【技术实现步骤摘要】
本专利技术涉及一种情绪分类系统和方法，尤其涉及一种非侵入性情绪分类系统和方法，其基于检测对象的眼睛输出对象的情绪。
技术介绍
1、当今世界，技术演绎日益月异。学生和工人面临着越来越高的学术和工作压力，且为了跟上技术进步的速度而感到紧张。随着新技术的不断发展，学生和工人的压力增加，从而导致出现各种心理和情绪问题的人数增加(例如，学生、劳动人群)。有关情绪的示例包括抑郁、焦虑、易怒等。这些问题会对个人的工作、学习和身心健康产生消极影响。这些心理和情绪问题最终会导致生活质量下降。
技术实现思路
1、本专利技术涉及一种情绪分类系统和方法。所述情绪分类方法由所述情绪分类系统和其组件执行。所述情绪分类系统基于对象的眼部数据确定并输出所述对象的情绪。所述系统用于感测(即，测量)对象的眼运动和/或位置(即，眼部数据)，并使用训练的机器学习引擎处理所感测到的数据，以输出所述对象的情绪。所述机器学习引擎用于基于处理所测量的眼部数据对所述对象的情绪进行分类。
2、所述情绪分类系统用于通过处理所述眼部数据检测多种情绪。例如，所述系统用于基于处理收集到的所述对象的眼部数据确定对象是否郁闷、无聊或者放松等。所述情绪分类系统提供了一种确定对象的情绪的自动化系统。所述系统提供了一种方便、易于使用和非侵入性的情绪分类方法。所述情绪分类系统和方法提供了真实的应用场景，例如，在学校或学院中确定学生的健康状况。当然，所示系统也可以应用于其场景。
3、根据本专利技术的第一方面，提供了一种情绪分类系统
4、眼部追踪设备，用于捕获与对象的至少一只眼睛相关的眼部数据；以及
5、计算装置，包括处理单元、存储单元、用户界面、显示器以及通信接口；
6、所述计算装置与所述眼部追踪设备电子通信，其中，所述计算装置用于：
7、从所述眼部追踪设备接收眼部数据；
8、通过将机器学习模型应用于所述接收的眼部数据，处理所述接收的眼部数据；以及
9、基于对所述接收的眼部数据的处理，自动识别所述对象的情绪。
10、在第一方面的实施例中，所述识别的情绪传送至并显示于所述显示器上。
11、在第一方面的实施例中，所述计算装置用于识别所述对象9种情绪中的至少一种，其中，所述情绪包括：郁闷、无聊、放松、悲伤、平静、开心、焦虑、紧张或激动。
12、在第一方面的实施例中，所述计算装置用于处理所述接收的眼部数据并输出情绪模型，所述计算装置识别的每种情绪都由所述情绪模型定义；
13、其中，所述情绪模型包括二维情绪模型，第一维度代表对象的情绪的唤醒等级，第二维度代表对象的情绪的效价等级，每个维度被归类为三个等级中的一个；
14、所述显示器用于呈现所述二维情绪模型。
15、在第一方面的实施例中，所述计算装置用于通过基于所述情绪模型中每个维度的等级对每种情绪进行分类来识别所述9种情绪中的一种，其中，每种情绪由所述情绪模型中每个维度的三个等级中的一个的组合来表示。
16、在第一方面的实施例中，所述计算装置用于在环状情感模型中表达所述识别的情绪，所述环状情感模型呈现于所述显示器上。
17、在第一方面的实施例中，所述眼部追踪设备用于通过非接触布置检测眼部数据。
18、在第一方面的实施例中，所述眼部追踪设备包括：
19、一个或多个光源，用于向对象的眼睛发射光；检测器，用于重复捕获对象眼睛的图像；评价单元，用于生成眼部数据，其中，至少一只眼睛的所述眼部数据包括以下各项中的至少一项或多项：注视位置、瞳孔直径和瞳孔半径；以及通信接口，用于将所述眼部数据传输至所述计算装置。
20、在第一方面的实施例中，所述计算装置用于在russell环状情感模型中表达所述识别的情绪，其中，所述russell环状情感模型呈现于所述显示器上，所述russell环状情感模型基于所述眼部数据以检测到所述对象的效价和唤醒的等级表示每种情绪，所述russell环状情感模型表示为圆圈，所述圆圈包括表示效价的纵轴和表示唤醒的横轴，所述检测的情绪在所述圆圈上或圆圈内表示。
21、在第一方面的实施例中，所述计算装置用于通过无线通信接口将所述识别的情绪传输至移动设备或远程设备或远程服务器。
22、在一实施例中，所述计算装置用于通过将所述眼部数据记录至所述计算装置上正在执行的神经网络，来处理所述眼部数据，其中，所述神经网络为具有至少三个层的卷积神经网络；
23、其中，第一层为用于对所述接收的眼部数据执行特征提取的卷积层，所述卷积层用于输出由激活函数修改的特征图；
24、其中，所述第二层包括池化层，其中，所述池化层从所述卷积层接收所述特征图，且所述池化层用于对从所述卷积层接收的数据执行特征选择和信息过滤，
25、其中，所述第三层为全连接层，其中，所述全连接层中的每个神经元完全连接至前一层的所有神经元，且所述全连接层用于识别情绪并输出所述识别的情绪。
26、在一个实施例中，所述眼部追踪设备用于以预定采样率记录眼部数据的多个样本，且计算装置用于处理所述多个眼部数据以自动识别所述对象的情绪。
27、在一实施例中，所述神经网络通过训练资料库进行训练，所述训练资料库包括多个数据点，所述系统包括用于存储所述训练资料库的训练数据库；
28、其中，训练资料库中的每一个数据点都定义了眼部数据和情绪之间的关系。
29、在一实施例中，所述神经网络用于通过以下步骤进行训练：
30、将噪声样本引入所述训练资料库中；
31、从所述训练资料库中随机选择预设样本大小的数据点；
32、将所述样本大小记录至所述神经网络以进行处理；以及
33、重复将所述预设样本大小记录至所述神经网络，并调整噪声、神经网络参数和增加网络模块以优化网络性能。
34、在一实施例中，所述方法由情绪分类系统执行，所述情绪分类系统包括眼部追踪设备和与所述眼部追踪设备通信的计算装置，且所述方法包括以下步骤：
35、所述眼部追踪设备捕获与对象的至少一只眼睛相关的眼部数据；以及
36、所述计算装置从所述眼部追踪设备接收眼部数据；
37、通过将机器学习模型应用于所述接收的眼部数据，处理所述接收的眼部数据；以及
38、基于对所述接收的眼部数据的处理，自动识别所述对象的情绪。
39、在一实施例中，在计算装置显示器上显示所述识别的情绪。
40、在一实施例中，所述计算装置识别情绪的步骤包括：所述计算装置识别所述对象的9种情绪中的至少一种，其中，所述情绪包括：郁闷、无聊、放松、悲伤、平静、开心、焦虑、紧张或激动。
41、在一实施例中，所述处理所述眼部数据的步骤包括：
42、输出情绪模型，其中，识别的每种情绪由所述情绪模型定义；
43本文档来自技高网...
【技术保护点】
1.一种情绪分类系统，用于识别对象的情绪，其特征在于，包括：
2.根据权利要求1所述的情绪分类系统，其特征在于，其中，识别的情绪传送至并显示于所述显示器。
3.根据权利要求2所述的情绪分类系统，其特征在于，其中，所述计算装置用于识别所述对象的9种情绪中的至少一个，其中，所述情绪包括：郁闷、无聊、放松、悲伤、平静、开心、焦虑、紧张或激动。
4.根据权利要求3所述的情绪分类系统，其特征在于，其中，所述计算装置用于处理所述接收的眼部数据并输出情绪模型，所述计算装置识别的每种情绪都由所述情绪模型定义；
5.根据权利要求4所述的情绪分类系统，其特征在于，其中，所述计算装置用于通过基于所述情绪模型中每个维度的等级对每种情绪进行分类来识别所述9种情绪中的一个，其中，每种情绪由所述情绪模型中每个维度的三个等级中的一个的组合来表示。
6.根据权利要求5所述的情绪分类系统，其特征在于，其中，所述计算装置用于在环状情感模型中表达所述识别的情绪，所述环状情感模型呈现于所述显示器上。
7.根据权利要求6所述的情绪分类系统，其特征在于，
8.根据权利要求7所述的情绪分类系统，其特征在于，其中，所述眼部追踪设备包括：
9.根据权利要求7所述的情绪分类系统，其特征在于，其中，所述计算装置用于在Russell环状情感模型中表达所述识别的情绪，其中，所述Russell环状情感模型呈现于所述显示器上，所述Russell环状情感模型基于所述眼部数据以检测到所述对象的效价和唤醒的等级表示每种情绪，所述Russell环状情感模型表示为圆圈，所述圆圈包括表示效价的纵轴和表示唤醒的横轴，所述检测的情绪在所述圆圈上或圆圈内表示。
10.根据权利要求9所述的情绪分类系统，其特征在于，其中，所述计算装置用于通过无线通信接口将所述识别的情绪传输至移动设备或远程设备或远程服务器。
...【技术特征摘要】
1.一种情绪分类系统，用于识别对象的情绪，其特征在于，包括：
2.根据权利要求1所述的情绪分类系统，其特征在于，其中，识别的情绪传送至并显示于所述显示器。
3.根据权利要求2所述的情绪分类系统，其特征在于，其中，所述计算装置用于识别所述对象的9种情绪中的至少一个，其中，所述情绪包括：郁闷、无聊、放松、悲伤、平静、开心、焦虑、紧张或激动。
4.根据权利要求3所述的情绪分类系统，其特征在于，其中，所述计算装置用于处理所述接收的眼部数据并输出情绪模型，所述计算装置识别的每种情绪都由所述情绪模型定义；
5.根据权利要求4所述的情绪分类系统，其特征在于，其中，所述计算装置用于通过基于所述情绪模型中每个维度的等级对每种情绪进行分类来识别所述9种情绪中的一个，其中，每种情绪由所述情绪模型中每个维度的三个等级中的一个的组合来表示。
6.根据权利要求5所述的情绪分类系统，其特征在于，其中，所述计算装置用...
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。