[发明专利]一种机器人诊断人体愤怒情绪方法及装置在审

专利信息
申请号: 201810623383.6 申请日: 2018-06-15
公开(公告)号: CN108937973A 公开(公告)日: 2018-12-07
发明(设计)人: 崔怀丰;王成端;蒲国林;潘刚 申请(专利权)人: 四川文理学院
主分类号: A61B5/16 分类号: A61B5/16
代理公司: 成都环泰知识产权代理事务所(特殊普通合伙) 51242 代理人: 赵红欣;李斌
地址: 635000 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 愤怒情绪 机器人 情绪状态 纠偏 诊断 计算机视觉技术 数据输出模块 无线传输模块 心率监测仪 高清相机 决策结果 人脸识别 人体行为 生理信息 实时信息 图像处理 系统识别 血压信息 移动终端 校准 测试仪 云平台 心率 校对 肢体 血压 表情 采集 验证 引入 情绪
【说明书】:

发明属于人脸识别的计算机视觉技术领域,公开了一种机器人诊断人体愤怒情绪方法及装置,机器人诊断人体愤怒情绪方法通过采集已知情绪状态下人体的心率、血压信息对图像处理的情绪决策结果进行验证、校准、纠偏;判断人体愤怒情绪实时信息;装置包括:高清相机、血压测试仪、心率监测仪、移动终端、无线传输模块、云平台、数据输出模块。本发明通过引入生理信息的校对纠偏,通过更少的人体行为信息:表情和肢体信息的数据输入能够使系统识别情绪状态的精度提高。

技术领域

本发明属于人脸识别的计算机视觉技术领域,尤其涉及一种机器人诊断人体愤怒情绪方法及装置。

背景技术

情绪是多成分组成、多维量结构、多水平整合,而同认知交互作用的心理过程和心理动机力量。情绪作为人反映客观世界的一种形式,是人的心理的重要组成部分,对人的现实生活和精神生活各方面都有重要作用。情绪有着明显的外显形式——表情和肢体。表情与肢体是传播情绪和情感信号的主要媒介,也是研究情绪的重要客观指标。它包括面部表情、身段表情。面部表情和肢体占据了情绪表情识别的大部分研究,面部表情、语音表情和身段表情都能显示主体的情绪状态。人们通过表情反映自己的意愿,也通过对他人表情的观察和体验来了解周围人的态度和意愿。喜怒哀乐是人们交流彼此的思想、愿望、需要、态度以及观点的有效途径。

计算机技术和人机交互技术的飞速发展,对人体情绪的识别及应用将会对诸多领域产生重要影响。情绪识别是人体交互中的重要一环,人机交互中:对人体情绪快速准确的识别判断至关重要。

但由于人本身的自主意识会对自我情绪进行压抑表达,导致通过图像特征提取信息做出的判断具有不确定性,人体生理信息随情绪波动变化明显且难以伪装,通过输入已知人体情绪状态的心率、血压、表情、肢体的数据,对人体情绪识别系统进行优化校正。

综上所述,现有技术存在的问题是:

通过视觉对人体愤怒情绪判断需求数据量大,识别精度低;

没有通过输入已知人体情绪状态的心率、血压、表情、肢体的数据,对人体情绪识别系统进行优化校正。

发明内容

针对现有技术存在的问题,本发明提供了一种机器人诊断人体愤怒情绪方法及装置。

本发明是这样实现的,一种机器人诊断人体愤怒情绪方法,所述机器人诊断人体愤怒情绪方法通过采集已知情绪状态下人体的心率、血压信息对图像处理的情绪决策结果进行验证、校准、纠偏;判断人体愤怒情绪实时信息。

进一步,图像处理的情绪决策结果获取方法包括:通过高清相机采集人体表情、肢体图像信息,通过图像处理决策系统判断人体情绪。

进一步,所述机器人诊断人体愤怒情绪方法包括获取与人体情绪高度匹配的人脸表情和肢体行为信息;

具体包括:

选取样本对象,样本配带心率监测仪、血压检测仪器同时在样本活动空间内布置多角度相机,收集每个样本长时间的心率、血压监测及图像数据,附加每个样本真实的对当天各个时段的情绪状态进行总结及对各个时段的情绪指数进行自我评价打分;

通过心率、血压、及自我评价、和图像特征数据四个输入,建立一个基本的愤怒情绪的判断算法;

对样本监测数据处理,样本处于消极愤怒情绪时,心率、血压随机升高,同时提取此时段的样本的表情特征和肢体行为特征与其它时段的特征对比差异;

基于大样本的微表情和微动作差异特征对比分析。

进一步,所述获取与人体情绪高度匹配的人脸表情和肢体行为信息,包括:

通过以下公式进行人脸表情和肢体行为信息的权重匹配:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川文理学院,未经四川文理学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810623383.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top