[发明专利]一种基于多人神经响应一致性的状态检测方法和系统

说明书

技术领域

本发明涉及人机交互及工程心理学技术领域，具体涉及一种基于多人神经响应一致性的状态检测方法和系统。

背景技术

情绪是人类在认知和意识过程中，综合多种感觉、思想和行为产生的心理和生理状态，在人们的日常生活中有着非常重要的作用。而大脑作为人类思维活动的中枢，是情绪信息等状态处理的物质基础。因此，对情绪测试过程中的大脑神经信号进行建模分析，是最直接的情绪等状态的识别方法。相比主观报告或面部表情、语音语调、身体姿态等行为指标，基于大脑神经信号的情绪等状态识别方式具有客观、不易伪装等特点，在理论上可以取得更准确、可靠的识别结果。在人机交互领域，情绪等状态识别可以有效地提升人机交互效率，并让人机交互变得更加自然。在过去一段很长的时间里，人机交互领域有关情绪的研究主要关注消极负面情绪的识别，如愤怒、恐惧、紧张等，对积极正面情绪的探索相对有限。特别的，已有情绪研究中对积极情绪类别的划分高度简化，并未充分挖掘积极情绪的丰富内涵。基于积极心理学的前沿理论，构建科学、合理的积极情绪细分类别体系，并实现相应的情绪状态识别方法，在人员评测、用户体验等工程心理学领域具有十分重要的价值。

积极情绪与消极情绪有着截然不同的认知功能意义。消极情绪是人类面对危险、敌害等时候的生存相关状态反映，往往伴随短时强烈神经响应；而积极情绪更多的是面向个人社会生存技能的发展及社会资源的建设，往往伴随持续时间较长、幅度较弱的神经响应。这一积极情绪的神经响应特性需要在神经信号的特征提取及模式识别方法中有针对性的进行处理，而现有情绪识别方法主要针对消极情绪进行优化，对积极情绪识别的有效性不足。

多人神经响应一致性是近年来社会神经科学领域兴起的一种前沿神经信号分析处理方法。多人神经响应一致性是指不同个体在处于同一交互环境，如一起观看电影，聆听演讲和交谈等情况下，神经响应呈现高度相似性的一种现象。有别于传统基于事件相关响应的分析方法，这一方法从多人神经响应一致性的角度描述神经信号特征，有利于提取响应幅度微弱但较长时间过程中存在较强相似性的神经响应，有望实现对积极情绪神经响应特征的有效提取。另外，脑机接口技术领域基于支持向量机、随机森林等算法的模式识别方法，则可以从高维度、复杂时变神经信号特征中有效识别出目标情绪状态类别，并实现情绪状态识别结果的实时输出。因此，结合多人神经响应一致性特征和脑机接口技术方有望有效识别细分类别的积极情绪，而相关情绪识别方法尚未见报道。

发明内容

为了解决上述现有技术中存在的问题，本发明提出一种基于多人神经响应一致性的状态检测方法和系统，本发明能够对于参与某多人交互任务的受众群体，进行积极情绪状态的实时识别与检测。

为实现上述目的，本发明将通过以下技术方案实现：

根据本发明的一方面，提出一种基于多人神经响应一致性的状态检测方法，所述方法包括：

构建情绪状态类别数据库；

获取与所述情绪状态类别数据库中各个情绪状态类别对应的情绪状态基础神经响应数据集；

基于各个情绪状态类别对应的情绪状态基础神经响应数据集，建立基于多人神经响应一致性的情绪状态检测模型；

基于所述情绪状态检测模型对于测试对象的情绪状态进行检测，得到情绪状态检测结果。

可选地，所述获取与所述情绪状态类别数据库中各个情绪状态类别对应的情绪状态基础神经响应数据集的步骤包括：

建立情绪状态诱发数据库，所述情绪状态诱发数据库中的情绪状态诱发数据能够诱发训练对象产生所述情绪状态类别数据库中的各类情绪状态；

对应每个情绪状态诱发数据，记录不同训练对象在被诱发时产生的脑电响应数据，基于所述多维情绪状态信息标签，得到各个情绪状态类别对应的情绪状态基础神经响应数据集。

可选地，其特征在于，所述基于各个情绪状态类别对应的情绪状态基础神经响应数据集，建立基于多人神经响应一致性的情绪状态检测模型的步骤包括：

基于所述情绪状态基础神经响应数据集，计算情绪状态基础神经响应数据的训练神经响应一致性特征集；

基于所述训练神经响应一致性特征集，训练得到与各个情绪状态类别对应的检测分类器作为所述情绪状态检测模型。

可选地，其特征在于，所述基于所述情绪状态基础神经响应数据集，计算情绪状态基础神经响应数据的训练神经响应一致性特征集的步骤包括：

将所述情绪状态基础神经响应数据集中所有的情绪状态基础神经响应数据拆分成多个频带的神经响应数据；

计算每个频带下，不同神经响应数据之间的两两一致性数值；