素材期间的脑电信号和眼动信号之后，所述方法还包括对所述脑电信号和眼动信号预处理，包括：对所述脑电信号进行基线校正，并去除基线校正后脑电信号中50Hz的交流电源噪音，基于1
‑
75HZ带通滤波器去除所述脑电信号中的低频信号...

【专利技术属性】
技术研发人员：吕宝粮，
申请(专利权)人：上海零唯一思科技有限公司，
类型：发明
国别省市：