[发明专利]情绪状态识别方法和系统、情绪状态识别设备

权利要求书

1.一种情绪状态识别方法，其特征在于，包括：

从脑电切片中提取脑电波；

计算所述脑电波的能量特征信息；

根据所述能量特征信息输入支持向量机回归模型进行样本训练，得到脑电放松度特征识别模型；

利用所述脑电放松度特征识别模型对采集的用户脑电信号进行识别，获取放松度等级，并根据所述放松度等级确定所述用户的情绪状态。

2.根据权利要求1所述的情绪状态识别方法，其特征在于，所述从脑电切片中提取脑电波的步骤包括：

对脑电切片的观察信号进行中心化和白化处理；

选择一个具有单位范数的初始化向量；

更新脑电切片的基于正态分布距离的权重；

根据所述更新的权重对所述初始化向量进行更新，并进行标准化得到脑电切片的Delta、Theta、Alpha、Beta、Gamma波。

3.根据权利要求2所述的情绪状态识别方法，其特征在于，所述能量特征信息包括能量值及其能量分布密度；

所述计算所述脑电波的能量特征信息的步骤包括：

提取Delta、Theta、Alpha、Beta、Gamma波的幅度值；

根据所述Delta、Theta、Alpha、Beta、Gamma波的幅度值分别计算Delta、Theta、Alpha、Beta、Gamma波的能量值；

根据所述Delta、Theta、Alpha、Beta、Gamma波的能量值计算能量分布密度。

4.根据权利要求2所述的情绪状态识别方法，其特征在于，所述能量特征信息包括脑电波的相对谱能量分布和脑电切片的电位线能量特征；

所述计算所述脑电波的能量特征信息的步骤包括：

计算Delta、Theta、Alpha、Beta、Gamma波之间的能量；

分别计算Delta、Theta、Alpha、Beta、Gamma波的频谱边沿频率；

根据所述Delta、Theta、Alpha、Beta、Gamma波的频谱边沿频率计算Delta、Theta、Alpha、Beta、Gamma波波形的相对谱能量分布；

根据所述Delta、Theta、Alpha、Beta、Gamma波之间的能量和所述Delta、Theta、Alpha、Beta、Gamma波波形的相对谱能量分布获取脑电切片的电位线能量特征。

5.根据权利要求1所述的情绪状态识别方法，其特征在于，根据所述能量特征信息输入支持向量机回归模型进行样本训练，得到脑电放松度特征识别模型的步骤包括：

根据所述能量特征信息建立支持向量机回归模型；

从脑电切片的能量特征信息获取训练支持向量机的输入样本集和测试集；

结合输入的放松度评分值和所述支持向量机训练的输出生成支持向量机的训练样本对，进行支持向量机训练，得到脑电放松度特征识别模型。

6.根据权利要求1所述的情绪状态识别方法，其特征在于，所述从脑电切片中提取脑电波的步骤前，还包括：

对原始脑电信号进行切片和滤波处理，得到脑电切片；

根据基于正态分布距离的权重对所述脑电切片进行平滑处理，去除脑电切片的低频直流信息。

7.一种情绪状态识别系统，其特征在于，包括：

提取模块，用于从脑电切片中提取脑电波；

计算模块，用于计算所述脑电波的能量特征信息；

训练模块，用于根据所述能量特征信息输入支持向量机回归模型进行样本训练，得到脑电放松度特征识别模型；

识别模块，用于利用所述脑电放松度特征识别模型对采集的用户脑电信号进行识别，获取放松度等级，并根据所述放松度等级确定所述用户的情绪状态。

8.一种情绪状态识别设备，其特征在于，包括：终端设备和电极，所述电极用于采集脑电信号，并传输至终端设备；

所述终端设备被配置为执行权利要求1至6任一项所述的情绪状态识别的播放方法的步骤。