[发明专利]基于低分辨率红外热成像深度感知的情绪识别装置及方法

说明书

本发明提出一种基于低分辨率红外热成像深度感知的情绪识别装置及方法，其特征在于，包括：相连接的低分辨率红外热成像传感器、MCU最小系统和上位机；所述MCU最小系统和上位机通过无线通信模块连接。利用人体在不同情绪状态下的生理反应不同，通过低分辨率红外传感器对人体面部本身进行感知，并通过深度学习网络模型对人的多种情绪实现识别，当面对情绪由于个体的不同而展现出不同的表现形式或情绪被刻意掩盖时，人体向外辐射的红外线并不会因此而受影响，克服了现有技术通过摄像头进行视觉感知捕捉到错误信息，或因外部因素如光线等的影响使捕捉到的信息不完全而无法准确识别的缺陷。

技术领域

本发明涉及红外热成像技术、传感器技术、深度学习领域，尤其涉及一种基于低分辨率红外热成像深度感知的情绪识别装置及方法。

背景技术

随着人工智能时代的到来，目前人工智能最成熟的应用之一就是图像和语音识别，其已经广泛应用到拍照识物、画面增强、人机交互等各种领域。情绪识别技术已经成为人机交互体验优化的研究方向之一。人工智能情绪识别的能力用处极大，在医疗业、服务业等都会发挥不小的作用。首先，人机交互的体现更加自然顺畅。这对于空巢老人、儿童的陪护将起到积极的作用。通过对人的情绪捕捉，它可以为老人儿童提供心理安慰。而在这个基础上，利用人工智能进行情绪识别也能更好地帮助解决心理疾病问题，分担心理医生的精力，成熟的人工智能会在对话的过程中照顾到患者的情绪，从而慢慢地缓解病情。另外，利用情绪识别来管理和控制情绪也可能会成为一些情绪易失控者的福音。

人的情绪体现通常表现出明显的冲动性和外部特征，包括：认知评估、身体反应、主观体验（如喜悦、愤怒，悲伤等）、外在表现（面部表情、身体姿态和动作等）和行动倾向（产生动机）。现有的情绪识别技术，主要是从人体的外在表现进行情绪识别，例如通过眼球转动评估性格特征，面部微表情分析，语言表现分析等，上述技术的研究只利用一种或两种识别技术进行情绪判断，或抓住某个微表情、某一个声音，尚未能对人进行全方位、立体式分析。但是，研究情绪识别并不是一定要令每种情绪都有对应的外在表现，情绪与心理相关的复杂性不仅导致其与人的动作、表情并不一定呈必然相关性。此外，情绪识别还有可能因为虚假的表象而增加难度。目前情绪识别技术很大程度上还是基于可见光图像或视频等外在表现的特征提取展开，当情绪由于个体的不同而展现出不同的表现形式时，想要透过表层的识别去进行深层的情绪认识和理解，进而优化人机交互的体验，尚存在瓶颈。

发明内容

针对现有技术存在的空白和不足，本发明具体采用以下技术方案：

一种基于低分辨率红外热成像深度感知的情绪识别装置，其特征在于，包括：相连接的低分辨率红外热成像传感器、MCU最小系统和上位机；所述MCU最小系统和上位机通过无线通信模块连接。

优选地，所述低分辨率红外热成像传感器和MCU最小系统通过IIC接口连接。

优选地，所述低分辨率红外热成像传感器和MCU最小系统设置在电源电路的上方；所述电源电路设置在无线通信模块上方；所述无线通信模块采用ZigBee模块。

优选地，所述上位机通过深度学习方法对所述低分辨率红外热成像传感器探测获得的热成像温度矩阵进行识别判断。

优选地，所述深度学习通过以下步骤实现：

步骤S1：通过所述低分辨率红外热成像传感器采集多个人脸热成像数据，并对所述人脸热成像数据进行分类标记；

步骤S2：建立温度数据库；所述温度数据库包括数据文件和标签文件；

步骤S3：根据温度数据库建立训练集和验证集；

步骤S4：建立深度学习初始模型，进行情绪特征提取；

步骤S5：训练初始模型，获得目标模型；

步骤S6：固化模型用于实时检测。