申请/专利权人:广东电网有限责任公司;广东电网有限责任公司电力科学研究院
申请日:2022-01-05
公开(公告)日:2024-03-01
公开(公告)号:CN114366102B
主分类号:A61B5/16
分类号:A61B5/16;A61B5/369;A61B5/24;A61B3/14;A61B3/113;A61B3/11
优先权:
专利状态码:有效-授权
法律状态:2024.03.01#授权;2022.05.06#实质审查的生效;2022.04.19#公开
摘要:本发明公开了一种多模态紧张情绪识别方法、装置、设备及存储介质,涉及智能识别技术领域。所述方法包括:获取被试人员的面部视频、脑电信号和皮肤电信号;利用注意力机制的典型相关分析对所述面部视频、所述脑电信号和所述皮肤电信号进行特征融合,得到融合特征;将所述融合特征输入情绪分类模型,得到情绪分类结果。本发明能够结合面部视频、脑电信号和皮肤电信号进行特征融合,多方面检测被试人员的情绪是否适宜进行危险作业,提前规避风险。
主权项:1.一种多模态紧张情绪识别方法,其特征在于,包括:获取被试人员的面部视频、脑电信号和皮肤电信号;利用注意力机制的典型相关分析对所述面部视频、所述脑电信号和所述皮肤电信号进行特征融合,得到融合特征;将所述融合特征输入情绪分类模型,得到情绪分类结果;其中,在所述获取被试人员的面部视频、脑电信号和皮肤电信号后,还包括:根据所述面部视频计算左右眼瞳孔直径的微分熵特征;其中,所述微分熵特征计算公式为: 其中,X服从高斯分布Nμ,σ2,x为特征,π,e为常数,σ2为特征方差;根据所述面部视频计算左右眼瞳孔直径的功率谱密度特征,其中,计算所述功率谱密度特征,包括:利用短时傅里叶变换得到左眼或右眼瞳孔直径的频域信号Xm,ωk,其中,m为变量,ωk=2πkN为角频率,k=0,1,...,N-1;通过频域信号计算对应的能量谱:Eωk=Xm,ωkX*m,ωk;根据所述微分熵特征与功率谱密度特征,得到眼动特征。
全文数据:
权利要求:
百度查询: 广东电网有限责任公司;广东电网有限责任公司电力科学研究院 一种多模态紧张情绪识别方法、装置、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。