[发明专利]一种基于ELMAN神经网络的蹦蹦袋体验评价方法及系统

说明书

本发明提供了一种基于ELMAN神经网络的蹦蹦袋体验评价方法及系统，通过开发一款手机App，获取用户在使用不同类型的蹦蹦袋过程视频(可以通过手机App现场拍摄或者读取视频文件)传输到云端；在云端把该视频分解成连续的系列照片；应用人脸识别技术，识别该系列照片对应的人脸表情类型，获得表情随时间变化的代码向量，在云平台上，通过ELMAN神经网络建立用户体验数据与对应用户体验过程评分的复杂非线性关系模型；进行视频的录入即可自动获得该用户体验过程的用户体验评价结果，作为企业进行自闭症蹦蹦袋产品升级优化的依据。

技术领域

本发明涉及大数据领域，具体涉及一种基于ELMAN神经网络的蹦蹦袋体验评价方法及系统。

背景技术

如今，正值心理健康危机日益严重的时期，尤其是年轻人。根据2015年的《高等教育纪事报》的一份报道中指出，自杀是大学生死亡的第二大杀手，仅次于交通事故；自1999年以来，美国的整体自杀率飙升了约25％。针对那些患有自闭症、SPD(感觉紊乱)、抑郁症、发育迟缓人群或者仅仅是压力过大的用户。有研究表明，像蹦蹦袋这样声称能够通过平衡和阻力感受，在运动中训练感觉紊乱以及发育迟缓儿童的空间感知能力和全身协调能力，能够有效减轻患者普遍存在的紧张情绪，让用户在放松的状态下更容易学会与他人的互动交流。嵌入情绪识别系统，将患者体验过程中的情绪变化进行采集、计算、分析，在大多情况下还是可以作为企业进行蹦蹦袋产品升级优化的依据。

现有技术在蹦蹦袋产品优化改进过程中，工程技术人员不能快速获取改进型蹦蹦袋的用户体验数据，进而不能对产品优化结果做出快速评价。

发明内容

为了解决现在产品研发过程中，研发人员不能快速获取改进型蹦蹦袋用户体验数据的问题，本申请提供一种基于ELMAN神经网络的蹦蹦袋体验评价方法,包括以下步骤

S1：采集用户使用蹦蹦袋的第一过程视频，依据所述第一过程视频得到第一过程系列照片，对所述第一过程系列照片进行人脸识别得到用户人脸表情向量，依据所述用户人脸表情向量得到输入矩阵，；

S2:采集用户调查数据，依据所述用户调查数据得到结果矩阵Y，构建的ELMAN模型，采用所述输入矩阵和所述结果矩阵对ELMAN模型进行训练。

S3:采集用户使用蹦蹦袋的第二过程视频，采用训练完成的ELMAN模型对所述用户使用蹦蹦袋的第二过程视频进行分析并获取用户体验数据。

进一步的，所述步骤S1包括，

S11：以横坐标为时间，纵坐标为表情类型代码生成用户人脸表情向量随时间变化的二维表情谱，其中，“愤怒”对应的表情向量为[0,0,0,0,0,0,1]^T、“厌恶”对应的表情向量为[0,0,0,0,0,2,0]^T、“恐惧”对应的表情向量为[0,0,0,0,3,0,0]^T、“高兴”对应的表情向量为[0,0,0,4,0,0,0]^T、“伤心”对应的表情向量为[0,0,5,0,0,0,0]^T、“惊讶”对应的表情向量为[0,6,0,0,0,0,0]^T、“无情绪”对应的表情向量为[7,0,0,0,0,0,0]^T，采用表情谱得到矩阵A＝[e₁,e₂,e₃,…,e_n]_7×n；

S12:将矩阵A进行转置变换得到A^T＝[e₁,e₂,e₃,…,e_n]_n×7；

S13:构造矩阵M＝A·A^T；