[发明专利]一种基于生命体征数据的情绪预测方法

说明书

本发明提供了一种基于生命体征数据的情绪预测方法，通过呼吸、心率、脉搏、收缩压、舒张压和体温6个生命体征数据，根据护理对象的年龄、性别等特征建立护理对象情绪匹配知识库，构建护理对象情绪预测模型，通过学习人工标记的情绪匹配知识库，达到能够通过监护仪的数据实时分析预测护理对象的情绪变化，提高护理质量。

技术领域

本发明涉及一种基于生命体征数据的情绪预测方法。

背景技术

情绪状态非常复杂，由多种明显与不明显的特征体现。主流的情绪预测方法主要有三种：表情、语音和脉搏。在现有的研究中，多数是采用其中一种特征来识别情绪，但是不同的情绪带来的行为与生理反应的多样性使其不可能由一种特征准确反应，因此，多特征融合是情绪预测的必然选择。

但是，一些特殊群体，如重症患者和一些老年人等护理对象，情绪的变化可以很大程度的左右病情的发展。怒、哀、惧、惊等情绪，通常会导致病情的恶化，甚至会诱发一些潜在病情的发作。乐、悦、好等情绪，通常会加快病情的康复程度。如果能掌握护理对象情绪的变化，快速人工介入，及时疏导，对于护理对象病情的恢复起到极大的促进作用。但是，对于护理人员来说，护理对象的情绪大部分都是隐藏在心里，没有表露出来，很难察觉出来护理对象情绪的变化。主流的表情、语音和脉搏这三种情绪识别方法，只能采用其中的脉搏这种方法用于预测上述护理对象的情绪，单一的方法造成准确度低。

发明内容

本发明的目的是提供一种基于生命体征数据的情绪预测方法，能够准确识别护理对象情绪变化。

为了解决上述技术问题，本发明的技术方案是：

一种基于生命体征数据的情绪预测方法，包括如下步骤：

S1：建立护理对象的生命体征数据测试库。

S2：将每个护理对象的待测生命体征数据进行归一化处理。

S3：将处理后的待测生命体征数据输入情绪预测模型，对护理对象进行情绪预测。

作为优选，所述步骤S1中，根据护理对象的性别和年龄等特征，建立使用者生命体征数据测试库。

作为优选，所述步骤S3中，所述情绪预测模型构建如下：

S301：构建情绪匹配知识库。

S302：构建依次包括数据输入层、隐含层和数据输出层的深度神经网络。

S303：采用情绪匹配知识库中的生命体征数据对所述深度神经网络进行微调，获得已训练好的深度神经网络作为情绪预测模型。

作为优选，输入所述情绪预测模型的生命体征数据经过去均值处理，其计算式为：

其中，x_i，x_j为生命体征数据中的一项生命体征数据，h表示数据点的个数。

作为优选，所述深度神经网络共有五层，依次包括数据输入层、三层隐含层和数据输出层，所述数据输入层包括6个输入节点，每个所述隐含层包括100个节点，所述数据输出层包括6个输出节点。

作为优选，所述生命体征数据包括呼吸、心率、脉搏、收缩压、舒张压和体温。

作为优选，所述情绪包括怒、哀、惧、惊、乐和悦。

与现有技术相比，本发明具有以下优点：

本发明所述基于生命体征数据的情绪预测方法，生命体征数据可以体现情绪变化带来的生理行为的多样性，基于生命体征数据预测情绪的方法能够提高预测的准确性。另外，利用监护仪采集护理对象的生命体征数据，对护理对象进行情绪预测，提高针对护理对象的护理质量。

附图说明