【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于多头融合的步态情绪识别方法及系统。
技术介绍
1、感知人的情绪是智能交互和情感计算的重要部分，它涉及心理学、计算机科学和认知行为学等多个领域。情感识别可用于人机交互，使智能系统能够更好地理解人的情感，从而与人更好地合作。比如，智能机器人通过向孤独症儿童展示不同步态及表达的情感，帮助孤独症儿童更好地理解情绪、安全监控的摄像头可以通过行人的步态识别情绪，为愤怒情绪下故意伤人事故的发生做预警，有利于减少人员伤亡，为公共安全助力。
2、在不该情绪识别的方法中，相比较于传统机器学习的方法，基于深度学习的方法识别效果显著提升。randhavane等人提出了一个包含四类情绪标签(快乐，悲伤，愤怒或中性)emotion-gait数据集，并采用lstm的方法进行情绪识别。venkatraman等人提出了proxemo一种新颖的端到端情感预测算法，应用于具有社交意识的机器人导航，通过步行步态预测行人的感知情绪。在会议aaai-2020上bhattacharya等人在step中应用空间时时图卷积网络(st-...
【技术保护点】
1.一种基于多头融合的步态情绪识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特征在于，在步骤S2中，相对坐标Gt的生成公式如下：
3.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特征在于，融合特征f生成过程如下：
4.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特征在于，在ST-GCN网络以ST-GCN为主体结构，在ST-GCN的平均池化部分增加两个平均池化层，以保证计算量不变并减少过拟合。
5.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特...
【技术特征摘要】
1.一种基于多头融合的步态情绪识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特征在于，在步骤s2中，相对坐标gt的生成公式如下：
3.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特征在于，融合特征f生成过程如下：
4.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特征在于，在st-gcn网络以st-gcn为主体结构，在st-gcn的平均池化部分增加两个平均池化层，以保证计算量不变并减少过拟合。
5.根据权利要求1所述的基于多头融合的步态情绪识别方法，其特征在于，在步骤s5中，步态情绪预测的生成过程如下：
6....
【专利技术属性】
技术研发人员：郭歆仪，周愿恩，徐骜，王方兵，孙晓，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
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。