System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及生理信号识别,尤其涉及一种人因智能生理状态识别模型的训练方法、生理状态识别方法、装置和设备。
技术介绍
1、生理信号能够反映人员的精神状态、情绪状态、以及健康状态(例如是否存在疾病)等生理状态。如何基于用户的生理信号,较为准确的进行用户生理状态的识别是要解决的问题。
技术实现思路
1、本申请提供了一种人因智能生理状态识别模型的训练方法、生理状态识别方法、装置和设备,能够较为准确的实现人员的精神状态、情绪状态、或者健康状态等生理状态的识别。
2、第一方面,本申请实施例提供一种人因智能生理状态识别模型的训练方法,包括:获取第一生理信号、第一生理信号的第一状态标签、第一生理信号对应的第二生理信号以及第二生理信号的第二状态标签,第二生理信号是根据第一生理信号生成的生理信号;第一生理信号是采集得到的生理信号;第一状态标签用于指示第一生理信号对应的生理状态;第二状态标签用于指示第二生理信号对应的生理状态;根据第一生理信号、第二生理信号、第一状态标签和第二状态标签训练生理状态识别模型。该方法除了使用采集得到的真实生理信号也即第一生理信号训练生理状态识别模型外,还使用根据第一生理信号生成的第二生理信号训练生理状态识别模型,从而能够在一定程度上抑制生理信号的个体化差异,从而能够使用相对较少的真实生理信号训练得到精确度相对更高的生理状态识别模型,使用该生理状态识别模型识别人员的精神状态、情绪状态、或者健康状态等生理状态时,识别结果的精确度相对更高。
3、在一种可能的实
4、根据第一生理信号和第一生理信号的第一状态标签生成生理状态识别模型的一个训练样本;根据第二生理信号和第二生理信号的第二状态标签生成生理状态识别模型的另一个训练样本;
5、使用训练样本训练生理状态识别模型。
6、在一种可能的实现方式中,获取第一生理信号对应的第二生理信号,包括:
7、根据第一生理信号和第一生理信号的第一状态标签生成第二生理信号的特征向量;
8、将特征向量输入预设生成器,得到生成器输出的第二生理信号,生成器用于根据特征向量生成生理信号。
9、在一种可能的实现方式中,根据第一生理信号和第一生理信号的第一状态标签生成第二生理信号的特征向量,包括:
10、提取第一生理信号的预设特征;
11、根据第一生理信号的预设特征和第一状态标签生成第一生理信号的特征向量;
12、根据第一生理信号的特征向量生成第二生理信号的特征向量。
13、在一种可能的实现方式中,生理信号为心电信号,预设特征为hrv特征。
14、在一种可能的实现方式中,生成器的训练方法包括:
15、获取第四生理信号和第四生理信号的第四状态标签;第四生理信号是采集得到的生理信号;
16、根据第四生理信号和第四生理信号的第四状态标签生成第五生理信号的特征向量;
17、将第五生理信号的特征向量输入预设生成器,得到生成器输出的第五生理信号;
18、根据第四生理信号以及第五生理信号训练预设判别器;
19、获取第六生理信号和第六生理信号的第六状态标签;第六生理信号是采集得到的生理信号;
20、根据第六生理信号和第六生理信号的第六状态标签,对生成器和判别器进行对抗训练,得到训练好的生成器。
21、在一种可能的实现方式中,根据第四生理信号以及第五生理信号训练预设判别器;
22、为第四生理信号设置第一来源标签,第一来源标签用于指示第四生理信号是采集得到的生理信号;为第五生理信号设置第二来源标签,第二来源标签用于指示第五生理信号为生成的生理信号;
23、根据第四生理信号、第一来源标签、第五生理信号和第二来源标签对判别器进行训练。
24、在一种可能的实现方式中,根据第六生理信号和第六生理信号的第六状态标签,对生成器和判别器进行对抗训练,得到训练好的生成器,包括:
25、根据第六生理信号和第六生理信号的第六状态标签生成第七生理信号的特征向量;
26、将第七生理信号的特征向量输入生成器,得到生成器输出的第七生理信号;
27、为第六生理信号设置第一来源标签,为第七生理信号设置第二来源标签;第一来源标签用于指示第六生理信号是采集得到的生理信号,第二来源标签用于指示第七生理信号为生成的生理信号;
28、根据第六生理信号及第一来源标签生成判别器的一个训练样本,根据第七生理信号及第二来源标签生成判别器的另一个训练样本;
29、将判别器的训练样本输入判别器;
30、根据判别器输出的判别结果调整生成器和判别器的参数。
31、在一种可能的实现方式中,生理状态包括:精神状态、情绪状态或者健康状态。
32、在一种可能的实现方式中,生理状态识别模型通过结合翻译编码器的贝叶斯神经网络实现。
33、第二方面,本申请实施例提供一种生理状态识别方法,包括:获取用户的生理信号;将生理信号输入预设生理状态识别模型,生理状态识别模型用于根据生理信号识别生理状态;预设生理状态识别模型通过第一方面任一项的方法训练得到;获得生理状态识别模型输出的生理状态识别结果,作为用户的生理状态识别结果。由于上述方法训练得到了精确度相对更高的生理状态识别模型,从而该方法中使用该生理状态识别模型人员的精神状态、情绪状态、或者健康状态等生理状态时,识别结果的精确度相对更高。
34、第三方面,本申请实施例提供一种人因智能生理状态识别模型的训练装置,包括:
35、获取模块,用于获取第一生理信号、第一生理信号的第一状态标签、第一生理信号对应的第二生理信号以及第二生理信号的第二状态标签,第二生理信号是根据第一生理信号生成的生理信号;第一生理信号是采集得到的生理信号;第一状态标签用于指示第一生理信号对应的生理状态;第二状态标签用于指示第二生理信号对应的生理状态;
36、训练模块,用于根据第一生理信号、第二生理信号、第一状态标签和第二状态标签训练生理状态识别模型。
37、第四方面,本申请实施例提供一种生理状态识别装置,包括:
38、获取模块,用于获取用户的生理信号;
39、识别模块,用于将生理信号输入预设生理状态识别模型,生理状态识别模型用于根据生理信号识别生理状态;预设生理状态识别模型通过第一方面任一项的方法训练得到;获得生理状态识别模型输出的生理状态识别结果,作为用户的生理状态。
40、第五方面,本申请实施例提供一种电子设备,包括:处理器,存储器;其中一个或多个计算机程序被存储在存储器中,一个或多个计算机程序包括指令,当指令被处理器执行时,使得电子设备执行第一方面或者第二方面任一项的方法。
41、第六方面,本申请实施例提本文档来自技高网...
【技术保护点】
1.一种人因智能生理状态识别模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一生理信号、所述第二生理信号、所述第一状态标签和所述第二状态标签训练生理状态识别模型,包括:
3.根据权利要求2所述的方法,其特征在于,获取第一生理信号对应的第二生理信号,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一生理信号和所述第一生理信号的第一状态标签生成第二生理信号的特征向量,包括:
5.根据权利要求4所述的方法,其特征在于,所述生理信号为心电信号,所述预设特征为HRV特征。
6.根据权利要求3至5任一项所述的方法,其特征在于,所述生成器的训练方法包括:
7.根据权利要求6所述的方法,其特征在于,所述根据所述第四生理信号以及所述第五生理信号训练预设判别器;
8.根据权利要求6所述的方法,其特征在于,所述根据所述第六生理信号和所述第六生理信号的第六状态标签,对所述生成器和所述判别器进行对抗训练,得到训练好的生成器,包括:
9.根据权利要求1至
10.根据权利要求1至5任一项所述的方法,其特征在于,所述生理状态识别模型通过结合翻译编码器的贝叶斯神经网络实现。
11.一种生理状态识别方法,其特征在于,包括:
12.一种生理状态识别模型的训练装置,其特征在于,包括:
13.一种生理状态识别装置,其特征在于,包括:
14.一种电子设备,其特征在于,包括:
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行权利要求1至11任一项所述的方法。
...【技术特征摘要】
1.一种人因智能生理状态识别模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一生理信号、所述第二生理信号、所述第一状态标签和所述第二状态标签训练生理状态识别模型,包括:
3.根据权利要求2所述的方法,其特征在于,获取第一生理信号对应的第二生理信号,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一生理信号和所述第一生理信号的第一状态标签生成第二生理信号的特征向量,包括:
5.根据权利要求4所述的方法,其特征在于,所述生理信号为心电信号,所述预设特征为hrv特征。
6.根据权利要求3至5任一项所述的方法,其特征在于,所述生成器的训练方法包括:
7.根据权利要求6所述的方法,其特征在于,所述根据所述第四生理信号以及所述第五生理信号训练预设判别器;
8.根据权利...
【专利技术属性】
技术研发人员:请求不公布姓名,请求不公布姓名,请求不公布姓名,请求不公布姓名,请求不公布姓名,
申请(专利权)人:北京津发科技股份有限公司,
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。