[发明专利]一种呼叫中心服务人员的情绪监测方法

说明书

技术领域

本发明涉及电子电路设计、无线通信、语音信号处理、机器学习等多种领 域，具体涉及一种呼叫中心服务人员的情绪监测方法。

背景技术

情绪状态非常复杂，由多种明显与不明显的特征体现。主流的情绪识别方 法主要有三种：表情、语音和脉搏。在现有的研究中，多数是采用其中一种特 征来识别情绪，但是不同的情绪带来的行为与生理反应的多样性使其不可能由 一种特征准确反映，因此多特征融合的方式是情绪识别的必然选择。

语音情绪识别在情绪识别领域应用最为广泛，常用的方法为提取语音的梅 尔频率倒谱系数(MFCC)、线性预测倒谱系数(LPCC)、基频、短时能量等特征， 由于语音特征数量很多，各种特征对不同的情绪有不同的影响，人工选取特征 工作量巨大，而且不一定能选取最合适的特征。如果采用深度学习的方法，深 度神经网络会从众多特征中学习最有用的特征，从而避免人工选取特征的局限 性。

目前应用最广泛的心率检测方法有三种：压力法、心电位法和光电容积法。 前两种方式都需要穿戴复杂的检测装置，使被检测者感到不适，而光电容积法 正是解决这个问题的有效方法。根据郎伯-比尔(lamber-beer)定律，物质在 一定波长处的吸光度和他的浓度成正比，当恒定波长的光照射到人体组织上时， 通过人体组织吸收、反射衰减后测量到的光强在一定程度上反映了被照射部位 组织的结构特征。因此选择光电容积法作为脉搏检测是一种非常有效的方法。

在无线传输方面，蓝牙4.0显然是最佳之选。蓝牙4.0集传统蓝牙技术、高 速技术和低耗能技术于一体，完全向下兼容，包含经典蓝牙技术规范和最高速 度24Mbps的蓝牙高速技术规范，更重要的是，超低的能耗使蓝牙芯片用标准纽 扣电池可运行一年乃至数年。

发明内容

为解决现有技术中的缺点和不足，使呼叫中心服务人员提供更加优质的服 务，本发明提出一种呼叫中心服务人员的情绪监测方法，将语音信号和脉搏相 结合，两种特征互相补充，互相修正；使用光电容积法采集脉搏信号，传感器 直接安装在耳麦上，同时将脉搏信号通过蓝牙芯片发送到计算机，不仅考虑穿 戴舒适度，还考虑到传输速度和能耗；分析过程采用深度学习的方法，避免了 人工选取特征的复杂工作和局限性。

本发明的技术方案是这样实现的：

一种呼叫中心服务人员的情绪监测方法，包括语音信号分析和脉搏信号分 析两个过程；

在语音信号分析过程中，使用深度学习的方式；

脉搏信号分析过程使用光电容积法采集脉搏信号，计算为心率用作分析；

最后，将语音信号分析与心率分析进行融合，得到最后的情绪结果。

可选地，在语音信号分析过程中，使用深度学习的方式，具体步骤为：

(11)建立深度学习网络，使用标准语音情绪数据库中的语音提取的基频、 短时能量、MFCC、LPCC特征对神经网络进行训练，调整参数；

(12)采集语音信号，将语音信号分段，提取语音信号的基频、短时能量、 MFCC、LPCC特征，输入训练好的深度神经网络中进行识别，得到识别结果。

可选地，脉搏信号分析过程使用光电容积法采集脉搏信号，计算为心率用 作分析，具体步骤为：

(21)设计光电脉搏传感器电路，包括光电检测电路和放大电路，安装到 耳麦中；

(22)采集脉搏信号，将模拟信号转换为数字信号，并计算出心率；

(23)将心率发送到计算机，用作心率情绪分析。

可选地，使用反射式测量法对脉搏进行测量。

可选地，将语音信号分析与心率分析进行融合，融合的方式为：在某心率 范围下，出现特定的几种情绪，当判断的语音情绪不属于该心率范围内所属的 情绪类别，则排除这个样本。

本发明的有益效果是：

(1)深度学习具有自动学习良好的特征，避免了人工选取特征的局限性， 减少了复杂的人工操作，适应能力更强；

(2)使用语音与心率两种特征进行分析，避免了单一特征分析产生的偏差， 而且两种特征形成互补优势：语音信号包含更多的信息，但人为的克制可能会 使语音信号不能完全反应其情绪，心率不能人为控制，但是信息量有限；