【技术实现步骤摘要】
本专利技术涉及情感分类识别领域，特别涉及一种fnirs多模态情感数据集采集方法及系统。
技术介绍
1、情感影响着人的认知与行为活动，人类对于情感的研究从未停止，近些年来，随着人工智能的兴起，为了赋予计算机识别、理解、表达和适应人类情感的能力，实现高效、亲切的人机交互，情感计算迅速成为情感研究领域的热点。
2、无论是情感计算研究中的生理信号还是非生理信号，情感数据集的发布都可以促进情感计算的发展，反之情感计算的研究也需要情感数据集的支持。非生理信号情感数据集比如图片情感数据集、文本情感数据集、视频情感数据集等通过近些年的发展已经渐渐完善。而对于脑电、脑磁和功能磁共振等传统的生理信号情感数据集，如seed、deap等脑电数据集虽然取得了一定的影响力，但是此类生理信号检测方法的局限性也逐步显露，比如易受干扰、成本高等。近年来，随着近红外技术的发展及采集设备的技术升级，功能性近红外光谱技(functional near-infrared spectroscopy,fnirs)作为一种新兴的非侵入性的大脑检测手段，具有依从性高、抗干扰能力强、便携易实施和低成本等优点，但是fnirs情感数据集在情感研究领域仍是一片空白。因此，一种fnirs多模态情感数据集采集方法及系统具有广泛的需求及广阔的前景。
技术实现思路
1、为了克服现有技术的上述缺点与不足，本专利技术的目的在于提供一种fnirs多模态情感数据集采集方法及系统。
2、本专利技术的目的通过以下技术方案实现：
...【技术保护点】
1.一种fNIRS多模态情感数据集采集方法，其特征在于，包括：
2.根据权利要求1所述的fNIRS多模态情感数据集采集方法，其特征在于，根据受试者观看视频片段的诱发反应进行选择，具体包括；
3.根据权利要求1或2所述的fNIRS多模态情感数据集采集方法，其特征在于，所述受试者需要接受受试者筛选，所述受试者筛选具体是通过发布大五人格问卷的方式，选择性格特质为情绪稳定且外向的受试者进行刺激源选择受试。
4.根据权利要求2所述的fNIRS多模态情感数据集采集方法，其特征在于，所述视频片段的数量为30个，视频时长为2分钟到4分钟。
5.根据权利要求1所述的fNIRS多模态情感数据集采集方法，其特征在于，截取每个视频片段的最后30秒的fNIRS数据和E4手环的数据以获得最大的情绪反应，每个受试者每次实验得到15个样本，其中每类情绪各三个样本，验证策略为留一验证法：即一个受试者的数据作测试集其余受试者的数据作训练集。
6.根据权利要求1所述的fNIRS多模态情感数据集采集方法，其特征在于，利用比尔-朗伯定律求得吸光度变化与脑组织中的
7.根据权利要求1所述的fNIRS多模态情感数据集采集方法，其特征在于，所述将得到的氧合血红蛋白与脱氧血红蛋白浓度的相对变化量还包括预处理，所述预处理包括三阶0.01至0.5Hz带通IIR巴特沃斯滤波去除仪器、心跳等噪声、利用样条插值法移除与实验无关的运动伪迹。
8.根据权利要求7所述的fNIRS多模态情感数据集采集方法，其特征在于，预处理后的相对变化量还进行基线校准处理。
9.一种实现权利要求1-8任一项所述的fNIRS多模态情感数据集采集方法的系统，其特征在于，包括：
10.根据权利要求9所述的系统，其特征在于，还包括受试者筛选模块，用于筛选受试者。
...【技术特征摘要】
1.一种fnirs多模态情感数据集采集方法，其特征在于，包括：
2.根据权利要求1所述的fnirs多模态情感数据集采集方法，其特征在于，根据受试者观看视频片段的诱发反应进行选择，具体包括；
3.根据权利要求1或2所述的fnirs多模态情感数据集采集方法，其特征在于，所述受试者需要接受受试者筛选，所述受试者筛选具体是通过发布大五人格问卷的方式，选择性格特质为情绪稳定且外向的受试者进行刺激源选择受试。
4.根据权利要求2所述的fnirs多模态情感数据集采集方法，其特征在于，所述视频片段的数量为30个，视频时长为2分钟到4分钟。
5.根据权利要求1所述的fnirs多模态情感数据集采集方法，其特征在于，截取每个视频片段的最后30秒的fnirs数据和e4手环的数据以获得最大的情绪反应，每个受试者每次实验得到15个样本，其中每类情绪各三个样本，验证策略为留一验证法：即一个受试者的数据作测试集其余受试者...
【专利技术属性】
技术研发人员：孙邓君，谭明奎，青春美，徐向民，
申请(专利权)人：华南理工大学，
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。