【技术实现步骤摘要】
本专利技术具体涉及一种基于多特征二维卷积的多模态情绪识别评价方法。
技术介绍
1、人脸情绪识别和表情生成在计算机视觉和人工智能领域具有重要的应用价值。基于卷积神经网络的人脸情绪识别和表情生成技术已经取得了显著的进展，并在多个领域得到了广泛应用。
2、人脸情绪识别是指通过分析人脸图像或视频，准确识别出人的情绪状态，例如高兴、悲伤、愤怒等。而表情生成则是指根据给定的情绪标签或描述，生成相应的表情图像或动画。这两个技术的结合，能够在虚拟人物设计、人机交互、自动驾驶等领域发挥重要作用。
3、卷积法的原理是根据线性定常电路的性质(齐次性、叠加性、时不变性、积分性等)，借助电路的单位冲激响应h(t)，求解系统响应的工具，系统的激励一般都可以表示为冲击函数和激励的函数的卷积，概念中冲击函数的幅度是由每个矩形微元的面积决定的。总的说来卷积就是用冲击函数表示激励函数，然后根据冲击响应求解系统的零状态响应。卷积实质上是对信号进行滤波。
4、基于卷积神经网络(convolutional neural network,cnn...
【技术保护点】
1.一种基于多特征二维卷积的多模态情绪识别评价方法，其特征在于：多模态情绪识别评价方法为将基于音频刺激情绪试验获取的脑电信号进行剔除去噪的预处理后形成纯净脑电信息，再对纯净脑电信息进行特征提取构建多模态数据集，对多模态数据集通过卷积神经网络方式进行分类、识别以及评价过程。
2.根据权利要求1所述的一种基于多特征二维卷积的多模态情绪识别评价方法，其特征在于：音频刺激情绪试验获取脑电信号的过程为：
3.根据权利要求2所述的一种基于多特征二维卷积的多模态情绪识别评价方法，其特征在于：将音频刺激情绪试验获取脑电信号进行预处理的过程为：
4....
【技术特征摘要】
1.一种基于多特征二维卷积的多模态情绪识别评价方法，其特征在于：多模态情绪识别评价方法为将基于音频刺激情绪试验获取的脑电信号进行剔除去噪的预处理后形成纯净脑电信息，再对纯净脑电信息进行特征提取构建多模态数据集，对多模态数据集通过卷积神经网络方式进行分类、识别以及评价过程。
2.根据权利要求1所述的一种基于多特征二维卷积的多模态情绪识别评价方法，其特征在于：音频刺激情绪试验获取脑电信号的过程为：
3.根据权利要求2所述的一种基于多特征二维卷积的多模态情绪识别评价方法，其特征在于：将音频刺激情绪试验获取脑电信号进行预处理的过程为：
4.根据权利要求3所述的一种基于多特征二维卷积的多模态情绪识...
【专利技术属性】
技术研发人员：耿道双，刘洋，吴肖邦，温文超，
申请(专利权)人：桂林电子科技大学，
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。