[发明专利]情绪识别方法及系统、及应用该方法的智能看护系统

权利要求书

1.一种情绪识别方法，适于在计算设备中执行，其特征在于：该方法包括以下步骤：

获取同一时刻或同一时间段内的被测人脸图像和脑电信号；

对被测人脸图像和脑电信号分别处理，分别得到表情参数值和内心情绪参数值；

对表情参数值和内心情绪参数值进行数据融合处理，得到情绪融合参数值；

根据情绪融合参数值于预存的情绪融合数据库中识别被测人脸的当前情绪，得到情绪信息。

2.根据权利要求1所述的情绪识别方法，其特征在于：所述步骤获取同一时刻或同一时间段内的被测人脸图像和脑电信号，其中，被测人脸图像的获取包括以下步骤：

调用摄像设备，并控制摄像设备的摄像头朝向被测人体正面；

通过摄像设备获取人体正面图像；

显示人体正面图像，并于人体正面图像中生成人脸检测框；

通过人脸检测框实时检测并确定人体正面图像中的人脸位置，得到被测人脸图像；

以及，脑电信号的获取包括以下步骤：

调用脑电提取设备；

通过脑电提取设备获取被测人体的脑电信号。

3.根据权利要求2所述的情绪识别方法，其特征在于：在所述步骤获取同一时刻或同一时间段内的被测人脸图像和脑电信号中，在每天内，每隔时间T1获取一次被测人脸图像，及在获取被测人脸图像的同时每隔时间T2获取一次脑电信号，并根据时间顺序将每次获取的被测人脸图像和脑电信号保存至一初始数据库；所述初始数据库记录有被测人脸图像及其获取时间、脑电信号及其获取时间；

当需要获取同一时刻或同段时间内的被测人脸图像和脑电信号时，调用所述初始数据库，并于所述初始数据库中获取相应的被测人脸图像和脑电信号。

4.根据权利要求2或3所述的情绪识别方法，其特征在于：所述步骤对被测人脸图像和脑电信号分别处理，分别得到表情参数值和内心情绪参数值，其中，对被测人脸图像的处理包括以下步骤：

对被测人脸图像中进行灰度化处理，得到人脸灰度图像；

对人脸灰度图像进行特征提取，得到表情原始特征数据；

对表情原始特征数据进行离散余弦变换处理，而后通过主成分分析进行数据降维，得到表情特征值；

将所述表情特征值输入预先训练好的卷积神经网络，计算得到表情参数值；

以及，对脑电信号的处理包括以下步骤：

对脑电信号依次进行特征标准化和特征归一化处理，得到脑电特征值；

通过预先训练好的SVM分类器对所述脑电特征值进行特征分类，得到内心情绪参数值。

5.根据权利要求4所述的情绪识别方法，其特征在于：所述步骤对表情原始特征数据进行离散余弦变换处理，而后通过主成分分析进行数据降维，得到表情特征值；其中的步骤通过主成分分析进行数据降维，得到表情特征值，包括以下步骤：

B1：通过离散余弦变换处理后的表情原始特征数据为一个M×N矩阵E₀，其中，M为样本数目，N表示每个样本的数据维数；

B2：对所述矩阵E₀进行样本矩阵中心化处理：

B21：分别计算并记录每一维数的所有样本数据的均值其中，1≤n≤N；

B22：对所述矩阵E₀中的每一维上的每一数据Xmn重新赋值，即其中，1≤m≤M；

B23：判断每一维数的所有样本数据的均值是否为0，是则保存当前矩阵E，并执行步骤B3，否则，返回步骤B21；

B3：计算并得到矩阵E的协方差矩阵；

B4：计算协方差矩阵的特征值和特征向量，得到N个特征值和与所述N个特征值一一对应的N个特征向量，并根据N个特征值将与其对应的特征向量从大到小依序排列，形成N×N矩阵，并于所述N×N矩阵中选取其前k列数据，组成一N×k的降维矩阵；

B5：将所述矩阵E₀与所述N×k的降维矩阵相乘得到一M×k的降维矩阵，实现对表情原始特征数据的降维，得到表情特征值，所述表情特征值为所述M×k的降维矩阵。

6.根据权利要求4所述的情绪识别方法，其特征在于：在所述步骤对被测人脸图像和脑电信号分别处理，分别得到表情参数值和内心情绪参数值之前，还包括步骤：监听人脸检测框内是否有信号输入，是则才对被测人脸图像和脑电信号分别处理，否则继续监听人脸检测框内是否有信号输入。