[发明专利]一种使用脑电信号的人类情感唤醒度分类识别方法

说明书

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[0,1]数学空间，在其中规定[0.6，1]为高唤醒度水平，（0.4，0.6）为中等唤醒度水平，[0，0.4]为低唤醒度水平，本方法的用途在于使用人体脑电信号作为依据，判定个体在特定时刻的唤醒度水平，从而为人类情感状态和水平的识别提供参考依据。

情感识别是实现和谐人机交互的关键技术。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。

脑电信号（Electroencephalogram, EEG）是一种使用电生理指标记录大脑活动的方法，它是大脑在活动时大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。脑电信号同时也是国际上最广泛应用并得到普遍承认的多导心理测试指标。通过对于脑电信号的分析，可以对人类大脑的活动（包括情感活动）进行有效的追踪和测量。

在已有的方法中，研究者已经通过对于脑电信号的分析，揭示了人类认知活动的大量普遍规律。利用脑电信号进行情感唤醒度分类识别将有效的推动认知心理学和智能人机交互研究的发展。

发明内容

本发明的内容是提供一种使用脑电信号的人类情感唤醒度分类识别方法。

为了得到上述目的，采用以下技术方案。

采集人体脑电数据建立情感唤醒度分类识别模型，该方法主要包括如下步骤。

S1：利用脑电采集设备采集不同个体在不同情感唤醒度状态下的32道脑电信号，脑电采集点的选择如附图2所示，其中灰色的点为本方法所使用的脑电采集通道点。

S2：对采集得到的脑电信号进行去噪处理，去除由于信号干扰带来的噪音数据。

S3：计算提取脑电信号的数值特征，计算时间窗口长度为2秒，主要特征包括：

表1 脑电信号特征数据类型。

S4：对所有特征值进行标准化处理，以便能够提高模型训练的准确性，避免过拟合。

S5：由3名专业人员根据被试的表情和语音信息对被试的情感唤醒度水平进行评价，将评价结果分为高、中、低3类唤醒度分类评价数据。

S6：使用S4中获得的标准化特征数据作为训练数据和S5中获得的唤醒度评价数据作为标签数据，训练随机森林分类模型（Random Forest Classifier Model），从而获得基于脑电信号的情感唤醒度分类识别模型。并将该模型进行参数化保存。

在获得情感唤醒度识别模型后，在需要进行情感唤醒度预测/检测时，按照以下步骤进行情感唤醒度检测。

S1：实时采集被测试人员如附图2所示的32道脑电信号。

S2：对脑电信号进行去噪处理。

S3：提取如表1所示的脑电信号特征数据。

S4：对特征值进行数据标准化处理。

S4：将标准化处理后的特征值输入之前训练得到的脑电情感唤醒度分类识别模型，由该模型计算出被试个体在当前状态下的情感唤醒度水平。

本发明的主要特点包括。