【技術實現步驟摘要】
本專利技術涉及情緒識別，具體為一種基于多傳感器技術的用戶情緒識別方法、系統及設備。
技術介紹
1、電子寵物是由電子元件（硬件和軟件）構成的電子玩具，現在也指使用電腦或因特網服務器上運行的特定程序。電子寵物具有和真實寵物同樣的生命特性。由于具有喂養簡單，便攜等特性，受到人們的歡迎。
2、隨著科技的發展，在各個行業的技術均得到革新，其中電子寵物也逐漸上升到機械寵物，機械寵物是一種機械制造的寵物。它們可以模仿真實的寵物，擁有逼真的外觀和行為，甚至擁有一些超越真實寵物的功能。隨著科技的發展，機械寵物的種類也日益豐富，從小型寵物到大型寵物從陸地到水下，應有盡有。
3、機械寵物的崛起得益于科技的進步。一方面，機械制造技術的不斷提高使得機械寵物的外觀和行為越來越逼真；另一方面，人工智能技術的快速發展使得機械寵物能夠更好地模仿真實寵物的行為，甚至能夠進行些自我學習，能夠更好地陪伴人們。
4、但是目前的機械寵物主要是人們自己調整陪伴模式，其無法根據用戶的情緒進行自動調整，不夠智能化，因此，人們專利技術了一些識別用戶情緒的系統。
5、現有專利授權公告號為cn113506586b，專利名稱為一種用戶情緒識別的方法和系統的專利技術專利中記載了該用戶情緒識別的方法包括：獲取語音數據，并根據語音數據，提取語音特征；對語音數據進行轉化處理，得到文本數據，并根據文本數據，提取文本特征；輸入語音特征和文本特征至用戶情緒識別模型中，輸出用戶的情緒標簽，其中，在用戶情緒識別模型中：使用卷積神經網絡表征語音特征，得到第一
6、現有專利授權公告號為cn113380271b，專利名稱為情緒識別方法、系統、設備及介質的專利技術專利中記載了包括：獲取待測用戶的語音數據與人臉數據；利用語音識別技術處理所述語音數據，生成文本數據；分析所述文本數據得到待測用戶的情感特征，提取所述語音數據中待測用戶的語氣特征，以及提取所述人臉數據中待測用戶的表情特征；基于蒸餾神經網絡構建識別待測用戶情緒的情緒識別模型；將所述情感特征、語氣特征與表情特征輸入所述情緒識別模型進行識別，得到待測用戶的情緒類別。本專利技術相比現有單純基于用戶文本內容進行情緒識別，從語氣、表情以及情感多個維度進行識別，大大提高了情緒識別的準確率；
7、上述專利記載的方案存在一定的弊端，上述專利記載的方案主要是通過聲音數據作為基礎，一個方案為語音的完整檢測，一個是結合圖像識別與語音結合，判斷具體哪個用戶發言，適用于多人適用的場景，但是其均是通過不同情緒下的語音比對實現，但是在實際使用時存在較大的缺陷，其對于控制力比較強的人，其語音特征變化波動非常小，而且對于控制力較弱的人，其情緒變化的幅度非常大，因此其語音的特征變化非常大，而且語音通常比較長，因此，其情緒識別的效率不高，不滿足人們的要求，為此，我們研發了一種基于多傳感器技術的用戶情緒識別方法、系統及設備。
技術實現思路
1、（一）解決的技術問題
2、針對現有技術的不足，本專利技術提供了一種基于多傳感器技術的用戶情緒識別方法、系統及設備，其對經過用戶認定的情緒數據進行分析，后續比對也是基于該用戶的數據，因此，本系統基于用戶個人的數據篩選情緒特征，使得情緒識別的準確率非常高，情緒識別的準確度比較高，使用效果好，具有良好的應用前景，解決了
技術介紹
中提出的問題。
3、（二）技術方案
4、為實現以上目的，本專利技術通過以下技術方案予以實現：
5、一種基于多傳感器技術的用戶情緒識別系統，包括數據采集模塊、數據分析模塊、特征篩分模塊、情緒識別模塊、綜合分析模塊和反饋處理模塊：
6、數據采集模塊：用于采集經過用戶認證的用戶情緒數據和實時采集用戶情緒數據，并將其設定為標準情緒數據，用戶情緒數據包括用戶在不同情緒時表現出的臉部圖片數據和語音數據；
7、數據分析模塊：用于對標準情緒數據進行分類，并且按照情緒波動變化的過程賦予對應的情緒等級，并且對標準情緒數據進行提煉，得到情緒特征種類；
8、特征篩分模塊：用于對情緒特征進行評比，獲取臉部圖片對應情緒特征種類在不同情緒下情緒等級最大情況和情緒等級最小情況的特征數據，計算出特征變化量，并將特征變化量與特征設定值進行對比，將低于特征設定值的情緒特征刪除，獲取刪除后剩余情緒特征的類別，并且提取剩余情緒特征在不同情緒和不同情緒等級情況下的特征數據，構成特征等級計算集合，然后對特征等級計算集合中的情緒特征進行接近程度篩分，將篩分后的情緒特征以及情緒特征對應的特征數據匯總，得到情緒初步識別特征集合；
9、情緒識別模塊：用于對實時采集的用戶情緒數據進行提取，得到情緒初步識別特征集合中記載情緒特征對應的實時特征數據，將情緒初步識別特征集合中的特征數據與實時特征數據進行對比，進行相似度分析，得到用戶情緒類別；
10、綜合分析模塊：用于獲取用戶情緒類別，并將實時采集的用戶情緒數據與特征等級計算集合中記載的各個情緒特征的特征數據進行相似度分析，并且對獲取的相似度進行匯總計算，得出用戶情緒等級；
11、反饋處理模塊：用于獲取用戶情緒類別和用戶情緒等級，并將結果反饋至機器寵物，機器寵物按照反饋結果執行對應的陪伴策略。
12、進一步的，情緒特征種類包括從臉部圖片數據中分析出的眉部數據、眼部數據、鼻部數據、嘴部數據和從語音數據中提取出的振幅數據、語速數據、頻譜數據、共振峰參數和語音識別出的文字數據。
13、進一步的，對用戶情緒數據進行提取，得到各個情緒特征對應的特征數據包括對標準情緒數據中的臉部圖片數據進行提煉和對語音數據進行提煉；
14、對標準情緒數據中的臉部圖片數據進行提煉的步驟如下：
15、獲取面部識別技術中應用的臉部識別特征點位；
16、對臉部識別特征點位進行篩選，除去眉、眼、鼻和嘴區域外的特征點；
17、對篩分后的特征點進行分類匯總，得到眉部點位集、眼部點位集、鼻部點位集和嘴部點位集；
18、采用曲線分別對分類匯總后的特征點進行連接，分析曲線的斜率、曲率和曲率半徑，分析的結果構成特征數據；
19、對語音數據進行提煉的步驟如下：
20、對獲得的語音數據進行音頻分析和頻譜分析，得到振幅數據和頻譜數據；
21、采用倒譜法對語音數據進行分析處理，提取得到共振峰參數；
22、采用基于統計模型的算法識別語音數據，得到語音識別出的文字數據；
23、獲取語音數據的時長以及語音識別出的文字數據的總字數，利用語音識別出的文字數據的總字數/語音數據的時長計算出語速數據。
24、本文檔來自技高網...
【技術保護點】
1.一種基于多傳感器技術的用戶情緒識別系統，其特征在于：包括：
2.根據權利要求1所述的一種基于多傳感器技術的用戶情緒識別系統，其特征在于：用戶情緒數據包括用戶在不同情緒時表現出的臉部圖片數據和語音數據，情緒特征種類包括從臉部圖片數據中分析出的眉部數據、眼部數據、鼻部數據、嘴部數據和從語音數據中提取出的振幅數據、語速數據、頻譜數據、共振峰參數和語音識別出的文字數據；
3.根據權利要求2所述的一種基于多傳感器技術的用戶情緒識別系統，其特征在于：對標準情緒數據中的臉部圖片數據進行提煉的步驟如下：
4.根據權利要求3所述的一種基于多傳感器技術的用戶情緒識別系統，其特征在于：獲取各個類別情緒等級最大情況與正常情況下的差異數據，計算出特征變化量的步驟如下：
5.根據權利要求4所述的一種基于多傳感器技術的用戶情緒識別系統，其特征在于：對特征變化量進行篩選時將特征變化量與特征設定值進行對比，將低于特征設定值的情緒特征刪除，獲取刪除后剩余情緒特征的類別，并且提取剩余情緒特征在不同情緒和不同情緒等級情況下的特征數據，構成特征等級計算集合；
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。