技术特征：
1.一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，主要包括：数据收集单元、建模单元、比对单元、控制单元、数据库和执行单元；数据收集单元，用于获取检测者数据信息；建模单元，用于将获取的信息进行建模，并生成网络模型；比对单元，用于使网络模型与数据库的数据进行比对；控制单元，用于协调各个单元的配合工作；数据库，用于储存预存表情数据；执行单元，用于提醒使用者预警信息；使用步骤：s1：通过数据收集单元对检测者的图像、声音、体温、心率进行采集，并生成图像信息、语音信息、体温信息和心率信息；s2：将收集到的图像信息、语音信息、体温信息和心率信息传递至建模单元，通过建模单元建立三维网络模型；s3：将建立的三维网格模型传递至比对单元中，比对单元通过在数据库中调出储存数据，并于建立的三维网格模型进行比对，生成对比结果；s4：将对比结果发送至控制单元，通过控制单元进行分析和处理，并下达执行命令；s5：执行命令传至执行单元，通过执行单元进行预警。2.根据权利要求1所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述数据收集单元包括：可将光摄像机、红外测温仪、非接触心率测量仪；所述可见光摄像机用于收集人体面部表情、采集人体动态图片以及人体语音信息；所述红外测温仪用于收集人体温度；所述非接触式心率测量仪用于收集人体心率信息。3.根据权利要求1所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述建模单元包括单人建模模块和多人建模模块，所述建模单元还包括：单帧高维图片输入端、编码器、解码器、重建高维图片输出端；所述单帧高维图片输入端接收可见光摄像机的输入图片，将输入图片经单帧高维图片输入端处理，再经编码器编码得到低维向量表示，得到的低维向量表示再经解码器解码后得到高维网格模型，再将高维网格模型经重建高维图片输出端输出至比对单元。4.根据权利要求1所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述比对单元与数据库信息互通，且与控制单元电性信号连接。5.根据权利要求4所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述数据库中预存多种类型的情绪网格模型。6.根据权利要求1所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述执行单元包括：显示器、工作指示灯和扬声器。7.根据权利要求6所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述多种类型的情绪网格模型包括人体痛苦、愤怒、恐惧、厌恶、放松、紧张的表情的人体网格模型。8.根据权利要求2所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述可将光摄像机的分辨率为1920x1080,隔行/60hz,行频为33.75khz，其拍摄的
图像为48*48的单通道图片。9.根据权利要求3所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述建模单元采用深度神经网格算法进行计算。10.根据权利要求8所述的一种基于深度学习神经网络情绪识别的提前预警系统，其特征在于，所述可将光摄像头放置于一台有内置摄像头的电脑中，摄像头与检测者的距离为45厘米。
技术总结
本发明公开了一种基于深度学习神经网络情绪识别的提前预警系统，通过数据收集单元对检测者进行信息采集，并生成检测信息，将检测信息传递至建模单元，通过建模单元建立三维网络模型，将建立的三维网格模型传递至比对单元中，比对单元通过在数据库中调出储存数据，并于建立的三维网格模型进行比对，生成对比结果，将对比结果发送至控制单元，通过控制单元下达执行命令，执行命令传至执行单元，通过执行单元进行预警。本发明通过收集人体面部情绪、语音、体温和心率的信息，再根据收集信息进行建模后进行比对，生成比对信息，并通过控制单元实时分析处理结果，通过执行单元进行实时预警，以能够检测单人或多人的情绪状况，并实时分析危险状况。时分析危险状况。
技术研发人员：赵万云
受保护的技术使用者：宸可智能（深圳）有限公司
技术研发日：2021.08.30
技术公布日：2021/12/21