具体实施方式

以下结合附图对本申请作进一步详细说明。

领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合说明书附图对本申请实施例作进一步详细描述。

本申请实施例提供了一种检测用户情绪的方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法由云服务器执行，该方法包括步骤S101、步骤S102以及步骤S103，其中，

S101，接收终端设备上传的用户情绪参数，用户情绪参数包括脑电波数据、心率数据、体温数据以及语音特征数据中的至少一项。

对于本申请实施例，云服务器接收到的用户情绪参数为用户终端设备发送的，而用户情绪参数可由用户穿戴在身上的可穿戴设备采集而来。可穿戴设备例如设置有传感器的蓝牙耳机以及设置有传感器的手环等。用户的可穿戴设备采集用户的用户情绪参数，并将采集到的用户情绪参数发送到用户对应的终端设备，终端设备将接收到的用户情绪参数发送至云服务器，云服务器接收到用户情绪参数后可先对用户情绪参数进行存储。

其中，用户的可穿戴设备以蓝牙耳机为例，脑电波数据可通过在蓝牙耳机上设置脑电检测TGAM芯片和干电极片，干电极片与芯片电气连接，电极片与用户头皮接触，从而达到采集脑电波的效果。干电极片的个数越多，采集的脑电波越准确。心率数据可通过在蓝牙耳机上设置光电反射式传感器来采集，体温数据可通过在蓝牙耳机上设置红外测温传感器来采集，语音特征数据可通过在蓝牙耳机上设置麦克风装置进行采集。

用户第一次佩戴使用蓝牙耳机时，需要将终端设备与蓝牙耳机进行连接配置。用户可通过终端设备来选择确定用户的基本信息，例如，“性别：男，年龄：23岁”。终端设备将用户的基本信息上传到云服务器中，云服务器对用户属性信息进行存储，从而便于在对用户情绪参数进行分析处理时结合上用户的基本信息，进而使得对用户的情绪判断更准确。

S102，确定与用户情绪参数相匹配的用户属性信息，用户属性信息存储在云服务器中，用户属性信息包括：用户性别信息以及用户年龄信息中的至少一项。

对于本申请实施例，用户属性信息可以是用户通过终端设备上传到云服务器的，云服务器中存储有多个用户的用户属性信息，因此云服务器接收到用户的情绪参数后，还需确定出用户的情绪参数对应的用户属性信息，以使得对用户的情绪识别更准确。

S103，基于确定出的用户属性信息以及用户情绪参数预估用户当前的情绪信息。

对于本申请实施例，不同性别、不同年龄的人员在处于相同情绪时，不同人员的脑电波数据、心率数据、体温数据以及语音特征数据中的至少一项会有所不同，因此，云服务器基于用户属性信息以及用户情绪参数判断用户当前情绪更准确。例如，男，23岁，云服务器预估出来该用户当前处于紧张状态。

本申请实施例的一种可能的实现方式，步骤S103在基于确定出的用户属性信息以及用户情绪参数预估用户当前的情绪信息时具体包括步骤S1031（图中未示出）、步骤S1032（图中未示出）、步骤S1033（图中未示出）以及步骤S1034（图中未示出）中的至少一项以及步骤S1035（图中未示出），其中，

S1031，基于脑电波数据以及确定出的用户属性信息，预估用户当前的第一子情绪信息。

其中，脑电波数据在时域上属于非平稳随机信号，因此采集到脑电波数据后，先对脑电波数据进行预处理，从而使得脑电波数据更准确、质量更高，例如先通过低通滤波滤除高频噪声。脑电波数据经过预处理后，将脑电波数据的预处理结果与用户属性信息相结合预估用户当前情绪得到第一子情绪信息，从而使得对用户情绪识别更准确。

S1032，基于心率数据以及确定出的用户属性信息，预估用户当前的第二子情绪信息。

其中，心率为单位采集时间内反应用户心跳快慢的特征。心率快慢可以一定程度反应用户的情绪状况，例如，当用户的心率过快时对应用户紧张的情绪，当用户的心率较慢时对应用户平静的情绪。将用户的心率数据与用户属性信息相结合预估用户当前的情绪得到第二子情绪信息，从而能够更好地反应用户情绪。

S1033，基于体温数据以及确定出的用户属性信息，预估用户当前的第三子情绪信息。

其中，体温数据为单位采集时间用户的体温信息。体温高低同样可以一定程度反应用户的情绪状态。例如，用户体温较高时对应用户处于兴奋紧张的情绪状态，用户体温较低时对应用户处于平静的情绪状态。将用户的体温数据与用户属性信息相结合来预估用户当前的情绪得到第三子情绪信息，从而能够更好地反应用户的情绪。

S1034，基于语音特征数据以及确定出的用户属性信息，预估用户当前的第四子情绪信息。

对于本申请实施例，由于用户在使用可穿戴设备的过程中，并未处于实时在说话的状态，因此麦克风装置并不能够实时采集到用户的语音特征信息，因此当采集到用户的语音特征信息时，云服务器结合用户的语音特征数据预估用户当前的情绪得到第四子情绪信息，当没有采集到用户的语音特征数据时，云服务器只通过脑电波数据、心率数据以及体温数据中的至少一项进行情绪识别。

S1035，基于第一子情绪信息、第二子情绪信息、第三子情绪信息以及第四子情绪信息中的至少一项，预估用户当前的情绪信息。

对于本申请实施例，通过第一子情绪信息、第二子情绪信息、第三子情绪信息以及第四子情绪信息中的至少一项预估确定用户的当前情绪。

在本申请实施例中，当涉及步骤S1031、步骤S1032、步骤S1033以及步骤S1034中的至少两项时，对步骤S1031、步骤S1032、步骤S1033以及步骤S1034的执行顺序不做限定。

本申请实施例的一种可能的实现方式，步骤S1031在基于脑电波数据以及确定出的用户属性信息，预估用户当前的第一子情绪信息时，和/或，步骤S1034在基于语音特征数据以及确定出的用户属性信息，预估用户当前的第四子情绪信息时，具体包括步骤S10311（图中未示出）以及步骤S10341（图中未示出）中的至少一项，其中，

S10311，对脑电波数据进行时频变换处理得到脑电波功率谱数据，对脑电波功率谱数据进行特征提取，得到脑电波频率数据，脑电波频率数据包括α波、β波、δ波和θ波以及各自所占的功率比例，基于脑电波频率数据以及确定出的用户属性信息，预估用户当前的第一子情绪信息。

对于本申请实施例，脑电波数据经过预处理后，对脑电波数据的预处理结果通过傅里叶变换进行时频变换处理，得到脑电波功率谱数据。通过脑电波功率谱数据便于观察脑电波数据中各种频率波形所占比例。

脑电波功率谱数据中各种不同波形所占比例的不同反应着用户不同的情绪。脑电信号有效频率为0～30Hz，根据科学研究，α波、β波、δ波以及θ波四种特征波对应大脑呈现的四种不同状态。

δ波的范围在0.5～3HZ，对应着用户处在深度睡眠、无意识的状态；θ波的范围在4～8HZ，对应着用户处在深度放松、无压力的潜意识的状态；α波的范围在8～13HZ，其中，α波处在8～9HZ的范围内时，对应着用户处在临睡前头脑茫然的状态，α波处在9～12HZ的范围内时，对应着用户处在灵感、直觉或点子发挥威力的状态，α波处在12～13HZ的范围内时，对应着用户处在高度警觉、无暇他顾的状态。β波处在14HZ以上，对应着用户处于紧张、压力以及脑疲劳的脑波状态。

对脑电波功率谱数据以及脑电波数据相匹配的用户属性信息进行情绪预估得到第一子情绪信息，第一子情绪信息即为确定脑电波数据对应的预估出的用户当前情绪状态。

S10341，从语音特征数据中提取语音响度信息以及语音频率信息，基于语音响度信息、语音频率信息以及确定出的用户属性信息，预估用户当前的第四子情绪信息。

对于本申请实施例，语音特征数据可以通过可穿戴设备上的麦克风装置采集。云服务器接收到语音特征数据后，从语音特征数据中提取语音响度信息以及语音频率信息。例如，用户处于比较暴躁的状态时，用户说话声音较大，对应的语音响度信息较大，用户处于情绪比较激动的状态时，用户说话语调较高，对应的语音频率信息较高。

从用户说话的维度预估用户当前所处情绪，从而使得预估情绪的方式更多样化。对语音响度信息以及语音频率信息进行情绪识别处理得到第四子情绪信息。

对于本申请实施例，可以通过高斯混合模型预估第四子情绪信息，将语音响度信息以及语音频率信息输入至高斯混合模型中进行情绪识别处理，高斯混合模型输出语音响度信息以及语音频率信息对应的情绪。

例如，当麦克风装置采集到语音特征数据后，语音特征数据中的语音响度信息为“60分贝”，语音频率信息为“2900Hz”。高斯混合模型输出对应的第四子情绪信息为“激动”。

本申请实施例的一种可能的实现方式，步骤S1035在基于第一子情绪信息、第二子情绪信息、第三子情绪信息以及第四子情绪信息中的至少一项，预估用户当前的情绪信息时，包括步骤S1035a以及步骤S1035b中的至少一项：

S1035a，若包含第一子情绪信息，则预估当前的情绪信息为第一子情绪信息。

对于本申请实施例，例如，可穿戴设备能够采集用户的脑电波数据，用户佩戴上可穿戴设备后，可穿戴设备可实时且连续采集用户的脑电波数据。通过脑电波数据与用户属性信息相结合，以此预估用户情绪得到的第一子情绪信息用于表征用户当前的情绪最为准确。

因此，确定用户当前的情绪可仅通过第一子情绪信息以及第四子情绪信息来确定。当用户说话时，则通过语音特征数据以及脑电波数据来确定用户当前的情绪。例如，第一子情绪信息为“紧张”，第四子情绪信息同样为“紧张”，则确定用户当前情绪为“紧张”。若第一子情绪信息和第四子情绪信息为不同的情绪时，脑电波数据较语音特征数据表征用户当前的情绪更准确。例如，第一子情绪信息为“紧张”，第四子情绪信息为“兴奋”，则确定第一子情绪信息为用户当前的情绪。

S1035b，确定第一子情绪信息、第二子情绪信息、第三子情绪信息以及第四子情绪信息分别对应的权重信息，并基于第一子情绪信息、第二子情绪信息、第三子情绪信息、第四子情绪信息以及各自对应的权重信息，预估用户当前的情绪信息。

对于本申请实施例，例如第一子情绪信息所占权重为35％，第二子情绪信息所占权重为15％，第三子情绪信息所占权重为15％，第四子情绪信息所占权重为35％。此时主要通过第一子情绪信息以及第四子情绪信息来确定用户当前的情绪。第二子情绪信息以及第三子情绪信息作为辅助情绪识别的用途。例如，第一子情绪信息为“紧张”，第二子情绪信息为“激动”，第三子情绪信息为“暴躁”，第四子情绪信息为“紧张”。通过第一子情绪信息、第二子情绪信息、第三子情绪信息以及第四子情绪信息确定出来的用户当前的情绪为“紧张并且略有激动暴躁”，从而使得对用户当前情绪的确定更加多元化。

步骤S1031在基于脑电波数据以及确定出的用户属性信息，预估用户当前的第一子情绪信息，包括步骤S1031a：

S1031a，基于脑电波数据以及确定出的用户属性信息并通过第一网络模型进行情绪检测处理，得到用户当前的第一子情绪信息。

对于本申请实施例，第一网络模型为神经网络模型，第一网络模型可以是卷积神经网络，也可以是循环神经网络，第一网络模型的种类在此不做限定。对初始第一网络模型进行训练学习之前先确定训练样本集，训练样本集中包括多组脑电波数据、多组脑电波数据各自对应的情绪以及多组脑电波数据对应的用户属性信息。将训练样本集输入至第一网络模型中进行训练学习得到训练好的第一网络模型。

将脑电波频率数据以及确定出的用户属性信息输入训练好的第一网络模型中进行情绪识别处理，第一网络模型输出的第一子情绪信息即为用户当前的情绪。

例如，用户属性信息为“男，23岁”，30s内采集的脑电波数据对应的脑电波功率谱数据为“β波占比为80％，α波处在12-13HZ的范围占比20％”。训练好的第一网络模型输出对应的用户第一子情绪信息为“紧张”。

步骤S1032在基于心率数据以及确定出的用户属性信息，预估用户当前的第二子情绪信息时，包括步骤S1032a：

S1032a，基于心率数据以及确定出的用户属性信息并通过第二网络模型进行情绪检测处理，得到用户当前的第二子情绪信息。

对于本申请实施例，第二网络模型为神经网络模型，第二网络模型可以是卷积神经网络，也可以是循环神经网络，第二网络模型的种类在此不做限定。对初始第二网络模型进行训练学习之前先确定心率对应的训练样本集，训练样本集中包括多组心率数据、多组心率数据对应的情绪以及多组心率数据分别的用户属性信息。例如，其中一个训练样本为“男，23岁，70次/min”，将训练样本集输入至第二网络模型中进行训练学习得到训练好的第二网络模型。

将心率数据与相匹配的用户属性信息输入至训练好的第二网络模型中，训练好的第二网络模型对心率数据进行情绪识别处理，训练好的第二网络模型输出第二子情绪信息。第二子情绪信息即为心率数据对应的用户当前情绪。

例如，用户属性信息为“男，23岁”，30s内采集的心率数据为“65次/分钟”。训练好的第二网络模型输出对应的用户第二子情绪信息为“放松”。

步骤S1033在基于体温数据以及确定出的用户属性信息，预估用户当前的第三子情绪信息时，包括步骤S1033a：

S1033a，基于体温数据以及确定出的用户属性信息并通过第三网络模型进行情绪检测处理，得到用户当前的第三子情绪信息。

对于本申请实施例，第三网络模型为神经网络模型，第三网络模型可以是卷积神经网络，也可以是循环神经网络，第三网络模型的种类在此不做限定。对初始第三网络模型进行训练学习之前先确定体温对应的训练样本集，训练样本集中包括多组体温数据、多组体温数据对应的情绪以及多组体温数据对应的用户属性信息。例如，其中一个训练样本为“女，22岁，36.7℃”，将训练样本集输入至第三网络模型中进行训练学习得到训练好的第三网络模型。

将体温数据与相匹配的用户属性信息输入至训练好的第三网络模型中，训练好的第三网络模型对体温数据进行情绪识别处理，训练好的第三网络模型输出第三子情绪信息，第三子情绪信息即为心率数据对应的用户当前情绪。

例如，用户属性信息为“女，22岁”，30s内采集的心率数据为“36.2℃”。训练好的第三网络模型输出对应的用户第三子情绪信息为“放松”。

本申请实施例的一种可能的实现方式，步骤S103之后还包括步骤S104（图中未示出）、步骤S105（图中未示出）以及步骤S106（图中未示出），其中，

S104，若满足预设条件，则将用户当前的情绪信息发送至终端设备，以使得终端设备显示接收到的情绪信息，预设条件包括：当前次预估得到的情绪信息与上一次预估得到的情绪信息不同，并且情绪信息预估次数不大于预设次数。

对于本申请实施例，例如，用户当前的情绪从“放松”变为“紧张”时，云服务器检测出当前次用户的情绪发生变化。云服务器将当前次的情绪“紧张”推送至用户对应的终端设备上，终端设备对“紧张”情绪进行显示，从而使得终端设备提醒用户的情绪发生变化，并且用户可以判断当前次的“紧张”情绪是否为用户当前的真实情绪。

当情绪信息预估次数达到预设次数时，停止向终端设备发送当前次变化后的情绪信息。例如当预估的当前次情绪与上一次预估得到的情绪信息不同达到100次时，不再向终端设备发送当前次变化后的情绪。

S105，接收终端设备发送的回馈信号，回馈信号是基于用户针对用户当前的情绪信息触发生成的回馈信号。

对于本申请实施例，回馈信号为终端设备基于用户选择的云服务器推送的当前次情绪是否正确发出的，云服务器通过接收回馈信号来判断识别用户变化后的情绪是否识别正确。例如，用户情绪由“紧张”变为“平静”，云服务器将“平静”推送至用户对应的终端设备。终端设备提醒用户当前是否处于“平静”情绪，假设用户确定当前处于“平静”情绪，终端设备则发送确认信号。云服务器接收到确认信号后可以得知情绪识别正确。假设用户确定当前未处于“平静”情绪，终端设备则发送否认信号。云服务器接收到否认信号后可以得知情绪识别错误。

S106，基于用户当前的情绪信息以及对应的回馈信号更新第一网络模型、第二网络模型以及第三网络模型中的至少一项。

对于本申请实施例，云服务器根据回馈信号可以得知对用户的情绪识别是否正确，云服务器根据回馈信号从而可以更新第一网络模型、第二网络模型以及第三网络模型中的至少一项，进而使得云服务器在对用户进行情绪识别时更准确。

本申请实施例的一种可能的实现方式，步骤S106在基于用户当前的情绪信息以及对应的回馈信号更新第一网络模型、第二网络模型以及第三网络模型中的至少一项时，包括步骤S1061（图中未示出），还包括步骤S1062（图中未示出）、步骤S1063（图中未示出）以及步骤S1064（图中未示出）中的至少一项，其中，

S1061，若回馈信号为基于用户针对用户当前的情绪信息触发的确认信号，则，

获取用户当前的情绪信息所对应的脑电波数据、心率数据以及体温数据中的至少一项。

对于本申请实施例，用户通过终端设备确定当前次变化后的情绪为用户当前真实的情绪，用户通过终端设备输出确认信号，云服务器接收到确认信号后即可确定云服务器识别出的用户情绪变化后的情绪为正确的。

云服务器接收到确认信号后获取用户当前情绪信息对应的脑电波数据、心率数据以及体温数据中的至少一项，从而使得云服务器更好地识别用户情绪。

S1062，基于用户当前的情绪信息所对应的脑电波数据以及用户当前的情绪信息，更新第一网络模型。

对于本申请实施例，云服务器得知判断用户情绪变化后的当前情绪为正确的后，云服务器基于用户变化后的情绪、采集的用户脑电波数据以及用户属性信息确定第一脑电波训练样本集。第一脑电波训练样本集用于更新第一网络模型。例如采集情绪变化后30s之内的脑电波数据，其中，30s之内的脑电波数据包括100组脑电波数据，每组脑电波数据为0.3s。将每组脑电波数据结合用户属性信息以及变化后的情绪，从而形成100个第一脑电波训练样本。

云服务器将第一脑电波训练样本集输入至第一网络模型中以此对第一网络模型进行更新，从而使得第一网络模型能够更好地对用户进行情绪识别，逐渐提高第一网络模型的质量。

S1063，基于用户当前的情绪信息所对应的心率数据以及用户当前的情绪信息，更新第二网络模型。

对于本申请实施例，云服务器基于用户变化后的情绪、采集的用户心率数据以及用户属性信息确定第一心率训练样本集。第一心率训练样本集用于更新第二网络模型。例如，采集情绪变化后到下一次情绪变化之间时间段的心率数据。假设情绪变化后到下一次情绪变化之间的时间段为30min，其中，30min的心率数据以1min为单位时间，因此包括30组心率数据，每组心率数据为1min内的心跳次数。将每组心率数据结合用户属性信息以及变化后的情绪，从而形成30个第一心率训练样本。

将第一心率训练样本集输入至第二网络模型中以此对第二网络模型进行更新，从而使得第二网络模型能够更好地对用户进行情绪识别，逐渐提高第二网络模型的质量。

S1064，基于用户当前的情绪信息所对应的体温数据以及用户当前的情绪信息，更新第三网络模型。

基于用户变化后的情绪、采集的用户体温数据以及用户属性信息确定第一体温训练样本集。第一体温训练样本集用于更新第三网络模型。例如，采集情绪变化后到下一次情绪变化之间时间段的体温数据。假设情绪变化后到下一次情绪变化之间的时间段同样为30min，其中，30min的体温数据以1min为单位，因此包括30组体温数据，每组体温数据为1min内的体温均值。将每组体温数据结合用户属性信息以及变化后的情绪，从而形成30个第一体温训练样本。

将第一体温训练样本集输入至第三网络模型中以此对第三网络模型进行更新。从而使得第三网络模型能够更好地对用户进行情绪识别，逐渐提高第三网络模型的质量。

通过对第一网络模型、第二网络模型以及第三网络模型中的至少一项进行更新，使得云服务器能够更好地识别用户的情绪。

在本申请实施例中，当涉及步骤S1062、步骤S1063以及步骤S1064中的至少两项时，对步骤S1062、步骤S1063以及步骤S1064的执行顺序不做限定。

本申请实施例的一种可能的实现方式，步骤S106在基于用户当前的情绪信息以及对应的回馈信号更新第一网络模型、第二网络模型以及第三网络模型中的至少一项时，包括步骤S1065、步骤S1066、步骤S1067以及步骤S1068，还包括步骤S1069、步骤S10610以及步骤S10611中的至少一项：

S1065，若回馈信号为基于用户针对用户当前的情绪信息触发的否认信号，则，

向终端设备发送至少一个备选情绪信息。

对于本申请实施例，例如，用户当前的情绪从“紧张”变为“平静”时，云服务器检测出用户当前次的情绪发生变化。云服务器将当前次变化后的情绪“平静”推送至用户对应的终端设备上，终端设备提醒用户的情绪发生变化并且询问用户是否真正处于变化后的情绪。

用户通过终端设备确定云服务器识别出的变化后的情绪是否正确，若用户通过终端设备发送否认信号，则说明云服务器识别出的用户变化后的情绪不正确。云服务器向终端设备推送备选情绪信息，例如，云服务器向终端设备发送“兴奋”、“紧张”以及“高兴”等。

S1066，接收终端设备发送的针对备选情绪信息的回馈信号，针对备选情绪信息的回馈信号为用户针对至少一个备选情绪信息触发选择操作后生成的。

对于本申请实施例，用户通过终端设备选择出当前真实的情绪后，终端设备基于用户选择的真实情绪发送回馈信号，从而使得云服务器得知用户当前真实情绪。

S1067，从针对备选情绪信息的回馈信号中确定用户选择的备选情绪信息。

对于本申请实施例，例如用户选择的情绪为“高兴”，则回馈信号中包含“高兴”情绪的信息。云服务器从回馈信号中确定出用户当前处于“高兴”的情绪。

S1068，获取备选情绪信息对应的脑电波数据、心率数据以及体温数据中的至少一项。

对于本申请实施例，以步骤S1067为例，云服务器确定用户当前的真实情绪后，获取用户真实情绪对应的用户情绪参数，从而使得云服务器更好地识别用户情绪。

S1069，基于备选情绪信息对应的脑电波数据以及备选情绪信息，更新第一网络模型。

云服务器基于用户属性信息、采集到的用户脑电波数据以及用户确定后当前的真实情绪生成第二脑电波训练样本集。第二脑电波训练样本集用户更新第一网络模型。例如采集情绪变化后30s之内的脑电波数据，其中，30s之内的脑电波数据包括100组脑电波数据，每组脑电波数据为0.3s。将每组脑电波数据结合用户属性信息以及用户当前真实的情绪，从而形成100个第一脑电波训练样本。

云服务器将第二脑电波训练样本集输入至第一网络模型中对第一网络模型进行训练，从而达到更新第一网络模型的效果，进而使得第一网络模型能够更好地识别用户情绪。

S10610，基于备选情绪信息对应的心率数据以及备选情绪信息，更新第二网络模型。

云服务器基于用户属性信息、采集到的用户心率数据以及用户确定后当前的真实情绪生成第二心率训练样本集。第二心率训练样本集用于更新第二网络模型。例如，采集情绪变化后到下一次情绪变化之间时间段的心率数据。假设情绪变化后到下一次情绪变化之间的时间段为30min，其中，30min的心率数据以1min为单位时间，因此包括30组心率数据，每组心率数据为1min内的心跳次数。将每组心率数据结合用户属性信息以及用户当前真实的情绪，从而形成30个第一心率训练样本。

云服务器将第二心率训练样本集输入至第二网络模型中对第二网络模型进行训练，从而达到更新第二网络模型的效果，进而使得第二网络模型能够更好地识别用户情绪。

S10611，基于备选情绪信息对应的体温数据以及备选情绪信息，更新第三网络模型。

云服务器基于用户属性信息、采集到的用户体温数据以及用户确定后当前的真实情绪生成第二体温训练样本集。第二体温训练样本集用于更新第三网络模型。例如，采集情绪变化后到下一次情绪变化之间时间段的体温数据。假设情绪变化后到下一次情绪变化之间的时间段同样为30min，其中，30min的体温数据以1min为单位，因此包括30组体温数据，每组体温数据为1min内的体温均值。将每组体温数据结合用户属性信息以及用户当前的情绪，从而形成30个第一体温训练样本。

云服务器将第二体温训练样本集输入至第二网络模型中对第三网络模型进行训练，从而达到更新第三网络模型的效果，进而使得第三网络模型能够更好地识别用户情绪。

在本申请实施例中，当涉及步骤S1069、步骤S10610以及步骤S10611中的至少两项时，对步骤S1069、步骤S10610以及步骤S10611的执行顺序不做限定。

为了便于缓解用户情绪，本申请实施例的一种可能的实现方式，方法还包括步骤S107（图中未示出）以及步骤S108（图中未输出），步骤S107可以在步骤S103之后执行，其中，

S107，基于用户当前的情绪信息确定用户当前的情绪对应的音乐库，音乐库中包括至少一个音频文件。

对于本申请实施例，云服务器基于用户当前的情绪控制可穿戴设备播放当前情绪对应的音乐库中的音频文件，从而达到改善用户当前情绪的效果。例如，云服务器识别出用户当前的情绪为“紧张”，云服务器确定出“紧张”对应的音乐库，音乐库中存储有若干个能够缓解“紧张”情绪的音频文件。

S108，控制终端设备通过预设方式播放音乐库中的音频文件；

预设方式包括以下至少一项：

随机播放音乐库中的音频文件；

按若干个音频文件的排列顺序依次播放音乐库中的若干个音频文件；

循环播放音乐库中其中一个音频文件。

对于本申请实施例，例如，云服务器确定出“紧张”情绪对应的音乐库后，可通过随机播放音乐库中的音频文件、按若干个音频文件的排列顺讯播放若干个音频文件或者循环播放其中一个音频文件的方式播放“紧张”情绪对应的音乐库中的文件。云服务器控制可穿戴设备播放音频文件，从而达到缓解“紧张”情绪的效果，提升了用户的使用体验。

为了便于通过灯光改善用户情绪，本申请实施例的一种可能的实现方式，步骤S103之后还包括步骤S109（图中未示出）以及步骤S110（图中未示出），其中，

S109，基于用户当前的情绪信息确定环境灯的照明策略信息。

对于本申请实施例，例如，云服务器识别出用户当前的情绪为“紧张”，云服务器确定出环境灯与“紧张”情绪对应的照明策略信息，“紧张”情绪对应的照明策略方案为“发出蓝色的灯光”。蓝色灯光有助于用户缓解“紧张”的情绪。

S110，向环境灯发送照明策略信息，以使得环境灯按照照明策略信息运行。

对于本申请实施例，云服务器与环境灯可通过WIFI连接，还可通过Mesh组网连接，也可以通过其他的连接方式，对云服务器与环境灯的连接方式在此不做限定。云服务器向环境灯发送“发出蓝色的光”的照明策略信息。环境灯接收到照明策略信息后按照“发出蓝色的灯光”的照明策略信息工作。用户处在蓝色灯光的环境中能够逐渐变为“平静”情绪，从而缓解用户的“紧张”情绪，进而使得提升用户的使用体验。

为了便于向用户推送适用于用户当前情绪的医学建议，本申请实施例的一种可能的实现方式，步骤S103之后还包括步骤S111（图中未示出）以及步骤S112（图中未示出），其中，

S111，基于用户当前的情绪信息确定对应的医学建议信息。

对于本申请实施例，云服务器识别到用户当前的情绪后确定出用户当前情绪对应的医学建议。例如，用户当前情绪为“紧张”，则“紧张”情绪对应的医学建议为“放轻松，深呼吸以及喝温水”。

S112，向终端设备推送医学建议信息。

对于本申请实施例，云服务器将“放轻松，深呼吸以及喝温水”的医学建议推送至用户对应的终端设备。用户通过终端设备查看医学建议，从而根据医学建议改善自身的情绪。

为了便于根据用户当前情绪确定出更适用于用户的音量及音效，本申请实施例的一种可能的实现方式，步骤S103之后还包括步骤S113（图中未示出）以及步骤S114（图中未示出），其中，

S113，基于用户当前的情绪信息确定可穿戴设备的播放策略信息。

对于本申请实施例，例如，云服务器识别出用户当前的情绪为“紧张”，云服务器确定出可穿戴设备与“紧张”情绪对应的播放策略信息，“紧张”情绪对应的播放策略信息为“音量50％，增强低音，增强环绕效果”。将音量调到适中的50％，低音增强使得可穿戴设备播放的声音更雄厚，从而有助于用户缓解“紧张”的情绪，增强环绕效果使得用户能够更沉浸于可穿戴设备播放的声音，进而有助有缓解“紧张情绪”。

S114，向终端设备推送播放策略信息，以使得终端设备控制可穿戴设备按照播放策略信息运行。

对于本申请实施例，云服务器向终端设备发送“音量50％，增强低音，增强环绕效果”的播放策略信息。终端设备接收到播放策略信息后按照“音量50％，增强低音，增强环绕效果”的播放策略信息控制可穿戴设备工作。可穿戴设备按照“音量50％，增强低音，增强环绕效果”播放声音能够使得用户逐渐变为“平静”情绪，从而缓解用户的“紧张”情绪，进而使得提升用户的使用体验。

本申请实施例提供了一种检测用户情绪的方法，如图2所示，由终端设备执行，该方法包括步骤S201、步骤S202以及步骤S203，其中，

S201，接收可穿戴设备上传的用户情绪参数，用户的情绪参数包括脑电波数据、心率数据、语音特征数据以及体温数据中的至少一项。

对于本申请实施例，用户身上的可穿戴设备采集用户的用户情绪参数，可穿戴设备与用户的终端设备连接配对后，终端设备接收可穿戴设备采集的用户情绪参数。

S202，将情绪参数发送至云服务器，以使得云服务器基于用户的情绪参数以及用户属性信息确定用户当前的情绪信息，用户属性信息存储在云服务器中，并且用户属性信息是由云服务器根据情绪参数匹配到的，用户属性信息包括：用户性别信息以及用户年龄信息中的至少一项。

对于本申请实施例，用户在使用初次使用可穿戴设备时，需要将可穿戴设备与终端设备进行连接适配，用户通过终端设备选择自身的用户属性信息，例如，用户通过终端设备确定的用户属性信息为“男，23岁”。终端设备将用户属性信息以及用户情绪参数发送至云服务器中，从而使得云服务器基于用户属性信息以及用户情绪参数识别出用户当前的情绪。

S203，接收云服务器发送的用户当前的情绪信息。

对于本申请实施例，云服务器识别出用户当前的情绪后，终端设备接收云服务器识别到的情绪，从而达到确定用户当前情绪的效果。

本申请实施例的一种可能的实现方式，情绪参数包括心率数据以及体温数据，步骤S201之后还包括步骤S204（图中未示出）、步骤S205（图中未示出）以及步骤S206（图中未示出），其中，

S204，将心率数据与心率预设范围进行比较。

对于本申请实施例，可穿戴设备采集到的心率数据还可用于表征用户的心跳状态。心率预设范围用户表征正常心率范围，例如心率预设范围为“60～100次/分钟”。假设30s内采集到的心率数据为“90次/分钟”，则将采集到的心率数据“90次/分钟”与心率预设范围“60～100次/分钟”进行比较。

S205，将体温数据与体温预设范围进行比较。

对于本申请实施例，可穿戴设备采集到的体温数据还可用于表征用户的体温状态。体温预设范围用户表征正常体温范围，例如体温预设范围为“36.0～37.3℃”。假设30s内采集到的体温数据为“36.5℃”，则将采集到的体温数据“36.5℃”与体温预设范围“36.0～37.3℃”进行比较。

S206，若心率数据未处在心率预设范围内和/或体温数据未处在体温预设范围之内，则输出告警信息。

对于本申请实施例，以步骤S204为例，30s内采集的用户心率数据为“90次/分钟”位于“60～100次/分钟”的心率预设范围内，则说明用户的心率正常。假设采集到的用户心率数据大于100次/分钟或小于60次/分钟，则说明用户的心率数据未处在心率预设范围内，终端设备发出警报以提醒用户心率异常。终端设备可以发出“心率过快/慢”以及“心率异常”等语音来提醒用户。

以步骤S205为例，30s内采集的用户体温数据为“36.5℃”位于“36.0～37.3℃”体温预设范围内，则说明用户的体温正常。假设采集到的用户体温大于37.3℃或小于36.0℃，则说明用户的体温数据未处在体温预设范围内，终端设备发出警报以提醒用户体温异常。终端设备可以发出“体温过高/低”以及“体温异常”等语音来提醒用户。

在本申请实施例中，对步骤S204以及步骤S205的执行顺序不做限定。

为了便于用户能够更方便获知自身在不同时间点的心率数据以及体温数据，本申请实施例的一种可能的实现方式，步骤S201之后还包括步骤S207（图中未示出）、步骤S208（图中未示出）、步骤S209（图中未示出）以及步骤S210（图中未示出），其中，

S207，基于心率数据以及接收到心率数据对应的时间生成心率标注数据。

对于本申请实施例，终端设备接收到用户的心率数据后，将心率数据采集的时间与心率数据进行标注。例如，30s内采集到的心率数据为“70次/分钟”，采集的时间点为“8:20:00-8:20:30”。终端设备将“70次/分钟”与“8:20:00-8:20:30”标注在一起从而形成心率标注数据。

S208，基于体温数据以及接收到体温数据对应的时间生成体温标注数据。

对于本申请实施例，终端设备接收到用户的体温数据后，将体温数据采集的时间与体温数据进行标注。例如，30s内采集到的体温数据为“36.5℃”，采集的时间点为“8:20:00-8:20:30”。终端设备将“36.5℃”与“8:20:00-8:20:30”标注在一起从而形成体温标注数据。

S209，控制显示心率标注数据以及体温标注数据。

对于本申请实施例，终端设备控制显示屏等设备对心率标注数据以及体温标注数据进行显示，用户通过显示屏查看不同时间点处的心率数据以及体温数据，从而便有对自身的心率情况以及体温情况作出更好地了解。

S210，将心率标注数据以及体温标注数据上传至云服务器。

对于本申请实施例，终端设备将心率标注数据以及体温标注数据上传至云服务器中进行存储，从而便于用户调取历史的心率数据以及体温数据。

在本申请实施例中，对步骤S207以及步骤S208的执行顺序不做限定。

当用户使用可穿戴设备收听音频文件时，若用户将可穿戴设备摘下并过一段时间重新将可穿戴设备戴上，则会导致用户错过收听音频文件的一些片段，从而降低了用户的使用体验。为了提高用户的使用体验，本申请实施例的一种可能的实现方式，步骤S203之后还包括步骤S210（图中未示出）以及步骤S211（图中未示出），其中，

S210，若接收到穿戴设备发送的摘下信号，则控制当前播放的音频文件暂停。

对于本申请实施例，用户通过穿戴设备收听音频文件，以蓝牙耳机为例，在蓝牙耳机的耳罩处设置压力传感器，用户戴上蓝牙耳机和摘下蓝牙耳机时，压力传感器采集到的压力数据有所不同。当用户摘下蓝牙耳机后，蓝牙耳机上的压力传感器采集的压力数据发生变化，蓝牙耳机发出摘下信号。终端设备接收到摘下信号后即可判断出用户摘下耳机，终端设备控制当前播放的音频文件暂停，从而减少了电能的消耗。

S211，若接收到穿戴设备发送的佩戴信号，则控制当前播放的音频文件继续播放。

对于本申请实施例，以步骤S211为例，当用户戴上耳机后，压力传感器采集的压力数据发生变化，蓝牙耳机发出佩戴信号。终端设备接收到佩戴信号后判断出用户佩戴好蓝牙耳机，终端设备控制蓝牙耳机播放音频文件，从而提高了用户的使用蓝牙耳机的体验。

为了便于用户在使用可穿戴设备接听电话时，将通话从可穿戴设备切换到终端设备上，本申请实施例的一种可能的实现方式，步骤S203之后还包括步骤S212（图中未示出），其中，

S212，若接收到可穿戴设备发送的摘下信号，并且当前处于通话状态时，则将通话播放端由穿戴设备切换至终端设备。

对于本申请实施例，用户通过蓝牙耳机接听电话，在通话过程中，用户想将蓝牙耳机接听变为使用终端设备接听，用户将蓝牙耳机摘下并且蓝牙耳机输出摘下信号，同时终端设备检测出用户处于通话状态，则用户将蓝牙耳机接听通话切换为终端设备接听通话。从而提高了穿戴设备的适用性，改善用户使用体验。

上述实施例从方法流程的角度介绍一种检测用户情绪的方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种云服务器以及一种终端设备，具体详见下述实施例。

本申请实施例提供一种检测用户情绪的云服务器如图3所示，该检测用户情绪的云服务器30具体可以包括：

第一接收模块301，用于接收终端设备上传的用户情绪参数，所述用户情绪参数包括脑电波数据、心率数据、体温数据以及语音特征数据中的至少一项；

第一确定模块302，用于确定与所述用户情绪参数相匹配的用户属性信息，所述用户属性信息存储在所述云服务器中，所述用户属性信息包括：用户性别信息以及用户年龄信息中的至少一项；

预估模块303，用于基于确定出的用户属性信息以及所述用户情绪参数预估用户当前的情绪信息。

对于本申请实施例，第一接收模块301接收到用户情绪参数，第一确定模块302在云服务器中确定出与用户情绪参数相匹配的用户属性信息，预估模块303将用户属性信息以及用户情绪参数相结合来预估用户当前的情绪，从而达到便于识别用户当前情绪的效果。

本申请实施例的一种可能的实现方式，所述预估模块303在基于确定出的用户属性信息以及所述用户情绪参数预估用户当前的情绪信息时，具体用于：

基于所述脑电波数据以及所述确定出的用户属性信息，预估用户当前的第一子情绪信息，和/或，

基于所述心率数据以及所述确定出的用户属性信息，预估用户当前的第二子情绪信息，和/或，

基于所述体温数据以及所述确定出的用户属性信息，预估用户当前的第三子情绪信息，和/或，

基于所述语音特征数据以及所述确定出的用户属性信息，预估用户当前的第四子情绪信息；

基于所述第一子情绪信息、所述第二子情绪信息、第三子情绪信息以及第四子情绪信息中的至少一项，预估所述用户当前的情绪信息。

本申请实施例的一种可能的实现方式，所述预估模块303在基于所述脑电波数据以及所述确定出的用户属性信息，预估用户当前的第一子情绪信息，和/或，基于所述语音特征数据以及所述确定出的用户属性信息，预估用户当前的第四子情绪信息时时，具体用于以下至少一项：

对所述脑电波数据进行时频变换处理得到脑电波功率谱数据，对所述脑电波功率谱数据进行特征提取，得到脑电波频率数据，所述脑电波频率数据包括α波、β波、δ波和θ波以及各自所占的功率比例，基于所述脑电波频率数据以及所述确定出的用户属性信息，预估所述用户当前的第一子情绪信息，和/或，

从所述语音特征数据中提取语音响度信息以及语音频率信息，基于所述语音响度信息、所述语音频率信息以及所述确定出的用户属性信息，预估所述用户当前的第四子情绪信息。

本申请实施例的一种可能的实现方式，所述预估模块303在基于所述第一子情绪信息、第二子情绪信息、第三子情绪信息以及第四子情绪信息中的至少一项，预估用户当前的情绪信息，具体用于以下至少一项：

若包含第一子情绪信息，则预估所述当前的情绪信息为第一子情绪信息；

确定所述第一子情绪信息、所述第二子情绪信息、所述第三子情绪信息以及第四子情绪信息分别对应的权重信息，并基于所述第一子情绪信息、所述第二子情绪信息、所述第三子情绪信息、所述第四子情绪信息以及各自对应的权重信息，预估所述用户当前的情绪信息。

本申请实施例的一种可能的实现方式，所述预估模块303在基于所述脑电波数据以及所述确定出的用户属性信息，预估用户当前的第一子情绪信息时，具体用于：

基于所述脑电波数据以及所述确定出的用户属性信息并通过第一网络模型进行情绪检测处理，得到所述用户当前的第一子情绪信息；

所述预估模块303在基于所述心率数据以及所述确定出的用户属性信息，预估用户当前的第二子情绪信息时，具体用于：

基于所述心率数据以及所述确定出的用户属性信息并通过第二网络模型进行情绪检测处理，得到所述用户当前的第二子情绪信息；

所述预估模块303在基于所述体温数据以及所述确定出的用户属性信息，预估用户当前的第三子情绪信息时，具体用于：

基于所述体温数据以及所述确定出的用户属性信息并通过第三网络模型进行情绪检测处理，得到所述用户当前的第三子情绪信息。

本申请实施例的一种可能的实现方式，所述云服务器30还包括：

第一发送模块，用于当满足预设条件时，将所述用户当前的情绪信息发送至所述终端设备，以使得所述终端设备显示接收到的情绪信息，所述预设条件包括：当前次预估得到的情绪信息与上一次预估得到的情绪信息不同，并且情绪信息预估次数不大于预设次数；

第二接收模块，用于接收所述终端设备发送的回馈信号，所述回馈信号是基于用户针对所述用户当前的情绪信息触发生成的回馈信号；

更新模块，用于基于所述用户当前的情绪信息以及对应的回馈信号更新所述第一网络模型、所述第二网络模型以及所述第三网络模型中的至少一项；

所述更新模块在基于所述用户当前的情绪信息以及对应的回馈信号更新所述第一网络模型、所述第二网络模型以及所述第三网络模型中的至少一项时，具体用于：

若所述回馈信号为基于用户针对所述用户当前的情绪信息触发的确认信号，则，

获取所述用户当前的情绪信息所对应的脑电波数据、心率数据以及体温数据中的至少一项；

基于所述用户当前的情绪信息所对应的脑电波数据以及所述用户当前的情绪信息，更新所述第一网络模型，和/或，

基于所述用户当前的情绪信息所对应的心率数据以及所述用户当前的情绪信息，更新所述第二网络模型，和/或，

基于所述用户当前的情绪信息所对应的体温数据以及所述用户当前的情绪信息，更新所述第三网络模型；

所述更新模块在基于所述用户当前的情绪信息以及对应的回馈信号更新所述第一网络模型、所述第二网络模型以及所述第三网络模型中的至少一项时，具体用于：

若所述回馈信号为基于用户针对所述用户当前的情绪信息触发的否认信号，则，

向所述终端设备发送至少一个备选情绪信息；

接收所述终端设备发送的针对备选情绪信息的回馈信号，所述针对备选情绪信息的回馈信号为用户针对所述至少一个备选情绪信息触发选择操作后生成的；

从所述针对备选情绪信息的回馈信号中确定用户选择的备选情绪信息；

获取所述备选情绪信息对应的脑电波数据、心率数据以及体温数据中的至少一项；

基于所述备选情绪信息对应的脑电波数据以及所述备选情绪信息，更新所述第一网络模型，和/或，

基于所述备选情绪信息对应的心率数据以及所述备选情绪信息，更新所述第二网络模型，和/或，

基于所述备选情绪信息对应的体温数据以及所述备选情绪信息，更新所述第三网络模型。

第四方面，如图4所示，本申请提供一种检测用户情绪的终端设备，采用如下的技术方案：

一种检测用户情绪的终端设备，包括：

第三接收模块401，用于接收可穿戴设备上传的用户情绪参数，所述用户的情绪参数包括脑电波数据、心率数据、语音特征数据以及体温数据中的至少一项；

第二发送模块402，用于将所述情绪参数发送至云服务器，以使得所述云服务器基于所述用户的情绪参数以及用户属性信息确定用户当前的情绪信息，所述用户属性信息存储在所述云服务器中，并且所述用户属性信息是由所述云服务器根据情绪参数匹配到的，所述用户属性信息包括：用户性别信息以及用户年龄信息中的至少一项；

第四接收模块403，用于接收所述云服务器发送的所述用户当前的情绪信息。

对于本申请实施例，第三接收模块401接收用户可穿戴设备采集的用户情绪参数，第三发送模块402将用户的用户情绪参数发送给云服务器，云服务器基于用户情绪参数和与用户情绪参数向匹配的用户属性信息预估用户当前的情绪信息。第四接收模块403接收云服务器确定的用户当前的情绪，从而便于确定出用户当前的情绪。

本申请实施例的一种可能的实现方式，所述终端设备40还包括：

第一比较模块，用于将所述心率数据与心率预设范围进行比较；

第二比较模块，用于将所述体温数据与体温预设范围进行比较；

告警模块，用于当所述心率数据未处在所述心率预设范围内和/或所述体温数据未处在所述体温预设范围之内时，输出告警信息。

对于本申请实施例，第一接收模块301和第二接收模块可以均为相同的接收模块，也可以为不同的接收模块。第三接收模块401以及第四接收模块403可以均为相同的接收模块，也可以为不同的接收模块。第一比较模块和第二比较模块可以均为相同的比较模块，也可以为不同的比较模块。

本申请实施例提供了一种检测用户情绪的云服务器30以及检测用户情绪的终端设备40，适用于上述方法实施例，在此不在赘述。

本申请实施例中提供了一种云服务器，如图5所示，图5所示的云服务器50包括：处理器501和存储器503。其中，处理器501和存储器503相连，如通过总线502相连。可选地，云服务器50还可以包括收发器504。需要说明的是，实际应用中收发器504不限于一个，该云服务器50的结构并不构成对本申请实施例的限定。

处理器501可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器501也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线502可包括一通路，在上述组件之间传送信息。总线502可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线502可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器503可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器503用于存储执行本申请方案的应用程序代码，并由处理器501来控制执行。处理器501用于执行存储器503中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，云服务器包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图5示出的云服务器仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例中云服务器接收到用户属性信息以及可穿戴设备采集的用户情绪参数，脑电波数据、心率数据、体温数据以及语音特征数据中的至少一项用于表征用户当前的情绪，云服务器确定出与用户情绪参数匹配的用户属性信息，云服务器将用户属性信息以及用户情绪参数相结合来预估用户当前的情绪，从而便于确定用户的当前情绪。

本申请实施例中提供了一种终端设备，该终端设备的结构参照图5，当图5用于表示终端设备50时，终端设备50包括：处理器501和存储器503。其中，处理器501和存储器503相连，如通过总线502相连。可选地，终端设备50还可以包括收发器504。需要说明的是，实际应用中收发器504不限于一个，该终端设备50的结构并不构成对本申请实施例的限定。

处理器501可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器501也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线502可包括一通路，在上述组件之间传送信息。总线502可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线502可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器503可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器503用于存储执行本申请方案的应用程序代码，并由处理器501来控制执行。处理器501用于执行存储器503中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，终端设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图5示出的终端设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例中终端设备接收到用户的用户情绪参数后，将用户的用户情绪参数发送给云服务器，云服务器基于用户属性信息以及用户情绪参数识别出用户当前的情绪，终端设备接收云服务器识别的用户当前的情绪，从而确定出用户当前的情绪。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。