一种基于脑图特征的情绪识别方法及系统技术方案

本发明专利技术涉及一种基于脑图特征的情绪识别方法及系统，属于信号处理领域。包括：构建视频材料数据库，采集被试观看所述视频材料数据库中视频时的脑电信号；对所述脑电信号进行预处理，对预处理后的脑电信号进行时域分割、频域分频、特征提取、空域映射得到二维图谱，对所述二维图谱进行频域叠加、时域叠加得到四维脑图；将所述四维脑图输入训练好的情绪识别模型得到预测的情绪。该方法通过采集被试观看构建的视频材料数据库中视频时的脑电信号，并通过四维脑图将采集的脑电信号转化为一个包含其频域、空域和时域信息的四维数据块，提高了情绪识别的准确性，解决了基于脑电信号针对情感跨度较小的材料实现相应情绪的细粒度准确识别的问题。

【技术实现步骤摘要】

本专利技术涉及信号处理，尤其涉及一种基于脑图特征的情绪识别方法及系统。

技术介绍

1、情绪是人类对日常生活互动的反应，准确识别观众的情绪有助于调整媒体制作的内容和传播策略，对提高媒体传播的有效性起到至关重要的作用。近年来，随着机器学习与深度学习的发展，通过对脑电波(electroencephalogram，eeg)进行生物特征识别以及特征参数提取从而进行情绪识别成为研究热点。

2、目前现有基于脑电信号的情绪识别方法通常从情感跨度较大的视频中选择材料让被试者观看，如丰收、地震等，从而使情绪更容易被识别。但是，在很多场景下尤其是媒体传播过程中，视频的情感跨度较小，如何实现相应情绪的细粒度识别，仍为需要面对的主要挑战。其次，现有基于脑电信号的情绪识别方法通常只考虑脑电信号的频域、空域和时域特征中的一种或两种，导致可能会丢失关键情绪信息，降低情绪识别的准确性。最后，现有基于脑电信号的情绪识别方法通常只将预测的情绪分为积极、消极、中性，识别粒度低。

3、可见，如何基于脑电信号针对情感跨度较小的材料实现相应情绪的细粒度准确识别是亟待解决的问题。本文档来自技高网...

【技术保护点】

1.一种基于脑图特征的情绪识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于脑图特征的情绪识别方法，其特征在于，所述对预处理后的脑电信号进行时域分割、频域分频、特征提取、空域映射得到二维图谱，包括：将预处理后的脑电信号在时域分割为一系列无重叠的、长度为Ts的时间片段；对每个时间片段，在频域划分为alpha、beta、gamma和theta四个频带；对每个频带，提取脑电信号的差分熵和功率谱密度；对每个频带，将其对应的差分熵和功率谱密度分别映射到与脑电信号电极位置对应的二维网格上进行空域映射，得到每个频带对应的二维图谱。

3.根据权利要求2所述...

【技术特征摘要】

1.一种基于脑图特征的情绪识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于脑图特征的情绪识别方法，其特征在于，所述对预处理后的脑电信号进行时域分割、频域分频、特征提取、空域映射得到二维图谱，包括：将预处理后的脑电信号在时域分割为一系列无重叠的、长度为ts的时间片段；对每个时间片段，在频域划分为alpha、beta、gamma和theta四个频带；对每个频带，提取脑电信号的差分熵和功率谱密度；对每个频带，将其对应的差分熵和功率谱密度分别映射到与脑电信号电极位置对应的二维网格上进行空域映射，得到每个频带对应的二维图谱。

3.根据权利要求2所述的基于脑图特征的情绪识别方法，其特征在于，对所述二维图谱进行频域叠加、时域叠加得到四维脑图，包括：将各频带对应的二维图谱进行叠加，然后将各时间片段进行叠加，得到四维脑图。

4.根据权利要求2所述的基于脑图特征的情绪识别方法，其特征在于，所述二维网格为8×9的空间布局，其中每个网格点代表一个符合国际10-20标准的脑电信号电极的位置；所述每个...

【专利技术属性】
技术研发人员：耿冰蕊，兰俏，
申请(专利权)人：中国传媒大学，
类型：发明
国别省市：