一种基于脑电的可穿戴情感识别方法和系统的制作方法
【技术领域】
[0001] 本发明涉及人工智能领域,具体涉及人体移动健康可穿戴设备领域的一种基于脑 电的可穿戴情感识别方法和系统。
【背景技术】
[0002] 情绪是一种综合了人的感觉、思想和行为的状态,它包括人对外界或自身刺激的 心理反应,也包括伴随这种心理反应的生理反应。在人们的日常工作和生活中,情绪的作用 无处不在。在医疗护理中,如果能够知道患者、特别是有表达障碍的患者的情绪状态,就可 以根据患者的情绪做出不同的护理措施,提高护理质量。在产品开发过程中,如果能够识别 出用户使用产品过程中的情绪状态,了解用户体验,就可以改善产品功能,设计出更适合用 户需求的产品。在各种人-机交互系统里,如果系统能识别出人的情绪状态,人与机器的交 互就会变得更加友好和自然。因此,对情绪进行分析和识别是神经科学、心理学、认知科学、 计算机科学和人工智能等领域的一项重要的交叉学科研究课题。
[0003] 对于情绪的研究由来已久,使用的方法也各不相同。近年来,随着脑电信号采集设 备的应用和推广,信号处理和机器学习技术的快速发展,以及计算机数据处理能力的大幅 提高,基于脑电的情绪识别研究已经成为神经工程和生物医学工程领域的热门课题。
[0004] 此外,目前非专业医用的可穿戴情绪监护及管理设备层出不穷,它们主要目标是 帮助家庭对心理健康进行自我监护和管理。但是它们都不同程度存在各类缺点。
【发明内容】
[0005] 本发明针对现有技术中存在的问题,提出一种基于脑电的可穿戴情感识别方案, 通过对脑电波的采集分类识别后,将情感数据实时显示并传递给自己、家人或者朋友,然后 通过APP调节情绪。
[0006] 本发明的技术方案为:
[0007] -种基于脑电的可穿戴情感识别方法,包括步骤:
[0008] 检测人体的脑电信号;
[0009] 提取所述脑电信号的特征波形;
[0010] 对所提取的特征波形进行降维处理;
[0011] 使用线性判别式分析LDA方法对降维后的所述特征波形进行情感识别。
[0012] 优选地,所述提取所述脑电信号的特征数据步骤之前还包括:
[0013] 移除所述脑电信号中的不可用数据;
[0014] 归一化处理所述脑电信号;
[0015] 对所述脑电信号进行低通滤波。
[0016] 优选地,所述提取所述脑电信号的特征数据的具体方法为:
[0017] 提取人体脑电信号的特征波形。
[0018] 优选地,对所提取的特征波形进行降维处理的具体方法为:
[0019] 使用主成分分析方法对所提取的特征波形进行降维处理。
[0020] 优选地,所述使用LDA方法对降维后的所述特征波形进行情感识别的具体方法 为:
[0021] 采集各不同情感下的特征波形样本矩阵X以及建立情感类别向量V,所述情感类 别向量为各不同情感标识所组成的向量;
[0022] 根据所述v分别挑选出每一种类别的样本矩阵X,计算出各不同类别的样本类内 离散度矩阵和总类间离散度矩阵:
[0023]
[0024] _ (=[
[0025] 其中,X为输入的样本数据矩阵,行为一个个样本,列为一个个特征;1?是各类的样 本均值;k为样本所属类别数;
[0026]
[0027] 计算得样本间离散度矩阵:
[0028] 其中,叫是各类样本数,m是样本总平均数;
[0029] 由矩阵&式的前k-Ι个特征值所对应的特征向量组成转换矩阵w ;
[0030] 通过公式w*计算得到每一类投影后的中心点;
[0031] 根据新的特征样本经矩阵w投影后距离各类中心点的欧氏距离远近判定新样本 数据所属情感类别。
[0032] 本发明还提供一种基于脑电的可穿戴情感识别系统,其特征在于,包括相互独立 的信号检测前端设备和移动终端设备,所述信号检测前端设备和移动终端设备进行无线通 信连接,所述信号检测前端设备用于采集以及预处理人体脑电信号并发送至所述移动终端 设备,所述移动终端设备用于根据所接收的所述预处理后的脑电信号进行生理异常检测和 情感识别。
[0033] 优选地,所述信号检测前端设备包括依次连接的信号采集设备、放大设备、滤波设 备、AD转换设备以及主控设备,所述信号采集设备用于采集脑电信号,所述放大设备用于放 大所述采集的脑电信号,所述滤波设备用于对放大后的脑电信号进行杂波滤除,所述ADR 换设备用于将滤波后的模拟脑电信号转换为数字信号并发送给所述主控设备,所述主控设 备接收所述数字信号并将其无线发送至所述移动终端设备。
[0034] 优选地,所述信号检测前端设备还包括与所述主控设备连接的电源管理设备,用 于对所述信号检测前端设备进行电源功耗管理。
[0035] 优选地,,所述移动终端设备包括中控模块以及与其连接的信号特征提取模块、降 维处理模块以及情感识别模块,所述信号特征提取模块用于提取所述脑电信号的特征波 形,所述降维处理模块用于对所提取的特征波形进行降维处理,所述情感识别模块用于根 据降维后的特征波形进行情感识别。
[0036] 优选地,所述移动终端设备还包括与所述中控模块连接的判断模块和健康咨询模 块,所述判断模块用于判断情感识别结果,所述健康咨询模块用于当所述判断模块判断出 产生情感障碍时提供健康咨询并告知再次进行情感识别,否则告知用户检测结果正常并退 出检测,所述情感障碍为消极情感。
[0037] 本发明具有如下有益效果:
[0038] 1、硬件部分采用全集成式的脑电检测前端,可以在运动或远程电极放置产生的噪 声环境下提取、放大及过滤微弱的生物电信号,滤波器输出信号建立时间短,高共模抑制 比,并且功耗极低,体积较小。
[0039] 2、配合低功耗嵌入式微处理器采集脑电信号,并通过低功耗蓝牙(BluetoothLow Energy,BLE)技术发送至手机、电脑等终端,便于采集,信号质量较高。
[0040] 3、通过软件上合理的电源和功耗管理,使得整个系统可以依靠一颗纽扣电池或小 型锂电池供电并工作数周。相对于传统脑电监护仪成本大大降低,测量简单、便携,适用于 家庭医疗应用及可穿戴应用。
[0041] 4、软件部分通过实时接收脑电数据,实时检测异常情况,并对一段时间里的脑电 波异常情况进行统计,根据统计结果给出佩戴者该段时间内身体健康情况的估计。同时对 不同情绪状态(平静、高兴、悲伤、恐惧、愤怒、恶心、惊奇)采集的脑电信号,提取必要的脑 电特征,根据提取的特征集训练情绪脑电模型,利用该模型和当前的脑电信号可以判断佩 戴者当前的情绪状态。
[0042] 5、利用手机App对情绪状态判断结果进行管理,帮助佩戴者实时了解自身的身心 健康状况。
【附图说明】
[0043] 为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要的附 图做简单的介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,对于本领域普 通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0044]图1为本发明的基于脑电的可穿戴情感识别方法的流程图。
[0045]图2为本发明的基于脑电的可穿戴情感识别系统的结构框图。
[0046] 图3为本发明的电源管理方法的流程图。
[0047] 图4为本发明中二级低通滤波的拓扑结构图。
[0048] 图5为本发明中二阶高通滤波器的拓扑结构图。
[0049]图6为本发明中极性转换电路的拓扑结构图。
[0050]图7为本发明信号采集感应电极及移动终端设备图。
【具体实施方式】
[0051] 下面结合说明书附图对本发明实施例的【具体实施方式】作详细说明。
[0052] 如图1所示,本发明所述的机器人情感识别方法包括步骤:
[0053] S101 :检测人体的脑电信号;
[0054] 在不同情绪状态(