[发明专利]基于眼动生理信号的情绪评估方法及装置

说明书

本公开提供了一种基于眼动生理信号的情绪评估方法及装置，该方法包括：基于情绪刺激信号获取被测者的眼动生理信号数据；根据眼动生理信号数据提取分类特征；对分类特征进行预处理得到有效分类特征；将有效分类特征输入预训练的SVM模型得到评估结果。本公开实施例提供的基于眼动生理信号的情绪评估方法通过情绪刺激信号获取参试者的眼动生理信号数据，使得评估过程与情绪直接相关，通过预训练的SVM模型进一步提高了基于眼动生理信号的情绪评估的准确性。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种基于眼动生理信号的情绪评估方法及装置。

背景技术

近年来，随着以机器学习为核心的人工智能技术的发展与应用，给情绪检测领域带来了全新的革命。基于此，基于以机器学习技术为主的基于眼动生理信号的情绪评估方法得到了广泛的关注与研究。

现有技术中采用机器学习技术构建的基于眼动生理信号的情绪评估方法，通常依据生理信号(静息态fMRI、静息态EEG等)或是行为信息(语音、表情、文本等)来进行基于眼动生理信号的情绪评估，这些信号都是参试者在自然状态采集得到的，因此这些分类数据都不是与情感障碍直接相关，而是对情感障碍的间接测量情绪，因此通过该方法进行基于眼动生理信号的情绪评估的准确率不高。

发明内容

本公开实施例提供了一种基于眼动生理信号的情绪评估方法及装置，能够提高基于眼动生理信号的情绪评估的准确性。

为此，本公开实施例提供了如下技术方案：

第一方面，本公开实施例提供了一种基于眼动生理信号的情绪评估方法，包括：

基于情绪刺激信号获取参试者的眼动生理信号数据；

根据所述眼动生理信号数据提取分类特征；

对所述分类特征进行预处理得到有效分类特征；

将所述有效分类特征输入预训练的SVM模型得到评估结果。

可选地，所述情绪刺激信号为正性情绪视频刺激信号、负性情绪视频刺激信号或中性情绪视频刺激信号。

可选地，所述眼动生理信号数据为瞳孔直径。

可选地，根据所述眼动生理信号数据提取分类特征包括：

根据所述瞳孔直径获取初始分类特征，所述初始分类特征包括：正性情感带宽、负性情感带宽、基于正性情感带宽的信息熵、基于负性情感带宽的信息熵、基于正性情感带宽的能量、基于负性情感带宽的能量、正性瞳孔直径变化率和负性瞳孔直径变化率；

计算所述初始分类特征的统计学指标得到所述分类特征，所述统计学指标包括：最小值、下四分位数、中位数、上四分位数、最大值、平均值和标准差。

可选地，对所述分类特征进行预处理得到有效分类特征包括：

通过独立t检验从所述分类特征中选取存在显著性差异的特征，得到有效分类特征。

可选地，将所述有效分类特征输入预训练的SVM模型前还包括：

剔除所述有效分类特征中冗余的数据。

可选地，剔除所述有效分类特征中冗余的数据包括：

计算任意两个所述有效分类特征之间的相关系数；

基于所述相关系数并通过PCA消除任意两个所述有效分类特征之间的相关性；

基于所述效分类特征的方差贡献率或累计方差贡献率选择特定的有效分类特征。

可选地，相关系数为Pearson相关系数。

可选地，所述预训练的SVM模型的训练方法包括：