一种基于智能可穿戴设备的情绪分析方法
阅读说明：本技术 一种基于智能可穿戴设备的情绪分析方法 (Emotion analysis method based on intelligent wearable device ) 是由 葛畅 薛艳敏 余隋怀 徐诗怡 于 2020-12-14 设计创作，主要内容包括：本发明公开了一种基于智能可穿戴设备的情绪分析方法,具体为：首先选定运动感知类信号数据、原始情绪标签、日常活动标签,用户在智能可穿戴设备输入1～2个月内的情绪数据和日常活动数据；采用智能可穿戴设备对运动感知类信号数据、情绪数据和日常活动数据的对应关系进行预设法运算,确定用户情绪状态与日常活动、人体姿态动作的关联关系,建立用户情绪预测模型；最后通过用户情绪预测模型对用户实际情绪进行分析后,输出用户情绪信息。本发明一种基于智能可穿戴设备的情绪分析方法,解决了现有技术中存在的对中等强度的情绪识别性差、难以从用户动作或活动准确推测情绪的问题。(The invention discloses an emotion analysis method based on intelligent wearable equipment, which specifically comprises the following steps: firstly, selecting motion perception signal data, an original emotion label and a daily activity label, and inputting emotion data and daily activity data of a user in an intelligent wearable device within 1-2 months; performing preset method operation on the corresponding relation of the motion perception signal data, the emotion data and the daily activity data by adopting intelligent wearable equipment, determining the incidence relation of the emotion state of the user with the daily activity and the posture action of the human body, and establishing a user emotion prediction model; and finally, analyzing the actual emotion of the user through a user emotion prediction model, and outputting user emotion information. The emotion analysis method based on the intelligent wearable device solves the problems that in the prior art, emotion recognition of moderate intensity is poor, and emotion is difficult to accurately infer from user actions or activities.)
技术领域
本发明属于智能健康管理技术领域，具体涉及一种基于智能可穿戴设备的情绪分析方法。
背景技术
人的情绪状态与机体免疫反应密切相关。目前，主要是通过获取用户的心率、脑电、表情、语音等信号来识别情绪，然而获取这些信号需要在用户头部加装设备，对用户干扰较大，不适宜日常佩戴；虽然采用可穿戴设备获取用户的皮电、脑电、心率等信号可以推测出人的情绪，但是必须在情绪起伏较大时才可以；而用户在日常生活情境中的情绪多以平静、愉悦、紧张等中等强度为主，大喜大悲并不多见，因此，如何识别中等强度的情绪是目前情绪识别领域的一个难题。
此外，用户的心率、语音、皮电、脑电等信号识别出的情绪数据往往是固定数值，即情绪数据和心率与语音语调等有对应关系，此时，用户是无法了解自身动作或活动与情绪的关系，因此，得出的情绪数据对健康管理的指导意义非常有限。
发明内容
本发明的目的是提供一种基于智能可穿戴设备的情绪分析方法，解决了现有技术中存在的对中等强度的情绪识别性差、难以从用户动作或活动准确推测情绪的问题。
本发明所采用的技术方案是，一种基于智能可穿戴设备的情绪分析方法，具体按照以下步骤实施：
步骤1，选定运动感知类信号数据类别、原始情绪标签类别、日常活动标签类别，用户佩戴智能可穿戴设备1～2个月，同时采用智能可穿戴设备隐式收集运动感知类信号数据，用户在智能可穿戴设备上定期输入情绪数据和日常活动数据；
步骤2，采用智能可穿戴设备对运动感知类信号数据、情绪数据和日常活动数据的对应关系进行预设法运算，确定用户情绪状态与日常活动、人体姿态动作的关联关系，建立用户情绪预测模型；
步骤3，通过用户情绪预测模型对用户实际情绪进行分析后，输出用户情绪信息。
本发明的特点还在于：
步骤2中，运动感知类信号数据类别包括三轴加速度、速度、角速度、磁场数据和时间；原始情绪标签类别包括紧张—疲惫、兴奋—无聊、高兴—低落和压力—放松；日常活动标签类别包括交流、餐饮、学习、工作、居家、个人护理、接受服务、购物、社交和运动。
人体姿态动作包括走路、慢跑、坐着、站立、上楼和下楼动作。
步骤2中预设法运算过程具体为：
步骤2.1，提取运动感知类信号数据，并融合情绪数据和日常活动数据，进行聚类分析获得人体姿态动作；
步骤2.2，采用分类器对人体姿态动作分别进行情绪识别与日常活动识别，建立用户情绪预测模型。
步骤3具体为：
步骤3.1，通过用户情绪预测模型根据运动感知类信号数据判断用户的动作是否在第一预设动作范围内，若是，提醒用户记录情绪标签，若否，则无提示；
步骤3.2，根据用户情绪的唤起程度与正负性获得情绪角度，推测用户情绪强度与愉悦程度，获得情感角度值；
步骤3.3，智能可穿戴设备输出情感角度值之后，邀请用户对情感角度值的准确性做出判断，若准确，继续预测，若不准确，邀请用户给出实际的情绪状态，并将其数据代入用户情绪预测模型进行修正；
步骤3.4，重复步骤3.1～3.3，直至输出用户情绪信息。
步骤2中预设法运算过程以日常活动开始的时间至用户记录情绪时间为时间窗口，预测用户情绪状态。
步骤3.1中，第一预设动作为日常活动内的动作序列和姿态动作内的动作序列。
本发明的有益效果是：
本发明一种基于智能可穿戴设备的情绪分析方法，通过记录用户的运动感知数据来分析用户动作，从而推测用户的情绪角度，能够使用户了解当前的情绪状态与情绪强度，并能判断出情绪发生前的动作成因，用以指导用户改善情绪；本发明一种基于智能可穿戴设备的情绪分析方法，快速有效，只需要用户佩戴可穿戴设备即可记录数据并分析结果，为智能化的健康管理及改善提供了新的思路。
附图说明
图1是本发明一种基于智能可穿戴设备的情绪分析方法的流程图；
图2是本发明一种基于智能可穿戴设备的情绪分析方法采用的智能可穿戴设备的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于智能可穿戴设备的情绪分析方法，如图1所示，具体按照以下步骤实施：
步骤1，选定运动感知类信号数据类别、原始情绪标签类别、日常活动标签类别，用户佩戴智能可穿戴设备1～2个月，同时采用智能可穿戴设备隐式收集运动感知类信号数据，用户在智能可穿戴设备上定期输入情绪数据和日常活动数据；
步骤2，采用智能可穿戴设备对运动感知类信号数据、情绪数据和日常活动数据的对应关系进行预设法运算，确定用户情绪状态与日常活动、人体姿态动作的关联关系，建立用户情绪预测模型；
步骤2中预设法运算过程具体为：
步骤2.1，提取运动感知类信号数据，并融合情绪数据和日常活动数据，进行聚类分析获得人体姿态动作；
步骤2.2，采用分类器对人体姿态动作分别进行情绪识别与日常活动识别，建立用户情绪预测模型；
步骤2中，运动感知类信号数据类别包括三轴加速度、速度、角速度、磁场数据和时间；原始情绪标签类别包括紧张—疲惫、兴奋—无聊、高兴—低落和压力—放松；日常活动标签类别包括交流、餐饮、学习、工作、居家、个人护理、接受服务、购物、社交和运动；
人体姿态动作包括走路、慢跑、坐着、站立、上楼和下楼动作；
步骤2中预设法运算过程以日常活动开始的时间至用户记录情绪时间为时间窗口，预测用户情绪状态；
步骤3，通过用户情绪预测模型对用户实际情绪进行分析后，输出用户情绪信息；具体为：
步骤3.1，通过用户情绪预测模型根据运动感知类信号数据判断用户的动作是否在第一预设动作范围内，若是，提醒用户记录情绪标签，若否，则无提示；
步骤3.2，根据用户情绪的唤起程度与正负性获得情绪角度，推测用户情绪强度与愉悦程度，获得情感角度值；
步骤3.3，智能可穿戴设备输出情感角度值之后，邀请用户对情感角度值的准确性做出判断，若准确，继续预测，若不准确，邀请用户给出实际的情绪状态，并将其数据代入用户情绪预测模型进行修正；
步骤3.4，重复步骤3.1～3.3，直至输出用户情绪信息；
步骤3.1中，第一预设动作为日常活动内的动作序列和姿态动作内的动作序列。
本发明一种基于智能可穿戴设备的情绪分析方法采用的智能可穿戴设备包括中央处理器，中央处理器分别连接有运动感知模块、情感角度输出模块、情绪预测模块和存储器；存储器分别连接有供电部件、情绪标签记录模块、日常活动标签记录模块和时间设定模块。如图2所示。
其中，运动感知模块用于记录用户的运动感知类信号数据；情绪标签记录模块用于记录用户的情绪标签及对应的时间；日常活动标签记录模块用于记录用户的日常活动标签及对应的时间；中央处理器根据记录的用户运动感知类信号数据及情绪标签和日常活动标签信息进行预设法运算，确定用户的情绪状态；时间设定模块用于设定收集数据的时间周期及预设法运算的时间窗口；供电部件用于给智能可穿戴设备持续供电；情绪预测模块用于分析日常活动、人体姿态动作及情绪的分类，并据此统计分析情感角度。