[发明专利]一种情绪识别方法、系统及存储介质

说明书

本发明涉及一种情绪识别方法、系统及存储介质，本发明通过获取用户的人脸图像及脑电波，利用Valence‑arousal二维模型根据人脸图像及脑电波对用户情绪状态进行预测。相对于现有技术，本发明提高了情绪识别的准确性。

技术领域

本发明涉及信息处理领域，尤其是涉及一种情绪识别方法、系统及存储介质。

背景技术

近年来，情感识别在许多领域中具有显著的意义，是人机交互系统中的关键因素。情绪识别应用在社会的各个层面上，比如用于智能机器人识别人的情绪，并通过给出更好的互动反馈；或者用于根据人不同情绪改变产品的交互等。现有技术中许多利用人的各种模态信息(比如人的人脸图像，脑电波，语音等)进行情绪识别的方法被提出来，这些方法在一定的程度上能够识别出对象的情绪，然而却受限于单一模态，准确率较低。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种准确率高的情绪识别方法、系统及存储介质。

一种情绪识别方法，包括以下步骤：

获取用户的人脸图像和脑电波；

根据获取的脑电波和人脸图像分别对用户的情绪状态进行预测，获得基于脑电波和基于人脸图像的情绪状态预测结果；

利用Valence-arousal二维模型对基于人脸图像和基于脑电波的情绪状态预测结果进行映射，根据映射结果获得用户的情绪状态。

相对于现有技术，本发明通过获取用户的人脸图像及脑电波，利用Valence-arousal二维模型根据人脸图像及脑电波对用户情绪状态进行预测，提高了情绪识别的准确性。

进一步地，所述利用获取的脑电波对用户的情绪状态进行预测，获得基于脑电波的情绪状态预测结果步骤中，包括以下步骤：

对获取的脑电波进行小波变换提取功率谱密度特征；

使用递归特征选择方法选取功率谱密度特征；

调用预设的SVM模型对选取的功率谱密度特征进行分类；

针对预测积极程度和唤醒程度两种情况，分别调用不同的SVM模型预测用户的情绪值，并根据该情绪值获得基于脑电波的情绪状态预测结果；该方式中，每一个用户直接对用户自己的生理数据进行预测，具有针对性。

或者，所述利用获取的脑电波对用户的情绪状态进行预测步骤中，包括以下步骤：

对获取的脑电波进行小波变换提取功率谱密度特征；

将提取的功率谱密度特征以10s作为一个样本进行采样，获得时序特征；

利用长短期记忆模型对所述时序特征回归预测，获得积极程度和唤醒程度情况下用户的情绪值，并根据该情绪值基于脑电波的情绪状态预测结果。该方式中，用户利用原先其它用户的数据对自身的情绪状态进行预测，有利于减少数据计算；两种模型预测方法，可分别适用于不同的情况，提高该模型的灵活性和实用性。

进一步地，所述利用获取的人脸图像对用户的情绪状态进行预测，获得基于人脸图像的情绪状态预测结果步骤中，包括以下步骤：

从人脸图像中获取人脸特征信息；

将所述人脸特征信息输入CNN模型获得若干个子结果；

根据该子结果获得基于人脸图像的情绪状态预测结果。通过调用CNN模型对人脸特征信息进行识别，提高情绪判断的准确性。

进一步地，所述对获取的脑电波进行小波变换提取功率谱密度特征步骤中，采用Daubechies的小波变换系数进行特征提取，方便提取脑电波信号中的各种频带信息。