[发明专利]一种基于心率和面部特征的非接触式的人类情感识别方法

说明书

本发明提供一种基于心率和面部特征的非接触式的人类情感识别方法，它使得系统可以远程识别人类情感。包括步骤：（1）使用图像采集设备（包括RGB色彩和红外线）实时采集图像信息；（2）使用信号分离技术得到特征信号；（3）使用神经网络分析并得出人类情感。本发明结合人类的实时影像，系统可以依赖难以伪装的人类的生物信号识别出人类情感。

技术领域

本发明属于情感识别领域，特别涉及一种基于心率和面部特征的非接触式的人类情感识别方法。

背景技术

由于人的情绪可以反映在肤色和心率上，而这些是不容易伪造的，所以通过分析面部数据就可以识别出人的情绪。此外，面部表情因文化和种族而异。因此，很难为不同背景的人制定一个统一的标准。

人工智能识别情感的能力是非常有用的，在医疗行业、服务业，甚至在讯问领域可以发挥重要作用。非接触式方法可以降低被测者的警觉性。如果使用这些相机能够高精度地识别人们的情绪，操作便捷，用户就不会感到不舒服。例如，在医院里，如果医生知道病人的情绪，那么帮助病人恢复得更好。在学校里，如果老师知道学生的情绪，那么他/她可以更好地调整教学节奏。在讯问过程中，警察可以根据犯罪嫌疑人的情绪判断他是否撒谎。

传感器技术和深度学习算法的发展使得基于信息融合的情感感知成为可能。世界上许多研究机构正在进行这方面的研究。情绪感知有多种方式：生物电信号、面部表情、语音、文本和手势。

大多数实验使用生物特征信号来检测情绪。用于检测的主要生物指标是心电图(ECG)、肌电图(EMG)等。ECG方法已被证明是有效的情绪感知方法。Juan Miguel等人。提出一种利用眼动跟踪、生物特征识别和脑电测量装置研究基本情绪和复杂情绪的方法。费迪南多等，从心电图中获得心率变异性(HRV)，以确定情感识别中使用的一些标准特征，并将情绪转换为觉醒价空间。卡特西尼亚尼斯等。提出了一种集成心电和脑电图(EEG)数据的多模态数据库梦想家。参与者在每次刺激后进行自我评估以校正数据库。然而，这种方法通常需要特殊的设备，并且需要与人体直接接触。

发明内容

本发明的目的在于克服现有技术存在的上述不足，提出了基于心率和面部特征的非接触式的人类情感识别方法，它使得系统可以远程识别人类情感。

本发明提供了一种基于心率和面部特征的非接触式的人类情感识别方法，包括如下步骤：

S1、使用RGB色彩和红外线识别心率；

S2、使用小波分析面部特征；

S3、使用神经网络分析心率和面部特征，从而识别出人类情感。

优选地，所述步骤S1具体包括：使用独立成分分析即ICA来匹配视频帧人脸的亮度变化和相应心率信号，ICA是一种基于信号高阶统计特性的信号分析方法，观测到的随机信号服从：

s＝wx

其中x是观测信号矩阵，每个观测信号之间存在统计相关性，在变换矩阵w变换之后，信号矩阵s的各个信号分量之间的相关性降低，采用独立分量分析算法为混合的R、G、B、红外数据解出分离矩阵，其中，ICA的实现形式为特征矩阵的联合逼近对角化即JADE算法，即JADE算法对混合的R，G，B，红外数据提供分离矩阵，JADE算法的目的是计算混合矩阵的逆，它通过四个步骤来描述：

步骤1.形成样本协方差并计算白化矩阵

步骤2.形成白化过程的样本四阶累积量计算n对最重要的特征对

步骤3.通过归一化矩阵对集合进行联合对角化；

步骤4.对混合矩阵A的估计是分离后，利用快速傅立叶变换提取信号，找到匹配的心率范围。

优选地，所述步骤S2包括以下步骤：