【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种精神患者的情绪波动检测方法及系统。
技术介绍
1、情绪的波动往往伴随着生理指标的变化，比如与情绪有关的生理指标主要有：皮肤电、呼吸、血压、脉搏、血氧含量、血管容积、腺体分泌、体温等；同时临床医学和理论心理学表明，人体的情绪波动与自身的身心健康息息相关，尤其是精神患者人群，他们很多时候无意识地情绪波动就埋下了致命的隐患。
2、因此，精神患者进行情绪波动的监测尤其重要，但目前市场上却并没有相关的人体情绪波动监测产品出现，需要进一步进行研究。
技术实现思路
1、本申请实施例提供一种精神患者的情绪波动检测方法及系统，用于检测精神患者的情绪波动。
2、本专利技术实施例提供一种精神患者的情绪波动检测方法，方法包括：
3、获取目标精神患者在预置时间段的生理数据、语音数据、面部表情数据以及行为数据；
4、根据所述生理数据确定所述目标精神患者是否出现情绪异常波动；
5、若出现所述情绪异常波动，则根据所述生理数据的变换趋势确定对应的情绪识别模型；不同的生理数据的变换趋势对应一个或多个情绪识别模型，不同的情绪识别模型用于识别不同的情绪；
6、将所述语音数据、所述面部表情数据以及所述行为数据装换为目标数据特征；
7、将所述目标数据特征输入到对应的所述情绪识别模型得到对应的情绪识别结果。
8、在本专利技术提供的一个可选实施例中，所述生理数据至少包括心跳频率数据、呼吸频率数据、体温数
9、确定在所述预置时间段内的心跳频率数据、呼吸频率数据、体温数据、血糖数据、血压数据分别对应的变化趋势是否超过预置数值；
10、若存在变化趋势超过所述预置数值的心跳频率数据、呼吸频率数据、体温数据和/或血压数据，则确定所述目标精神患者出现情绪异常波动。
11、在本专利技术提供的一个可选实施例中，所述根据所述生理数据的变换趋势确定对应的情绪识别模型，包括：
12、若所述心跳频率数据、所述呼吸频率数据的变化趋势为上升，确定对应的情绪识别模型为快乐情绪识别模型；
13、若所述血糖数据、所述体温数据的变化趋势为上升，确定对应的情绪识别模型为害羞情绪识别模型；
14、若所述心跳频率数据的变化趋势为上升，所述体温数据的变化趋势为下降，确定对应的情绪识别模型为恐惧情绪识别模型；
15、若所述血压数据的变化趋势为上升，确定对应的情绪识别模型为厌恶情绪识别模型、紧张情绪识别模型、焦虑情绪识别模型；
16、若所述心跳频率数据的变化趋势为上升且所述体温数据的变化趋势为上升，确定对应的情绪识别模型为发怒情绪识别模型；
17、若所述心跳频率数据的变化趋势为下降，确定对应的情绪识别模型为悲伤情绪识别模型。
18、在本专利技术提供的一个可选实施例中，所述将所述语音数据、所述面部表情数据以及所述行为数据装换为目标数据特征，包括：
19、将所述语音转换为文本数据，以及将所述面部表情数据以及所述行为数据分别转换图片数据；
20、对所述文本数据以及所述图片数据进行去重处理；
21、将经过去重处理的文本数据以及图片数据确定为目标数据特征。
22、在本专利技术提供的一个可选实施例中，所述将所述目标数据特征输入到对应的所述情绪识别模型得到对应的情绪识别结果，包括：
23、将所述目标数据特征分别输入到对应的所述情绪识别模型得到对应情绪类别的情绪预测值；
24、根据得到的所有情绪类别的情绪预测值得到对应的情绪识别结果。
25、在本专利技术提供的一个可选实施例中，所述根据得到的所有情绪类别的情绪预测值得到对应的情绪识别结果，包括：
26、根据得到的所有情绪类别获取多个情绪类别组，，n为得到的所有情绪类别的数量；
27、根据所述情绪类别组及其对应的两个情绪类别的同时出现概率、情绪预测值对通过所述情绪识别模型得到的情绪类别进行过滤；
28、将过滤后的情绪类别确定对应的情绪识别结果。
29、在本专利技术提供的一个可选实施例中，所述根据所述情绪类别组及其对应的两个情绪类别的同时出现概率、情绪预测值对通过所述情绪识别模型得到的情绪类别进行过滤，包括：
30、获取同时出现概率小于目标数值的情绪类别组确定为目标情绪类别组；
31、将所述目标情绪类别组中情绪预测值小的情绪类别删除；
32、将剩余的情绪类别中情绪预测值大于预置概率值的情绪类别确定为情绪识别结果。
33、在本专利技术提供的一个可选实施例中，所述方法还包括：
34、从样本数据中提取样本文本数据以及样本图片数据，样本文本数据由样本数据中的语音数据转换而来，样本图片数据由样本数据中的面部表情数据以及行为数据分别转换而来；
35、对所述样本数据中的语音数据进行情感分析得到第一情感类别；对所述样本图片数据进行图像识别得到第二情感类别；对所述样本文本数据进行文字识别分析得到第三情感类别；
36、根据所述第一情感类别、所述第二情感类别以及所述第三情感类别确定所述样本数据对应的情感类别；
37、根据所述样本数据及其对应的情感类别进行模型训练得到所述情绪识别模型。
38、在本专利技术提供的一个可选实施例中，所述根据所述第一情感类别、所述第二情感类别以及所述第三情感类别确定所述样本数据对应的情感类别，包括：
39、确定所述第一情感类别、所述第二情感类别以及所述第三情感类别中是否存在相同的情感类别；
40、若存在，将所述第一情感类别、所述第二情感类别以及所述第三情感类别中相同的情感类别确定为所述样本数据对应的情感类别；
41、若不存在，则将每两个情绪类别的同时出现概率大于目标概率值的情感类别确定为所述样本数据对应的情感类别。
42、本专利技术实施例提供一种精神患者的情绪波动检测系统，装置包括：
43、获取模块，用于获取目标精神患者在预置时间段的生理数据、语音数据、面部表情数据以及行为数据；
44、确定模块，用于根据所述生理数据确定所述目标精神患者是否出现情绪异常波动；
45、所述确定模块，还用于若出现所述情绪异常波动，则根据所述生理数据的变换趋势确定对应的情绪识别模型；不同的生理数据的变换趋势对应一个或多个情绪识别模型，不同的情绪识别模型用于识别不同的情绪；
46、转换模块，用于将所述语音数据、所述面部表情数据以及所述行为数据装换为目标数据特征；
47、识别模块，用于将所述目标数据特征输入到每个所述情绪识别模型得到对应的情绪识别结果。
48、本专利技术提供一种精神患者的情绪波动检测方法及系统，首先获取目标精神患者在预置时间段的生理数据、本文档来自技高网...
【技术保护点】
1.一种精神患者的情绪波动检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述生理数据至少包括心跳频率数据、呼吸频率数据、体温数据、血糖数据、血压数据；所述根据所述生理数据确定所述目标精神患者是否出现情绪异常波动，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述生理数据的变换趋势确定对应的情绪识别模型，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述语音数据、所述面部表情数据以及所述行为数据装换为目标数据特征，包括：
5.根据权利要求3所述的方法，其特征在于，所述将所述目标数据特征输入到对应的所述情绪识别模型得到对应的情绪识别结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据得到的所有情绪类别的情绪预测值得到对应的情绪识别结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述情绪类别组及其对应的两个情绪类别的同时出现概率、情绪预测值对通过所述情绪识别模型得到的情绪类别进行过滤，包括：
8.根据权利要求4
9.根据权利要求8所述的方法，其特征在于，所述根据所述第一情感类别、所述第二情感类别以及所述第三情感类别确定所述样本数据对应的情感类别，包括：
10.一种精神患者的情绪波动检测系统，所述情绪波动检测系统基于权利要求1-9任一项所述的方法，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种精神患者的情绪波动检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述生理数据至少包括心跳频率数据、呼吸频率数据、体温数据、血糖数据、血压数据；所述根据所述生理数据确定所述目标精神患者是否出现情绪异常波动，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述生理数据的变换趋势确定对应的情绪识别模型，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述语音数据、所述面部表情数据以及所述行为数据装换为目标数据特征，包括：
5.根据权利要求3所述的方法，其特征在于，所述将所述目标数据特征输入到对应的所述情绪识别模型得到对应的情绪识别结果，包括：<...
【专利技术属性】
技术研发人员：杨旭，梁伟业，白璐源，赵玉丽，贾艳艳，
申请(专利权)人：北京回龙观医院北京心理危机研究与干预中心，
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。