[0002] 情感识别是赋予机器识别人类情感能力的一种人机交互技术，现已逐渐成为人机 交互领域的研究热点。目前情感识别的研究领域包括基于面部表情的情感识别、基于语音 信号的情感识别、基于文字的情感识别、基于肢体运动的情感识别和基于生理信号的情感 识别。其中基于生理信号的情感识别最为可靠但却也最为困难。

[0003] 基于生理信号的情感识别系统中最为关键的一步就是如何从大量的原始特征集 中挑选出数量有限的特征子集并将其映射到情感模型上。这一关键的步骤就是特征选择， 它不仅可以可以有效地去除冗余特征，降低模型训练时间，提高预测精度，还可以选出能够 代表某些特定情感的特征子集。

[0004] 在申请号为CN200910150458.4的专利中，使用了语音信号进行情感识别。较之语 音信号，人体的生理信号更不易受到外界因素和人体主观意识到控制，因此更加准确，可 靠。然而，在该专利中，情感的识别需要12个特征。

本发明提供的生成情感识别模型的方法，包括以下步骤:采集人体的多种生理信 号;提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为： 生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶 差分绝对值的均值、原始信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值； 从所述原始特征集中选出最优特征子集;根据所述最优特征子集建立情感识别模型。

[0009] 本发明提供的情感识别模型生成装置及其生成情感识别模型的方法，通过从原始 特征集中选出最优特征子集，并根据最优特征子集建立情感识别模型，利用本发明的情感 识别t吴型，有效的提尚了情感的识别率。

技术合作

本发明实施方式中的情感识别模型生成装置10及其生成情感识别模型的方法，通 过从原始特征集中选出最优特征子集，并根据最优特征子集建立情感识别模型，利用本发 明的情感识别t吴型，有效的提尚了情感的识别率。

[0111]虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理 解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明 的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保 护范围之内。