申请/专利权人：中南民族大学

申请日：2023-12-29

公开（公告）日：2024-06-18

公开（公告）号：CN117898685B

主分类号：A61B5/0205

分类号：A61B5/0205;A61B5/024;A61B5/316;A61B5/145;A61B5/0531;A61B5/16;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于不同情绪状态的压力检测方法及装置，属于智能健康监测技术领域，所述方法包括：获取可穿戴式设备采集的皮电数据信号、温度数据信号、心率数据信号和皮质醇数据并进行预处理，建立数据集；采用数据集训练基于深度学习的情绪识别模型；获取待测用户的皮电数据信号、温度数据信号、心率数据信号并预处理后输入情绪识别模型，识别待测用户的情绪类别和情绪强度；根据待测用户的情绪类别和情绪强度，结合待测用户的皮质醇数据进行不同情绪状态下的压力检测。本发明简化了压力检测的方式，降低检测的成本的同时提高了对情绪压力的检测精度，方便用户通过有预警功能的便携装置随时检测自身所处的情绪以及压力。

主权项：1.一种基于不同情绪状态的压力检测方法，其特征在于，所述方法包括：获取可穿戴式设备采集的皮电数据信号、温度数据信号、心率数据信号和皮质醇数据并进行预处理，建立数据集；采用数据集训练基于深度学习的情绪识别模型；获取待测用户的皮电数据信号、温度数据信号、心率数据信号并预处理后输入情绪识别模型，识别待测用户的情绪类别和情绪强度；根据待测用户的情绪类别和情绪强度，结合待测用户的皮质醇数据进行不同情绪状态下的压力检测；所述情绪识别模型包括依次连接的卷积神经网络模块、位置编码模块、Transformer编码器和分类层；所述卷积神经网络模块用于对输入数据进行一维卷积操作，实现下采样处理，得到降维后的数据；所述位置编码模块用于对降维后的数据进行位置编码，获取降维后的数据中波峰、波谷在时域上的位置关系；所述Transformer编码器用于基于自注意力机制计算权重分布，学习输入数据与情绪及其强度之间的内在联系，并将提取的特征经过多层编码后输出特征向量；所述分类层用于将Transformer编码器输出的特征向量进行全连接层处理，并通过softmax函数将特征向量转换为情绪类别和情绪强度的预测概率；所述情绪类别分为正面情绪和负面情绪，每一个情绪类别对应轻度、中度和重度三种情绪强度；所述根据待测用户的情绪类别和情绪强度，结合待测用户的皮质醇数据进行不同情绪状态下的压力检测具体包括：若情绪类别判断结果为正面情绪，则默认为无压力；若情绪类别判断结果为负面情绪，根据皮质醇数据提取对应的皮质醇特征向量；将皮质醇特征向量与负面情绪中的情绪强度特征向量进行融合，得到融合特征向量；将融合特征向量输入SVM模型进行分类，得到待测用户压力等级；所述根据皮质醇数据提取对应的皮质醇特征向量具体包括：提取皮质醇数据的时域统计特征和频域统计特征，时域统计特征包括差分、上升时间和幅度，频域统计特征包括功率谱密度和能量；基于皮质醇数据的时域统计特征和频域统计特征计算各个特征的方差；筛选方差最大的k个特征组成皮质醇特征向量；所述将皮质醇特征向量与负面情绪中的情绪强度特征向量进行融合，得到融合特征向量具体包括：设情绪识别模型的输出为，其中分别为输入的生理信号属于正面情绪中的轻度、中度、重度的概率，为输入的生理信号属于负面情绪中的轻度、中度、重度的概率；将组合成负面情绪中的情绪强度特征向量；情绪强度特征向量与皮质醇特征向量线性拼接为融合特征向量。

全文数据：

权利要求：

百度查询： 中南民族大学 一种基于不同情绪状态的压力检测方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD