[发明专利]一种基于深度学习神经网络情绪识别的提前预警系统

说明书

本发明公开了一种基于深度学习神经网络情绪识别的提前预警系统，通过数据收集单元对检测者进行信息采集，并生成检测信息，将检测信息传递至建模单元，通过建模单元建立三维网络模型，将建立的三维网格模型传递至比对单元中，比对单元通过在数据库中调出储存数据，并于建立的三维网格模型进行比对，生成对比结果，将对比结果发送至控制单元，通过控制单元下达执行命令，执行命令传至执行单元，通过执行单元进行预警。本发明通过收集人体面部情绪、语音、体温和心率的信息，再根据收集信息进行建模后进行比对，生成比对信息，并通过控制单元实时分析处理结果，通过执行单元进行实时预警，以能够检测单人或多人的情绪状况，并实时分析危险状况。

技术领域

本发明涉及监测设备技术领域,更具体的说是涉及一种基于深度学习神 经网络情绪识别的提前预警系统。

背景技术

我们基于深度学习神经网络分析和情绪异常的系统预警,所述预警方法 采用深度学习神经网络方法记忆情绪变化进而对系统运行异常提出预警基于 系统运行过程中积累的海量历史数据,从摄像设备中获取人脸；将人脸输入到 训练好的全局神经网络与情绪汇总模型中进行全局的情绪检测分析,获取基 于人脸情绪异常的分析结果；依赖数据人工智能方法深入学习收集到数据自 主交互判断，通过检测结果判断危险率，从人群中发现情绪具有危险以及不 可控的人进而实现危险预警。

发明内容

有鉴于此，本发明提供了一种可以监测人脸情绪信息，并能够实时分析 的一种基于深度学习神经网络情绪识别的提前预警系统。

为实现上述目的，本发明提供如下技术方案，主要包括：数据收集单元、 建模单元、比对单元、控制单元、数据库和执行单元；

数据收集单元，用于获取检测者数据信息；

建模单元，用于将获取的信息进行建模，并生成网络模型；

比对单元，用于使网络模型与数据库的数据进行比对；

控制单元，用于协调各个单元的配合工作；

数据库，用于储存预存表情数据；

执行单元，用于提醒使用者预警信息；

使用步骤：

S1：通过数据收集单元对检测者的图像、声音、体温、心率进行采集，并生 成图像信息、语音信息、体温信息和心率信息；

S2：将收集到的图像信息、语音信息、体温信息和心率信息传递至建模单元， 通过建模单元建立三维网络模型；

S3：将建立的三维网格模型传递至比对单元中，比对单元通过在数据库中调 出储存数据，并于建立的三维网格模型进行比对，生成对比结果；

S4：将对比结果发送至控制单元，通过控制单元进行分析和处理，并下达执 行命令；

S5：执行命令传至执行单元，通过执行单元进行预警。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述数据收集单元包括：可将光摄像机、红外测温仪、非接触心率测量仪； 所述可见光摄像机用于收集人体面部表情、采集人体动态图片以及人体语音 信息；

所述红外测温仪用于收集人体温度；

所述非接触式心率测量仪用于收集人体心率信息。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述建模单元包括单人建模模块和多人建模模块，所述建模单元还包括：单 帧高维图片输入端、编码器、解码器、重建高维图片输出端；所述单帧高维 图片输入端接收可见光摄像机的输入图片，将输入图片经单帧高维图片输入 端处理，再经编码器编码得到低维向量表示，得到的低维向量表示再经解码 器解码后得到高维网格模型，再将高维网格模型经重建高维图片输出端输出 至比对单元。