[发明专利]基于神经网络的情绪识别与脱敏训练效果评估方法

说明书

本发明涉及一种基于神经网络的情绪识别与脱敏训练效果评估方法。包括：搭建虚拟现实情绪诱发分级场景并进行实验，获取多种生理数据，构建样本数据集，并采用SAM问卷进行场景分级验证；进行生理信号预处理，得到预处理后的数据集，分为训练集和测试集；选取卷积块、长短期记忆网络构造单模态生理信号神经网络结构，并进行融合得到基于多生理信号的神经网络情绪识别模型；选取30名被试分别进行低等级场景测试，同时记录测试过程中的生理信号，用于情绪预测；基于上述情绪预测结果，将30名被试分别进行低等级与高等级脱敏训练，并预测脱敏训练效果。本发明能快速准确地识别实验对象的情绪状态，并能够对实验对象参与实验的脱敏训练效果进行有效评估。

技术领域

本发明涉及神经网络用于情绪预测与脱敏训练领域，具体涉及一种基于神经网络的情绪识别与脱敏训练效果评估方法。

背景技术

情绪是人们对客观事物的感知状态，不同的情绪状态影响了人们的学习、记忆与决策等。对于不同情绪状态进行有效识别在远程教育、医疗、智能系统以及人机交互等领域均有着广泛的应用前景。基于生理信号的情绪识别能够克服传统外部特征易人为掩饰导致识别结果不精准的缺陷，多模态生理信号融合分析能够更加准确地识别出具体的情绪状态，使得结果更加客观和准确。

当人长期处于恐惧状态下容易影响人的健康，使人患上高血压、冠心病等生理疾病，也容易影响人际交往和工作效率。因此，如何精准判断患者对事物的恐惧程度是近年来的研究热点。产生恐惧后，如何对患者进行脱敏并进行有效评估也是目前研究亟待解决的一个难题。

综上所述，采用基于多模态生理信号的神经网络结构预判情绪类别将有助于更加客观和准确的反映情绪状态。现有的脱敏训练评估方法大多通过问卷进行评估，问卷结果反映情绪脱敏效果具有不真实、主观性强的缺点。因此，探索一种基于多生理信号的神经网络脱敏训练评估方法尤为重要。

发明内容

本发明的目的在于提供一种基于神经网络的情绪识别与脱敏训练效果评估方法，能快速准确地识别实验对象的情绪状态，并能够对实验对象参与实验的脱敏训练效果进行有效评估。

为实现上述目的，本发明的技术方案是：一种基于神经网络的情绪识别与脱敏训练效果评估方法，包括如下步骤：

步骤S1、搭建虚拟现实情绪诱发分级场景并进行实验，获取实验样本人群的多种生理数据，构建样本数据集，并采用SAM问卷进行场景分级验证，确保场景分级符合要求；

步骤S2、将样本数据集中的生理信号经过滤波、分割、数据增强、数据归一化方法得到预处理后的数据集，并将预处理后的数据集按照比例分为训练集和测试集；

步骤S3、选取卷积块、长短期记忆网络构造单模态生理信号神经网络结构，并将单模态生理信号神经网络结构进行融合，得到基于多生理信号的神经网络情绪识别模型；

步骤S4、选取30名被试分别进行低等级场景测试，同时记录测试过程中的生理信号，用于情绪预测；

步骤S5、基于步骤S4情绪预测结果，将30名被试分别进行低等级与高等级脱敏训练，采用基于多生理信号的神经网络情绪识别模型预测脱敏训练效果。

在本发明一实施例中，所述步骤S1具体为：搭建虚拟现实情绪诱发分级场景，选用被试进行低等级与高等级实验，同步采集训练时被试的多种生理数据，构建样本数据集；所述样本数据集中的生理信号有：心电、皮电、肌电、脉搏；分级场景测试后，采用SAM问卷对场景分级进行评分，确保场景分级符合要求。

在本发明一实施例中，所述虚拟现实情绪诱发分级场景与场景分级合理性评估具体为：

虚拟现实情绪诱发分级场景为处于不同高度下的高空救猫任务场景，被试需要分别对低等级和高等级进行高空救猫任务，同步记录多种生理数据；每个等级实验结束后，选用SAM问卷对场景分级进行评分，验证高等级的唤醒程度评分是否高于低等级的唤醒程度评分，确保场景分级符合要求。