【技术实现步骤摘要】
本申请涉及智能个体状态识别的，尤其是涉及一种基于多模态数据的人员状态识别方法、装置、设备及介质。
技术介绍
1、利用生理及心理信号的状态识别在医疗健康、交通驾驶、军工国防、用户体验等方面具有广泛的应用，而个体差异是该领域面临的重要挑战之一，个体差异问题导致模型面对新个体的预测准确率降低，限制了生理及心理信号状态识别的实际应用发展。为了减少个体差异对状态识别的影响，目前已有研究人员提出了各种方法，如数据校准、特征提取、迁移学习、对抗学习等，以使模型能更好地适应不同个体的生理及心理特征变化。
2、而目前的状态识别方法具有以下问题：
3、1.由于运用场景的限制，大部分原有技术只能采集少量基线，难以扩大采集，因此导致模型因缺乏大数据而泛化能力减弱。
4、2.数据源只有单一的生理信号，通常只能反映特定的生理活动，且在个体之间的变化可能较大，特别是在基线状态、情绪反应或生理条件上，并更容易受到噪音的影响。
5、3.过于依赖单一模态数据，领域对抗神经网络复杂不稳定，领域差异过大会影响模型性能。
<...【技术保护点】
1.一种基于多模态数据的人员状态识别方法，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，所述状态特征包括多模态图特征以及单模态空间特征，在将所述基线数据作为源域，将所述待分析生理数据作为目标域，利用域适应网络进行从源域到目标域的迁移，基于所述状态特征提取所述待分析生理数据中独立于个体的生理数据特征之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述获取多名受试者在每种状态下的多模态的样本生理数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述应用GAN网络增强所述样本生理数据，得到扩增后的基线数据，
...
【技术特征摘要】
1.一种基于多模态数据的人员状态识别方法，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，所述状态特征包括多模态图特征以及单模态空间特征，在将所述基线数据作为源域，将所述待分析生理数据作为目标域，利用域适应网络进行从源域到目标域的迁移，基于所述状态特征提取所述待分析生理数据中独立于个体的生理数据特征之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述获取多名受试者在每种状态下的多模态的样本生理数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述应用gan网络增强所述样本生理...
【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，
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。