【技術實現步驟摘要】
本專利技術涉及情緒識別，具體來說，涉及一種噪聲環境下智能情緒安撫系統、方法和設備。
技術介紹
1、在工廠環境和其他噪聲環境中，操作員經常面臨由于長時間暴露在噪聲中引起的工作不適感，這種不適感可能包括聽力疲勞、壓力增加以及由于難以溝通導致的挫敗感。這些因素不僅影響員工的工作效率，還可能影響他們的長期健康和心理狀態。
2、在工廠環境和其他噪聲環境中，長時間的噪聲暴露對操作員的生理和心理健康造成嚴重影響。因此，智能情緒安撫系統的重要性顯得尤為突出，通過實時監測操作員的情緒狀態并提供及時的情緒干預，如播放舒緩音樂、提供放松提示或情緒支持消息，幫助員工管理壓力和焦慮，這種即時反饋和支持對于維護操作員的心理健康至關重要，尤其是在壓力大的工作環境中。
3、針對相關技術中的問題，目前尚未提出有效的解決方案。
技術實現思路
1、針對相關技術中的問題，本專利技術提出一種噪聲環境下智能情緒安撫系統、方法和設備，以克服現有相關技術所存在的上述技術問題。
2、為此，本專利技術采用的具體技術方案如下：
3、根據本專利技術的第一方面，提供了一種噪聲環境下智能情緒安撫系統，該噪聲環境下智能情緒安撫系統包括任務與情緒匹配模塊、聲音輸入模塊、情緒采集模塊、情緒安撫模塊及聲音輸出模塊；
4、任務與情緒匹配模塊，用于基于任務復雜度將任務與高情緒和低情緒進行匹配，生成高情緒任務及低情緒任務；
5、聲音輸入模塊，用于采集高情緒任務中的聲音信息，并對聲音信
6、情緒采集模塊，用于采集低情緒任務中的情緒類型和情緒變化趨勢并進行情緒識別；
7、情緒安撫模塊，用于結合情緒識別結果及聲音信息分類結果對環境噪聲依次執行降噪和聲音轉換處理，實現對消極情緒的安撫作用；
8、聲音輸出模塊，用于將聲音信號輸出至人耳中，并通過情緒安撫設備給予正向情緒導向。
9、優選地，任務與情緒匹配模塊在基于任務復雜度將任務與高情緒和低情緒進行匹配，生成高情緒任務及低情緒任務時包括：
10、計算任務復雜度，并將任務復雜度與預設閾值進行比較；
11、其中，任務復雜度的計算公式為：
12、task?complexity?score(tcs)＝∑(wi×ri)；
13、式中，wi表示第i個因素的權重；ri表示第i個因素的量化比分；tcs表示任務復雜度；
14、依據任務復雜度與預設閾值的比較結果將任務屬性劃分為高情緒任務、中情緒任務及低情緒任務；
15、對中情緒任務進行認知負荷測量，并按照認知負荷測量結果與預設閾值的比較結果將中情緒任務劃分為高情緒任務及低情緒任務；
16、分別將高情緒任務輸送至聲音輸入模塊，將低情緒任務輸送至情緒采集模塊。
17、優選地，聲音輸入模塊包括環境聲音采集模塊、聲音篩選過濾模塊、聲音識別模塊及聲音分類模塊；
18、環境聲音采集模塊，用于利用收音設備采集高情緒任務中的聲音信息；
19、聲音篩選過濾模塊，用于從聲音信息中提取滿足預設范圍的聲音類型集合，并過濾掉預設范圍以外的聲音信息；
20、聲音識別模塊，用于對提取的聲音類型集合依次進行聲音種類和聲音要素的識別；
21、聲音分類模塊，用于利用神經網絡模型區分聲音信息中的聲音特征。
22、優選地，聲音分類模塊在利用神經網絡模型區分聲音信息中的聲音特征時包括：
23、利用傅里葉變換技術從聲音信息中獲取聲音頻率成分；
24、基于聲音頻率成分計算聲音信號的平均能量，得到聲音強度；利用頻率分析技術確定聲音共振頻率，得到音色特征；利用梅爾頻率倒譜系數提取語音特征；
25、將聲音強度轉化為觀測符號集，利用隱馬爾科夫模型識別聲音強度中的雜波影響，并將雜波影響從聲音強度中剔除；
26、分別將剔除雜波影響后的聲音強度、音色特征及語音特征作為神經網絡模型的輸入，通過神經網絡模型區分聲音信息中的人聲特征和機器聲特征。
27、優選地，將聲音強度轉化為觀測符號集，利用隱馬爾科夫模型識別聲音強度中的雜波影響包括以下步驟：
28、將聲音強度映射為有限的觀測符號集，將觀測符號集中每個觀測符號代表對應的聲音強度級別；
29、將觀測符號集中的觀測符號組成傳播軌跡，并將傳播軌跡作為隱馬爾科夫模型的觀測值序列；
30、為隱馬爾科夫模型設定初始狀態轉移概率和初始觀測概率，并利用迭代優化算法逐步調整隱馬爾科夫模型參數，得到優化后的隱馬爾科夫模型；
31、利用優化后的隱馬爾科夫模型識別聲音強度中的雜波影響。
32、優選地，利用迭代優化算法逐步調整隱馬爾科夫模型參數，得到優化后的隱馬爾科夫模型包括以下步驟：
33、提取隱馬爾科夫模型的初始參數，并計算隱馬爾科夫模型在預設時間點內的前向概率和后向概率，其中，初始參數為初始狀態轉移概率和初始觀測概率；
34、結合前向概率和后向概率計算在觀測值序列中任意時間點處于單個狀態的占有概率及兩個連續狀態的聯合概率；
35、基于兩個連續狀態的聯合概率計算兩個連續狀態的聯合概率期望值，并基于聯合概率期望值更新隱馬爾科夫模型的初始參數；
36、持續迭代計算兩個連續狀態的聯合概率期望值，直至滿足預設停止條件，并得到優化后的隱馬爾科夫模型。
37、優選地，情緒采集模塊包括生理檢測模塊、實時情緒檢測模塊及情緒可視化模塊；
38、生理檢測模塊，用于檢測情緒波動數值，并將情緒波動數值輸入至實時情緒檢測模塊；
39、實時情緒檢測模塊，用于依據情緒波動數值計算測度系數，并基于測度系數判斷情緒效價；
40、情緒可視化模塊，用于表達情緒并提供相對應的情緒反饋。
41、優選地，生理檢測模塊在檢測情緒波動數值，并將情緒波動數值輸入至實時情緒檢測模塊時包括：
42、采集皮膚電導信號，并對皮膚電導信號依次進行增益放大處理、濾波處理和整流積分處理；
43、基于皮膚電導信號分別計算皮膚電變化率及皮膚電反應；
44、其中，皮膚電變化率的計算公式為：
45、rscr＝lg|(皮膚電反應平均值－scb)/scb|；
46、皮膚電反應的計算公式為：
47、scr＝scrmax-scrmin；
48、式中，rscr表示皮膚電變化率，scb表示皮膚電反應；
49、分別將皮膚電變化率及皮膚電反應與預設閾值進行比較，當皮膚電變化率及皮膚電反應均滿足預設閾值時，則輸入至實時情緒檢測模塊。
50、優選地，實時情緒檢測模塊在依據情緒波動數值計算測度系數，并基于測度系數判斷情緒效價時包括：
51、基于皮膚電反應計算側度系數，并依據側度系數判斷情緒效價；
52、其中，側度系數本文檔來自技高網...
【技術保護點】
1.一種噪聲環境下智能情緒安撫系統，其特征在于，該噪聲環境下智能情緒安撫系統包括任務與情緒匹配模塊(1)、聲音輸入模塊(2)、情緒采集模塊(3)、情緒安撫模塊(4)及聲音輸出模塊(5)；
2.根據權利要求1所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述任務與情緒匹配模塊(1)在基于任務復雜度將任務與高情緒和低情緒進行匹配，生成高情緒任務及低情緒任務時包括：
3.根據權利要求2所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述聲音輸入模塊(2)包括環境聲音采集模塊(201)、聲音篩選過濾模塊(202)、聲音識別模塊(203)及聲音分類模塊(204)；
4.根據權利要求3所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述聲音分類模塊(204)在利用神經網絡模型區分聲音信息中的聲音特征時包括：
5.根據權利要求4所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述將聲音強度轉化為觀測符號集，利用隱馬爾科夫模型識別聲音強度中的雜波影響包括以下步驟：
6.根據權利要求5所述的一種噪聲環境下智能情緒安撫系統，其特征
7.根據權利要求6所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述情緒采集模塊(3)包括生理檢測模塊(301)、實時情緒檢測模塊(302)及情緒可視化模塊(303)；
8.根據權利要求7所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述生理檢測模塊(301)在檢測情緒波動數值，并將情緒波動數值輸入至實時情緒檢測模塊時包括：
9.根據權利要求8所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述實時情緒檢測模塊(302)在依據情緒波動數值計算測度系數，并基于測度系數判斷情緒效價時包括：
10.一種噪聲環境下智能情緒安撫方法，用于實現權利要求1-9中任一項所述的噪聲環境下智能情緒安撫系統的操作，其特征在于，該噪聲環境下智能情緒安撫方法包括以下步驟：
11.一種噪聲環境下智能情緒安撫設備，包括如權利要求1-9中任一項所述的噪聲環境下智能情緒安撫系統，其特征在于，該噪聲環境下智能情緒安撫設備還包括耳機組件(6)及手環組件(7)；
12.根據權利要求11所述的一種噪聲環境下智能情緒安撫設備，其特征在于，所述耳機組件(6)包括耳機本體(601)，所述耳機本體(601)的內部一側設置有播放器(602)，所述耳機本體(601)的外部一側設置有耳鉤(603)，所述耳鉤(603)與所述耳機本體(601)之間設置有聲音傳播器(604)；
13.根據權利要求12所述的一種噪聲環境下智能情緒安撫設備，其特征在于，所述手環組件(7)包括手環本體(701)，所述手環本體(701)的中部一端設置有顯示屏(702)，所述顯示屏(702)的頂部一側設置有充電指示燈(703)，所述顯示屏(702)的頂部另一側設置有情緒檢測顯示燈(704)，所述顯示屏(702)的底部設置有音樂播放按鈕(705)；所述手環本體(701)的外部一側設置有手環充電口(706)，所述手環本體(701)的外部另一側設置有手環開關(707)；所述手環本體(701)的頂部設置有表帶(708)，所述表帶(708)的一端設置有情緒識別器(709)，所述表帶(708)的另一端設置有磁吸器(710)；
...【技術特征摘要】
1.一種噪聲環境下智能情緒安撫系統，其特征在于，該噪聲環境下智能情緒安撫系統包括任務與情緒匹配模塊(1)、聲音輸入模塊(2)、情緒采集模塊(3)、情緒安撫模塊(4)及聲音輸出模塊(5)；
2.根據權利要求1所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述任務與情緒匹配模塊(1)在基于任務復雜度將任務與高情緒和低情緒進行匹配，生成高情緒任務及低情緒任務時包括：
3.根據權利要求2所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述聲音輸入模塊(2)包括環境聲音采集模塊(201)、聲音篩選過濾模塊(202)、聲音識別模塊(203)及聲音分類模塊(204)；
4.根據權利要求3所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述聲音分類模塊(204)在利用神經網絡模型區分聲音信息中的聲音特征時包括：
5.根據權利要求4所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述將聲音強度轉化為觀測符號集，利用隱馬爾科夫模型識別聲音強度中的雜波影響包括以下步驟：
6.根據權利要求5所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述利用迭代優化算法逐步調整隱馬爾科夫模型參數，得到優化后的隱馬爾科夫模型包括以下步驟：
7.根據權利要求6所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述情緒采集模塊(3)包括生理檢測模塊(301)、實時情緒檢測模塊(302)及情緒可視化模塊(303)；
8.根據權利要求7所述的一種噪聲環境下智能情緒安撫系統，其特征在于，所述生理檢測模塊(301)在檢測情緒波動數值，并將情緒波動數值輸入至實時情緒檢測模塊時包括：
9.根據...
【專利技術屬性】
技術研發人員：李晶，吳智慧，龐小仁，周鑫林，張江，沈云芳，姚玉良，俞燕芬，湯琦玥，
申請(專利權)人：浙江云峰莫干山家居用品有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。