[发明专利]一种使用多通道信息融合的个人情感唤醒度识别方法

说明书

本发明公开了一种使用人体心电信号（EEG），皮肤电信号（EDA），声音信号和面部视频信号进行个人情感唤醒度识别的方法。本方法采集被测试个体的心电、皮肤电、声音和面部视频信号，从中提取22个信号特征作为训练数据；由专业人员对个体情感唤醒度水平进行评分作为评价数据；对训练数据依次进行特征提取和特征数据标准化处理；使用处理后的训练数据和评价数据训练得到支持向量机回归模型（SVR）预测识别模型。在进行情感唤醒度预测识别时，向训练得到的模型输入信号数据，使用该模型预测识别该个体的情感唤醒度状态水平。

技术领域

本发明是一种人类情感唤醒度识别的方法。主要涉及计算机科学和心理学的相关技术领域。

背景技术

James A. Russel在1980年提出了Arousal-Valence情感模型（如附图1），目前该模型是心理学界进行情感度量的重要模型之一。该模型主要采用唤醒度（arousal）和效价（valence）作为度量指标来衡量人类情感状态。其中, “唤醒” 是指生理或心理被吵醒或是对外界刺激重新产生反应。激活脑干，自律神经系统和内分泌系统，使得机体提高心率和血压准备接受外界刺激、运动和反应。唤醒性情绪包括：悲伤、愤怒和愉悦等。情感唤醒度是人类情感被唤醒程度高低的度量，在本方法中，我们将情感唤醒度定义在[-1,1]数学空间，其中-1表示负面情感唤醒度最大值，0表示没有唤醒，1表示正面情感唤醒度最大值。所以唤醒度的识别是进行情感状态和水平识别的重要一环。

情感识别是实现和谐人机交互的关键技术，其目的是赋予计算机识别用户情感的能力。来自社会和认知心理学的研究表明在相关的外界刺激下,情感能够快速地、轻易地、自动地甚至无意识地唤起。情感计算最初由美国麻省理工学院的Picard教授在1997年提出的。情感计算的目标是赋予计算机感知、理解与表达情感的能力, 从而与人更加主动、友好、声情并茂地交流。随后, 情感计算迅速引起人工智能与计算机领域专家的兴趣, 并成为近几年一个崭新的、充满希望的研究领域。情感计算的提出与迅速发展, 一方面是由于人机交互和谐性的要求, 希望计算机像人一样不但具备听、说、看、读的能力, 而且能够理解与表达喜、怒、哀、乐等情绪;另一方面也是基于强计算主义的心理, 希望把计算延伸至人的内心世界。

情感计算提出后，基于面部表情、语音、姿势和生理信号的情感识别在得到广泛研究。语音是人类情感的重要外在表现，有效体现人类的情感状态和变化情况。Tomkins指出面部活动在情感体验中扮演了重要角色。Picard认为，基于生理信号的情感识别更接近于情感的内在心理感受。Ekman的团队最先在1983年的Science上发文陈述了离散情感可区分性的证据。其中心电（ECG）和皮肤电(EDA)是反映人的交感神经兴奋变化的最有效、最敏感的生理指标,是国际上最早最广泛应用并得到普遍承认的多导心理测试指标。综合利用上述信息进行情感唤醒度的识别是未来技术发展的重要趋势。

同时，由于人类个体之间的生理结构和心理水平存在较大的差异，以往的研究往往试图建立普适性的情感识别模型，这必然导致识别水平的下降，使得技术缺乏实用性。因此，本技术的针对不同的人类个体建立正对特定个体的情感唤醒度识别模型，以提高识别的准确性和实用性。

发明内容

本发明的内容是提供一种使用多通道信息融合的个人情感唤醒度识别的方法。

为了得到上述目的，采用以下技术方案：采集个体基本数据建立情感唤醒度识别模型，该方法主要包括如下步骤。

S1：通过前期数据采集，得到被试个体在不同情感状态下的心电信号（EEG），皮肤电信号（EDA），声音信号（Audio）和面部视频信号（Video），共10个样本，每个样本时间在180-300秒不等。

S2：由3名专业人员使用对用户唤醒度状态进行评价。