本申请实施例公开一种情绪识别方法、装置、可穿戴设备及存储介质，该方法包括：获取用户在第一时刻对应的生命体征数据，以及获取用户在第二时刻对应的第一运动状态；第二时刻早于第一时刻；第一运动状态是根据用户在第二时刻对应的用户运动信息确定的；从生命体征数据中提取出第一变异性特征；根据第一变异性特征以及第一运动状态获得在检测时间段内一个或多个时间点对应的第一情绪状态。实施本申请实施例，能够提高情绪状态识别的准确性。能够提高情绪状态识别的准确性。能够提高情绪状态识别的准确性。
【技术实现步骤摘要】
情绪识别方法、装置、可穿戴设备及存储介质
[0001]本申请涉及可穿戴设备
，具体涉及一种情绪识别方法、装置、可穿戴设备及存储介质。
技术介绍
[0002]情绪是身心健康的重要标志。积极的情绪能够提高人体的生理机能，激励人们去努力，形成积极向上的生活态度；消极的情绪会减弱人们的体力和精力，抑制人们的活动能力。目前，生活压力的增加导致了很多人的负面情绪。如果负面情绪不能及时被处理和调整，有可能会造成心理疾病。因此提出一种能够识别情绪状态的方法，使得人们能够及时采取应对负面情绪的措施是很有必要的。现有的技术主要是基于压力指数的情绪预测模型，但是这种方法不能全面、准确地反映用户的情绪状态。
技术实现思路
[0003]本申请实施例公开了一种情绪识别方法、装置、可穿戴设备及存储介质，能够提高情绪状态识别的准确性。
[0004]本申请实施例公开一种情绪识别方法，其特征在于，应用于可穿戴设备，所述方法包括：
[0005]获取用户在第一时刻对应的生命体征数据，以及获取所述用户在第二时刻对应的第一运动状态；所述第二时刻早于所述第一时刻；所述第一运动状态是根据所述用户在所述第二时刻对应的用户运动信息确定的；
[0006]从所述生命体征数据中提取出第一变异性特征；
[0007]根据所述第一变异性特征以及所述第一运动状态获得在检测时间段内一个或多个时间点对应的第一情绪状态。
[0008]作为一种可选的实施方式，所述生命体征数据包括心率信号和呼吸信号；所述从所述生命体征数据中提取出第一变异性特征，包括：
[0009]通过解析所述呼吸信号从所述呼吸信号中提取出第一呼吸变异性特征组；所述第一呼吸变异性特征组包括一种或多种呼吸统计特征；
[0010]通过解析所述心率信号从所述心率信号中提取出第一心率变异性特征组；所述第一心率变异性特征组包括以下特征中的至少一种：在时域上的心率统计特征、在频域上的频域特征以及非线性域上的非线性特征。
[0011]作为一种可选的实施方式，所述根据所述第一变异性特征以及所述第一运动状态获得在检测时间段内一个或多个时间点对应的第一情绪状态，包括：
[0012]通过分类模型对所述第一变异性特征以及所述第一运动状态进行处理，以得到所述分类模型输出的所述检测时间段内一个或多个时间点对应的第一情绪状态。
[0013]作为一种可选的实施方式，在所述通过分类模型对所述第一变异性特征以及所述第一运动状态进行处理之前，所述方法还包括：
[0014]将所述第一运动状态转换为数值型特征，得到以数值型特征表示的第二运动状态；
[0015]所述通过分类模型对所述第一变异性特征以及所述第一运动状态进行处理，以得到所述分类模型输出的所述检测时间段内一个或多个时间点对应的第一情绪状态，包括：
[0016]通过分类模型对所述第一变异性特征以及所述以数值型特征表示的第二运动状态进行处理，以得到所述分类模型输出的所述检测时间段内一个或多个时间点对应的第一情绪状态。
[0017]作为一种可选的实施方式，所述以数值型特征表示的第二运动状态通过呈高斯分布的多个第一数值进行表示；所述通过分类模型对所述第一变异性特征以及所述以数值型特征表示的第二运动状态进行处理，包括：
[0018]对所述第二运动状态包括的所述多个第一数值和/或所述第一变异性特征进行标准化处理，以得到取值范围一致的第三运动状态和第二变异性特征；所述第三运动状态通过呈高斯分布的多个第二数值进行表示；
[0019]通过分类模型对所述取值范围一致的第三运动状态和第二变异性特征进行处理。
[0020]作为一种可选的实施方式，在所述获得在检测时间段内多个时间点对应的第一情绪状态之后，所述方法还包括：
[0021]通过过滤模型计算所述多个时间点对应的第一情绪状态分别对应的转移概率；所述转移概率用于指示各个所述第一情绪状态之间的相似度；
[0022]通过所述过滤模型将所述多个时间点对应的第一情绪状态中，对应的所述转移概率低于第一阈值的第一情绪状态确定为突变情绪状态；
[0023]通过所述过滤模型对所述检测时间段内的所述突变情绪状态进行过滤，以输出所述检测时间段内除所述突变情绪状态对应的时间点以外的其它时间点对应的第二情绪状态。
[0024]作为一种可选的实施方式，所述获取所述可穿戴设备在第一时刻采集到的生命体征数据，包括：
[0025]检测用户的活动状态；
[0026]当所述活动状态是静息状态时，获取所述可穿戴设备在第一时刻采集到的生命体征数据。
[0027]作为一种可选的实施方式，在所述根据所述活动强度确定活动状态之后，所述方法还包括：
[0028]当所述活动状态是运动状态时，重新检测所述用户的活动状态，直至所述活动状态为静息状态。
[0029]本申请实施例公开一种情绪识别装置，所述装置包括：
[0030]获取模块，用于获取用户在第一时刻对应的生命体征数据，以及获取所述用户在第二时刻对应的第一运动状态；所述第二时刻早于所述第一时刻；所述第一运动状态是根据所述用户在所述第二时刻对应的用户运动信息确定的；
[0031]特征模块，用于从所述生命体征数据中提取出第一变异性特征；
[0032]状态模块，用于根据所述第一变异性特征以及所述第一运动状态获得在检测时间段内一个或多个时间点对应的第一情绪状态。
[0033]本申请实施例公开一种可穿戴设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现本申请实施例公开的任意一种情绪识别方法。
[0034]本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本申请实施例公开的任意一种情绪识别方法。
[0035]与相关技术相比，本申请实施例具有以下有益效果：
[0036]在第一时刻获取用户的生命体征数据，以及在早于第一时刻的第二时刻获取用户的第一运动状态；从生命体征数据中提取出第一变异性特征；根据第一变异性特征以及第一运动状态获得在检测时间段内一个或多个时间点对应的第一情绪状态。本申请实施例利用生命体征数据和运动状态等多种时间异步的生理数据对用户进行情绪识别，能够提高情绪状态识别的准确性。
附图说明
[0037]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本申请实施例公开的一种情绪识别方法的流程示意图；
[0039]图2是本申请实施例公开的另一种情绪识别方法的流程示意图；
[0040]图3是本申请实施例公开的另一种情绪识别方法的流程示意图；
[0041]图4是本申请实施例公开的另一种情绪识别方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种情绪识别方法，其特征在于，应用于可穿戴设备，所述方法包括：获取用户在第一时刻对应的生命体征数据，以及获取所述用户在第二时刻对应的第一运动状态；所述第二时刻早于所述第一时刻；所述第一运动状态是根据所述用户在所述第二时刻对应的用户运动信息确定的；从所述生命体征数据中提取出第一变异性特征；根据所述第一变异性特征以及所述第一运动状态获得在检测时间段内一个或多个时间点对应的第一情绪状态。2.根据权利要求1所述的方法，其特征在于，所述生命体征数据包括心率信号和呼吸信号；所述从所述生命体征数据中提取出第一变异性特征，包括：通过解析所述呼吸信号从所述呼吸信号中提取出第一呼吸变异性特征组；所述第一呼吸变异性特征组包括一种或多种呼吸统计特征；通过解析所述心率信号从所述心率信号中提取出第一心率变异性特征组；所述第一心率变异性特征组包括以下特征中的至少一种：在时域上的心率统计特征、在频域上的频域特征以及非线性域上的非线性特征。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一变异性特征以及所述第一运动状态获得在检测时间段内一个或多个时间点对应的第一情绪状态，包括：通过分类模型对所述第一变异性特征以及所述第一运动状态进行处理，以得到所述分类模型输出的所述检测时间段内一个或多个时间点对应的第一情绪状态。4.根据权利要求3所述的方法，其特征在于，在所述通过分类模型对所述第一变异性特征以及所述第一运动状态进行处理之前，所述方法还包括：将所述第一运动状态转换为数值型特征，得到以数值型特征表示的第二运动状态；所述通过分类模型对所述第一变异性特征以及所述第一运动状态进行处理，以得到所述分类模型输出的所述检测时间段内一个或多个时间点对应的第一情绪状态，包括：通过分类模型对所述第一变异性特征以及所述以数值型特征表示的第二运动状态进行处理，以得到所述分类模型输出的所述检测时间段内一个或多个时间点对应的第一情绪状态。5.根据权利要求4所述的方法，其特征在于，所述以数值型特征表示的第二运动状态通过呈高斯分布的多个第一数值进行表示；所述通过分类模型对所述第一变异性特征以及所述以数值型特征表示的第二运动状态进行处理，包括：对所述第...
【专利技术属性】
技术研发人员：梁杰，
申请(专利权)人：广东小天才科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。