[发明专利]一种情感识别方法及系统

说明书

本发明公开了一种情感识别方法及系统，该方法包括：获取待识别的脑电信号；提取待识别时频域特征、待识别非线性特征和待识别脑网络属性特征；待识别时频域特征为根据待识别的脑电信号的小波分解系数计算得到的小波熵；待识别非线性特征包括对待识别的脑电信号进行离散傅里叶变换后得到的功率谱密度和对待识别的脑电信号进行平均误差计算后得到的Hurst指数；待识别脑网络属性特征反应待识别的脑电信号之间的相关性；对待识别的脑电信号特征采用训练好的支持向量分类机进行情感识别。本发明提出的方法及系统，具有的能够提高情感识别准确率优点。

技术领域

本发明涉及情感识别技术领域，特别是涉及一种情感识别方法及系统。

背景技术

情感是由外界刺激所诱发的一种心理和生理反应过程。正确有效的情感识别是人们日常生活和交流的重要保障，也是实现高级人工智能要解决的关键问题。传统的情感识别主要是基于人的面部表情、语音语调、姿势行为等外部行为表现，然而，这些外部表现所反映的情感特征主观性强，易于被掩饰或伪装。随着传感技术的发展，基于实时采集电生理信号，如脑电、心电、肌电的情感识别更为可靠有效，特别是脑电信号能够客观的反映不同情感的神经认知加工过程。

在基于脑电的情感识别中，目前常用的特征包括短时傅里叶变换、小波变换、经验模态分解等时频分析特征，近似熵、功率谱熵、最大李雅普诺夫指数(Lyapunov指数)、赫斯特指数(Hurst指数)等非线性属性特征和基于不同脑区间相互作用关系的脑网络属性特征等。然而，由于情感脑电信号的非线性、非平稳性以及情感认知过程中各脑区相互作用的复杂性，单一特征或几种特征的简单组合不能有效表征不同情感诱发脑电的差异，因此，情感识别的准确率不高。

发明内容

本发明的目的是提供一种能够提高情感识别准确率的情感识别方法及系统。

为实现上述目的，本发明提供了如下方案：

一种情感识别方法，包括：

随机向使用者播放多种情感类型的语音片段，采集所述使用者在每一情感类型语音片段的脑电信号，得到待训练的脑电信号；

提取所述待训练的脑电信号特征；所述待训练的脑电信号特征包括：待训练的时频域特征、待训练的非线性特征和待训练的脑网络属性特征；所述待训练的时频域特征为根据所述待训练的脑电信号的小波分解系数计算得到的小波熵；所述待训练的非线性特征包括对所述待训练的脑电信号进行离散傅里叶变换后得到的功率谱密度和对所述待训练的脑电信号进行平均误差计算后得到的Hurst指数；所述待训练的脑网络属性特征反应所述待训练的脑电信号之间的相关性；

对所述待训练的脑电信号特征采用支持向量回归法进行特征映射及融合，得到融合后的脑电信号特征；

根据所述融合后的脑电信号特征对支持向量分类机进行训练，得到训练好的支持向量分类机；

获取待识别的脑电信号；

提取所述待识别的脑电信号特征；所述待识别的脑电信号特征包括：待识别时频域特征、待识别非线性特征和待识别脑网络属性特征；所述待识别时频域特征为根据所述待识别的脑电信号的小波分解系数计算得到的小波熵；所述待识别非线性特征包括对所述待识别的脑电信号进行离散傅里叶变换后得到的功率谱密度和对所述待识别的脑电信号进行平均误差计算后得到的Hurst指数；所述待识别脑网络属性特征反应所述待识别的脑电信号之间的相关性；

对所述待识别的脑电信号特征采用所述训练好的支持向量分类机进行情感识别。

可选的，在所述提取所述待识别的脑电信号特征之前，还包括：对所述待识别的脑电信号进行预处理；

所述对所述待识别的脑电信号进行预处理，具体包括：

对所述待识别的脑电信号进行带通滤波处理；