[发明专利]用于确定用户情绪的电子设备及其控制方法

说明书

本公开涉及利用诸如深度学习的机器学习算法的人工智能(AI)系统及其应用。具体地，用于控制本公开的电子设备的方法包括以下步骤：从连接到电子设备的外部终端获得包括关于用户的数据的图像数据和补充数据；通过使用图像数据和补充数据生成用于确定用户的实际情绪的特征数据；并且通过将特征数据输入到情绪识别模型中来确定用户的实际情绪。

技术领域

本公开涉及电子设备及其控制方法。更具体地，本公开涉及一种能够分析数据以确定用户的情绪并且推断出情绪发生的原因的电子设备及其控制方法。

此外，本公开涉及使用诸如深度学习等的机器学习算法来模拟人脑的诸如认知、确定等功能的人工智能(AI)系统及其应用。

背景技术

人工智能(AI)系统是实现人类智能的计算机系统，与现有的基于规则的智能系统不同，该系统是机器自身学习、确定和变得智能的系统。随着人工智能(AI)系统的使用越来越多，可以提高人工智能(AI)系统的识别率，并且可以更准确地理解用户偏好。因此，现有的基于规则的智能系统已逐渐被基于深度学习的人工智能系统所取代。

人工智能技术包括机器学习(例如，深度学习)和利用机器学习的元素技术。机器学习是一种算法技术，用于自行分类和学习输入数据的特征。元素技术是利用诸如深度学习等机器学习算法的技术，其可以包括包括语言理解、视觉理解、推理/预测、知识表达、运动控制等技术领域。

应用人工智能(AI)技术的各个领域如下所示。语言理解是一种识别人类语言和性格的技术，应用和处理所识别的人类语言和性格，包括自然语言处理、机器翻译、对话系统、问答、语音识别和合成等。视觉理解是一种识别物体的技术，好像物体是从人类视线中观察的，其包括物体识别、物体跟踪、图像搜索、人类识别、场景理解、空间理解、图像改进等。推断和预测是识别信息以执行逻辑推理和预测的技术，其包括基于知识/概率的推理、优化预测、基于偏好的计划、推荐等。知识表达是一种针对用知识数据来体验人的信息来执行自动化处理的技术，包括知识构建(数据生成/分类)、知识管理(数据使用)等。运动控制是控制车辆的自动驾驶、机器人运动等的技术，其包括运动控制(导航、碰撞和驾驶)、操纵控制(行为控制)等。

同时，在相关技术中，通过分析要确定其情绪的用户的面部表情来确定用户的情绪状态。然而，存在来自分析用户面部的情绪和用户的实际情绪彼此不同的情况。也就是说，用户的面部表情是被激怒的，但是实际用户的感觉可能是愉快的，以及用户的面部表情是微笑的，但是实际用户的感觉可能是悲伤的。如上所述，当通过仅分析用户的面部表情来确定情绪时，可能存在不能准确地识别用户的实际情绪的情况。

发明内容

技术问题

本公开是上述问题的解决方案，即，提供一种电子设备以及其控制方法，其能够分析要确定其情绪的用户的面部表情并同时分析用户的周围环境信息以确定用户的实际情绪。

解决方案

根据本公开的实施例的用于控制电子设备以实现上述目的的方法包括：从连接到电子设备的外部终端获得包括用户的图像数据和补充数据，通过使用图像数据和补充数据生成用于确定用户的实际情绪的特征数据，并通过将特征数据输入到情绪识别模型中来确定用户的实际情绪。

补充数据可以包括包括GPS信息、图像的方向信息和散列标签信息、关于用户的预输入信息、用户的过去情绪以及图像上的爬行信息的至少一个。

特征数据可包括第一特征数据和第二特征数据。第一特征数据可以是与除了外围信息之外的用户的情绪相关的特征数据。第二特征数据可以是关于用户的外围信息的特征数据。

确定可以包括通过将第一特征数据输入到情绪识别模型中来确定用户的情绪，以及通过将第二特征数据输入到情绪识别模型中来确定外围信息，并且通过分析所确定的用户对第一特征数据的情绪和关于第二特征数据的外围信息来确定用户的实际情绪。