[发明专利]一种基于多源微特征的深度神经网络心理语义标注方法

说明书

本发明公开了一种基于多源微特征的深度神经网络心理语义标注方法，根据获生理微特征、语音微特征进而建立微表情坐标系与单维度的线性转换关系；同时考虑到微表情对心理表达的崎变现象，通过先验的心理标注库对畸变校正。根据多维度微特征的心理映射，建立多微特征之间的验证关系，进而构建数据特征的空间融合模型。通过建立深度神经网络，将多特征进行融合，为实时获取心理特征的决策提供准确、可靠依据。获得实时心理特征，从而完成实时心理语义标注。为实时获取心理特征的决策提供准确、可靠依据。

技术领域

本发明涉及多源微特征领域，具体说是一种基于多源微特征的深度神经网络心理语义标注方法。

背景技术

心理语义是通过表情特征，皮肤电特征，呼吸特征，血压特征，呼吸特征以及声音特征等多特征的变换，形成具有统一维度的特征空间，进而通过建立深度神经网络，将多特征进行融合，为实时获取心理特征的决策提供准确、可靠依据。当审讯遇到困难时，可以借助心理语义读取的方法，进行辅助判读心理活动，为审讯员提供参考性的定向提问。

发明内容

本法的目的是提供一种准确的基于多源微特征的深度神经网络心理语义标注方法。

本发明解决上述技术问题所采用的技术方案是：

一、采集生理微特征，将生理微特征与微表情特征的互相校验，形成统一指向，通过深度学习方法统一贴签处理；

二、采集语音微特征，将语音微特征与微表情特征的互相校验，形成统一指向，通过深度学习方法统一贴签处理；

三、将生理微特征和语音微特征整合校验后得到微表情特征；

四、将微表情特征与特征验证库进行比对判断，排除非微表情特征；

五、特征验证库将验证后微表情特征的进行特征融合；

六、特征融合通过深度神经网络重构完成多源特征融合；

七、完成特征融合进行心理语义标注，为实时获取心理特征的决策提供准确、可靠依据。

本发明的优点是：

本发明获取微表情特征，皮肤电特征，呼吸特征，血压特征及声音特征，根据深度学习网络的信息融合算法，将多特征进行融合，为实时获取心理特征的决策提供准确、可靠依据。

附图说明

图1是多源微特征数据融合逻辑单元连接图。

图2是基于深度神经网络的融合决策。

具体实施方式

下面将结合附图及实施例对本发明作进一步说明。

一种基于多源微特征的深度神经网络心理语义标注方法，包括，

一、采集生理微特征101，将生理微特征101与微表情特征的互相校验，形成统一指向，通过深度学习方法统一贴签处理；

二、采集语音微特征102，将语音微特征102与微表情特征的互相校验，形成统一指向，通过深度学习方法统一贴签处理；

三、将生理微特征101和语音微特征102整合校验后得到微表情特征103；

四、将微表情特征103与特征验证库105进行比对判断，排除非微表情特征；

五、特征验证库105将验证后微表情特征的进行特征融合106；

六、特征融合106通过深度神经网络重构104完成多源特征融合；

七、完成特征融合106进行心理语义标注107，为实时获取心理特征108的决策提供准确、可靠依据。