【技術實現步驟摘要】
本專利技術屬于計算機系統工程領域，尤其涉及一種基于人工智能的情緒識別與反饋方法及系統。
技術介紹
1、在現代社會，尤其是在高壓的工作環境中，船員的工作效率與情緒狀態之間的關系日益受到重視。船員在海上執行任務時，面臨著多重挑戰，包括高強度的工作負荷、惡劣的環境條件以及長時間的孤獨感。這些因素不僅影響船員的身體健康，也直接關系到他們的心理狀態和工作效率。因此，如何通過科學的手段監測和分析船員的情緒狀態，以提高其工作效率，成為了一個重要的研究課題。
技術實現思路
1、針對上述現有技術中存在的缺陷，本專利技術提供一種基于人工智能的情緒識別與反饋方法，包括以下步驟：
2、步驟s101、采集船員的面部表情數據和語音數據；
3、步驟s103、基于面部表情數據，獲取面部情緒指數ef；
4、步驟s105、基于語音數據，獲取語音情緒指數ev；
5、步驟s107、基于所述面部情緒得分和語音情緒指數，獲取綜合情緒指數e；
6、步驟s109、基于綜合情緒指數e計算所述船員工作效率，并提供相應的建議，其中通過以下公式計算所述船員工作效率，
7、其中，w為工作效率指數，e為綜合情緒狀態指數，l為當前工作負荷，δ為情緒對工作效率的影響系數，μl為工作負荷的均值，σl為工作負荷的標準差，β為調節系數。
8、其中，所述步驟s103包括：采用如下公式獲取面部情緒指數ef，
9、其中，t為當前時間，ti為第i幀圖像的采集時間，
10、其中，所述δt為時間標準差采用如下步驟獲取：
11、在捕捉每一幀圖像時，記錄對應的時間戳；
12、假設有m個時間戳t1，t2，…tm，其可以表示為ti＝ti-t0，其中ti是第i幀圖像的采集時間，t0是起始時間；
13、時間戳的均值μt采用如下公式表示
14、則時間標準差
15、其中，所述步驟s105包括：采用如下公式獲取語音情緒指數ev，
16、其中，pj為第j語音段的權重，qj為第j語音段，tj為時間特征，φ為情感分類函數，f(qj)為第j語音段的傅里葉變換，|f(qj)|2為頻域的能量譜，fmax為最大頻率。
17、其中，所述情感分類函數采用支持向量機模型表示。
18、其中，所述情感分類函數表示如下：
19、φ(qj)＝sign(wqt·f(qj)+b)，其中，φ(qj)表示第j語音段的情感分類結果，wq是權重向量，表示超平面的法向量，wqt表示權重向量wq的轉置，f(qj)是從第j語音段提取的特征向量，b是偏置項，sign(·)是符號函數。
20、其中，所述步驟s107中采用如下公式獲取綜合情緒指數e，
21、其中，α，β分別為ef，ev的權重系數，n為歸一化系數。
22、其中，所述采用最大值歸一化獲取n，n＝max(ef，ev)。
23、其中，所述步驟s109中采用如下公式獲取工作負荷l，
24、l＝w1·tc+w2·tp+w3·tn，其中tc為任務復雜度評分，tp為時間壓力評分，tn為環境噪聲評分，w1，w2，w3為各因素的權重系數。
25、本專利技術還提出了一種基于人工智能的情緒識別與反饋系統，包括：
26、面部數據采集模塊，其用于采集船員的面部表情數據；
27、語音數據采集模塊，其用于采集所述船員的語音數據；
28、面部情緒指數計算模塊，其用于基于面部表情數據，獲取面部情緒指數ef；
29、語音情緒指數計算模塊，其用于基于語音數據，獲取語音情緒指數ev；
30、綜合情緒指數計算模塊，其用于基于所述面部情緒得分和語音情緒指數，獲取綜合情緒指數e；
31、工作效率計算模塊，其用于基于綜合情緒指數e計算所述船員工作效率，其中通過以下公式計算所述船員工作效率，
32、其中，w為工作效率指數，e為綜合情緒狀態指數，l為當前工作負荷，δ為情緒對工作效率的影響系數，μl為工作負荷的均值，σl為工作負荷的標準差，β為調節系數；
33、建議提出模塊，其用于基于工作效率計算結果，提供相應的建議。
34、與現有技術相比，本專利技術具備如下優點：
35、通過實時監測船員的情緒狀態，能夠及時識別出其工作效率的變化。情緒指數的綜合計算能夠為管理者提供準確的工作效率評估，進而通過調整工作任務和安排，提升整體工作效率。
36、情緒狀態直接影響船員的決策能力和反應速度。通過實施情緒監測系統，可以在船員情緒低落或壓力過大時，及時發出警報，提醒其采取休息或調整措施，降低因情緒不佳而導致的安全隱患。
37、持續的高壓工作環境容易導致船員的心理健康問題。通過科學的情緒評估和反饋機制，可以幫助船員認識到自身的情緒變化，提供必要的心理支持和干預，促進心理健康。
38、基于面部表情和語音數據的情緒分析，可以為每位船員提供個性化的情緒狀態報告和工作建議。這種個性化管理能夠根據每位船員的情緒特征和工作負荷，為其量身定制工作安排，從而提高滿意度和工作積極性。
39、通過對情緒數據的長期收集和分析，可以形成豐富的數據庫，為管理層提供數據驅動的決策支持。分析歷史數據可以識別出情緒狀態與工作效率之間的關聯，幫助優化工作流程和團隊管理。
40、情緒狀態的透明化有助于增強團隊成員之間的理解與支持。當團隊成員能夠了解彼此的情緒狀態時，可以更有效地進行溝通與協作，增強團隊凝聚力。
41、本專利技術結合了先進的情緒識別技術(如計算機視覺與語音處理)，推動了船員管理技術的現代化和智能化，使船員能夠更好地適應科技發展帶來的變化。
42、通過情緒監測系統，船員與船舶管理系統之間的交互可以更加智能與人性化。系統可以根據船員的情緒狀態自動調整環境設置(如照明、噪聲水平)，提供更為舒適的工作條件。
43、在培訓過程中，通過實時監測學員的情緒狀態，培訓師可以根據學員的情緒變化調整培訓內容和節奏，從而提高培訓的有效性和學員的學習體驗。
本文檔來自技高網...【技術保護點】
1.一種基于人工智能的情緒識別與反饋方法，其特征在于，包括以下步驟：
2.如權利要求1所述方法，其特征在于，所述步驟S103包括：采用如下公式獲取面部情緒指數Ef，
3.如權利要求2所述方法，其特征在于，所述δt為時間標準差采用如下步驟獲取：
4.如權利要求1所述方法，其特征在于，所述步驟S105包括：采用如下公式獲取語音情緒指數Ev，
5.如權利要求4所述方法，其特征在于，所述情感分類函數采用支持向量機模型表示。
6.如權利要求5所述方法，其特征在于，所述情感分類函數表示如下：
7.如權利要求6所述方法，其特征在于，所述步驟S107中采用如下公式獲取綜合情緒指數E，
8.如權利要求7所述方法，其特征在于，所述采用最大值歸一化獲取N，N＝max(Ef，Ev)。
9.如權利要求1所述方法，其特征在于，所述步驟S109中采用如下公式獲取工作負荷L，
10.一種基于人工智能的情緒識別與反饋系統，包括：
【技術特征摘要】
1.一種基于人工智能的情緒識別與反饋方法，其特征在于，包括以下步驟：
2.如權利要求1所述方法，其特征在于，所述步驟s103包括：采用如下公式獲取面部情緒指數ef，
3.如權利要求2所述方法，其特征在于，所述δt為時間標準差采用如下步驟獲取：
4.如權利要求1所述方法，其特征在于，所述步驟s105包括：采用如下公式獲取語音情緒指數ev，
5.如權利要求4所述方法，其特征在于，所述情感分類函數采用支持向量機模...
【專利技術屬性】
技術研發人員：楊琴，劉暾，蔡少俊，余鵬，高長華，孫葉義，余偉平，韓越洋，黃雷，
申請(專利權)人：中國船舶集團有限公司第七一九研究所，
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。