科创中国

一种情感识别模型生成装置，包括：信号采集模块、特征提取模块、选择模块以及建立模块，其中信号采集模块采集人体的多种生理信号；特征提取模块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；选择模块从所述原始特征集中选出最优特征子集；建立模块根据所述最优特征子集建立情感识别模型。本发明中生生成的情感识别模型，情感识别率高。本发明另外提供一种生成情感识别模型的方法。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、生理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.

选择模块，用于从所述原始特征集中选出最优特征子集；所述选择模块包括：初始化子模块，用于将蚂蚁种群的规模设定为所述原始特征集中的特征数，将迭代次数设定为固定值，并初始化信息素矩阵；获取子模块，用于根据伪随机比例规则获取每一所述时域特征的标记状态；求解子模块，用于通过利用蚂蚁以及标记状态求解得到特征子集，其中，所述求解子模块还用于根据所述特征子集的分类正确率及特征个数得到第一适应度值，并排序选出第一最优解，并利用变异规则对所述第一最优解进行变异得到多个变异解，根据所述多个变异解以及所述第一最优解的分类正确率及特征个数得到第二适应度值，并排序选出第二最优解，利用邻域交换规则搜索所述第二最优解的邻域内的邻域解，根据所述邻域解以及所述第二最优解的分类正确率及特征个数得到第三适应度值，并排序选出第三最优解；判断子模块，用于判断迭代次数是否达到固定值，其中所述求解子模块在所述迭代次数达到固定值时将所述第三最优解作为最优特征子集，并输出；建立模块，用于根据所述最优特征子集建立情感识别模型。

 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。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

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。