CN105982678A - 一种根据心率与呼吸判断情绪的方法 - Google Patents
一种根据心率与呼吸判断情绪的方法 Download PDFInfo
- Publication number
- CN105982678A CN105982678A CN201510075507.8A CN201510075507A CN105982678A CN 105982678 A CN105982678 A CN 105982678A CN 201510075507 A CN201510075507 A CN 201510075507A CN 105982678 A CN105982678 A CN 105982678A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- point
- breathing
- emotion
- rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种根据心率与呼吸判断情绪的方法,所述方法至少包括:对若干实验人员进行持续一段时间的心率和呼吸监测;并且在实验过程中对实验人员作用以发生不同情绪状态的不同动作;记录所述时间段中所述实验人员的不同情绪状态以及该情绪状态下的心率和呼吸率;将不同情绪状态以及与该情绪状态对应的心率和呼吸率做成数据表格得到情绪评价报告;判定情绪;对被判定情绪者采用所述心率和呼吸率的监测;将得到的数据代入所述情绪评价报告得到被判定者的情绪状态。该方法克服了以往测定出情绪的浮动状况,但是很难分辨出浮动的是积极的情绪还是消极的情绪的问题,过程简单,监测准确,结果直观。
Description
技术领域
本发明涉及一种情绪的判定方法,特别是涉及一种根据心率与呼吸判断情绪的方法。
背景技术
情绪是心理学研究的重要方面:在传统心理学中,情绪就一直被列为心理现象的三大方面之一。和对待其他心理现象一样,实验心理学用科学实验的方法来研究情绪,不过这种研究面临着一些与生俱来的困难:其一,“情绪”一词的意指并不十分明确,研究者的工作范围往往只能是情绪的某一局部。这样,就造成了情绪研究和情绪理论建构中的特殊困难。其二,情绪实验研究的生态效度较难把握,实验室环境中往往难以诱发被试的某些情绪反应,如恐惧等;而自然观察数据却又难以确保量化研究的需要。其三,情绪与环境、认知和行为存在着复杂的相互作用,在生理和心理的多种水平上广泛地同其他心理过程相联系。这导致了情绪实验研究在方法学上的困难。
因此,情绪的实验研究往往十分依赖于合理、有效的实验方法。目前的情绪判定方法的理论依据有一种通过ANS指标测定情绪,一般包括六个指标:皮肤电位(SP)、皮肤阻抗(SR)、皮肤温度(ST)、皮肤血流量(SBF)、瞬时呼吸频率(IRF)和瞬时心率(IHR)。通过同时、无干扰的测量这六个ANS指标可判定人的情绪状况,但同时也意味着你需要全身戴满仪器。如何通过有限、便捷的ANS指标测量情绪,是目前情绪测量领域的热点。比较热门的选项是皮肤电和心率,但这两个指标可以测定出情绪的浮动状况,但是很难分辨出浮动的是积极的情绪还是消极的情绪。
因此,有必要提出一种新的判断情绪的方法来解决上述问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种根据心率与呼吸判断情绪的方法,用于解决现有技术中可以测定出情绪的浮动状况,但是很难分辨出浮动的是积极的情绪还是消极的情绪的问题。
为实现上述目的及其他相关目的,本发明提供一种根据心率与呼吸判断情绪的方法,所述方法至少包括:(1)对若干实验人员进行持续一段时间的心率和呼吸监测;并且在实验过程中对实验人员作用以发生不同情绪状态的不同动作;(2)记录所述时间段中所述实验人员的不同情绪状态以及该情绪状态下的心率和呼吸率;(3)将步骤(2)中的情绪状态以及与情绪状态对应的心率和呼吸率做成数据表格得到情绪评价报告;(4)判定情绪;对被判定情绪者采用所述步骤(1)中的心率和呼吸率的监测;将得到的数据代入所述步骤(3)中的情绪评价报告得到被判定者的情绪状态。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,所述步骤(1)中的实验人员数量为40个;监测时间为48小时至72小时。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,所述步骤(1)中的不同情绪状态包括:紧张、疲劳、犹豫、抑郁、愤怒、快乐、混乱、活力。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,所述步骤(1)中的不同动作包括:讲诉不同主题的故事,观看不同主题的电影以及使实验人员运动。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,所述步骤(1)中心率的监测方法为基于心冲击信号的心率值实时提取方法,至少包括:提取心冲击信号波形段中的全部极大值点,并进行幅度筛选;利用周期猜想法对极大值点进行二维排序;根据排序结果获得周期,得出心率。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,在提取极大值点后利用周期猜想法对极大值点进行二维排序之前,还包括筛选步骤:去除所有幅度小于相邻极大值点幅度一半的极大值点,需一直去除直至没有可去除的点。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,所述步骤(1)中的心率监测方法为基于模糊模式识别的BCG心率提取方法,至少包括:采样BCG波形信号得到一维BCG数据;对所述一维BCG数据进行模极大值处理,获取一维BCG数据中全部有效的极值点的位置;选取全部有效的极值点中幅值超过预设最大值的点为拐点J,设J点的左侧相邻拐点为H点,J点的右侧相邻拐点为N点,构造出HJN波群的集合;以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则,匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,对所述一维BCG数据进行所述模极大值处理的具体过程为:求所述一维BCG数据的一阶导数的模的极大值。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,所述步骤(1)中的呼吸率监测方法为基于体震信号的呼吸率实时提取方法,至少包括:1)通过低通滤波器去掉体震信号的高频的心冲击信号及噪声干扰,降低抽样频率,提取呼吸波;2)使用K均值分类将呼吸波转换成数据链;3)对数据链进行局部匹配以确认周期特性;4)根据周期特性对偶尔出现的无效呼吸波进行补偿算法,获得呼吸率。
作为本发明的根据心率与呼吸判断情绪的方法的一种优选方案,步骤3)中,根据数据链特性找出各个极大值,再根据模极大值为依据来进行数据链的局部匹配,以模糊模式识别的方式以确认周期特性。
如上所述,本发明的根据心率与呼吸判断情绪的方法,具有以下有益效果:采用内置震动传感器的设备,通过震动传感器来采集数据。将设备是放置在床脚下,当人趟在床上时,对人作用以发生不同情绪状态的不同动作,人的心脏跳动带动的身体微动会被震动传感器所采集到。当数据采集到后,便通过心率算法与呼吸算法来计算心率值与呼吸值。将得到的心率和呼吸率与情绪状态对应制作成情绪评价报告;这样就可以通过对人进行心率与呼吸率的监测之后代入情绪评价报告可得出情绪状态,该情绪判断方法克服了以往测定出情绪的浮动状况,但是很难分辨出浮动的是积极的情绪还是消极的情绪的问题。监测简单,结果直观且准确。
附图说明
图1显示为本发明的根据心率与呼吸判断情绪的方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
请参阅图1。需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
步骤一:首先,对若干实验人员进行持续一段时间的心率和呼吸监测;并且在实验过程中对实验人员作用以发生不同情绪状态的不同动作;本实施例中所述的若干实验人员的数目优选为40个。同时,监测心率和呼吸的时间优选为为48小时至72小时。并且,本实施例的所述不同情绪状态包括:紧张、疲劳、犹豫、抑郁、愤怒、快乐、混乱、活力。本实施例中对所述实验人员作用的不同动作包括:讲诉不同主题的故事,使其观看不同主题的电影以及使实验人员运动。因此,实验人员在倾听不同主题的故事时会产生以上所述的不同情绪;或观看不同主题的电影也会产生上述不同的情绪。
本实施例中对所述实验人员进行心率的监测采用的方法为:基于心冲击信号的心率值实时提取方法,至少包括:提取心冲击信号波形段中的全部极大值点,并进行幅度筛选;利用周期猜想法对极大值点进行二维排序;根据排序结果获得周期,得出心率。优选地,在提取极大值点后利用周期猜想法对极大值点进行二维排序之前,还包括筛选步骤:去除所有幅度小于相邻极大值点幅度一半的极大值点,需一直去除直至没有可去除的点。
本实施例中所述利用周期猜想法对筛选后的极大值点进行二维排序获得心率周期的具体过程包括:S0,设所述心冲击信号波形段中幅度筛选后的极大值点的数目为n,n为正整数,将所述n个极大值点按横坐标从小到大排列为x1、x2、x3、…、xn;设置一个所有元素为0的n×n二维数组A;设二维数组A的每一行非零元素为一个心率周期;S1,将第一个极大值点x1填入所述二维数组A中的第一个元素a11;假设第一个极大值点x1到第k个极大值点xk为一个心率周期,将第k个极大值点xk填入元素a21;其中k为整数且2≤k≤n-1;S2,设二维数组A的第一列中最后一个不为0的元素为aj 1,其中j为整数且2≤j≤n-1;S3,判断极大值点xi与元素aj1的横坐标间距是否小于元素a21与元素a11的横坐标间距,若是则将极大值点xi填入元素aj2,其中i为整数且k+1≤i≤n;否则判断极大值点xi与元素aj 1的横坐标间距是否约等于元素a21与元素a11的横坐标间距,若是则将极大值点xi填入元素a(j+1)1;否则判断极大值点xi与元素aj 1的横坐标间距是否大于元素a21与元素a11的横坐标间距,若是则将极大值点xi填入元素a(j+1)2;令i的值加一;S4,重复步骤S2至S3,直至将n个极大值点排序完毕为止;S5,当数值非零行的数目大于3且继续增加时,判断排序后的数组A中是否存在连续三行没有可以对应的列值的情况,若存在则表示假设的心率周期不成立,执行步骤S6;否则表示假设的心率周期成立,执行步骤S7;S6,令k的值加一,返回步骤S1;S7,结束。
优选地,步骤S1中,若k大于2,则第二个极大值点x2至第k-1个极大值点x(k-1)依次填入数组A中的元素a12至a1(k-1)中。进一步优选地,步骤S3中,若极大值点xi与元素aj 1的横坐标间距小于元素a21与元素a11的横坐标间距,则继续判断所述极大值点xi与元素a(j-1)2的横坐标间距是否小于元素a21与元素a11的横坐标间距,若是则将极大值点xi填入元素aj2,且将元素a(j-1)2中的极大值点转入元素a(j-1)3中,并将元素a(j-1)2赋值为零;否则判断所述极大值点xi与元素a(j-1)2的横坐标间距是否约等于元素a21与元素a11的横坐标间距,若是则将极大值点xi填入元素aj2;否则判断所述极大值点xi与元素a(j-1)2的横坐标间距是否大于元素a21与元素a11的横坐标间距,若是则将极大值点xi填入元素aj3。所述心率的计算过程为:心率=采样率×60/周期;其中,周期是指所述填入结束后的二维数组中以每相邻两行元素组合之间的平均间距。
本实施例中所述步骤(1)中的心率监测方法还可以是基于模糊模式识别的BCG心率提取方法,其至少包括:采样BCG波形信号得到一维BCG数据;对所述一维BCG数据进行模极大值处理,获取一维BCG数据中全部有效的极值点的位置;选取全部有效的极值点中幅值超过预设最大值的点为拐点J,设J点的左侧相邻拐点为H点,J点的右侧相邻拐点为N点,构造出HJN波群的集合;以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则,匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。其中,对所述一维BCG数据进行所述模极大值处理的具体过程为:求所述一维BCG数据的一阶导数的模的极大值。所述一维BCG数据的获取过程包括:对所述BCG波形信号进行高通滤波,去掉直流分量;对高通滤波后的BCG波形信号进行低通滤波,去掉工频干扰;对低通滤波后的BCG波形信号进行A/D转换,获得一维BCG数据。所述拐点的获取过程包括:对所述一维BCG数据进行模极大值处理,获取一维BCG数据中全部极值点的位置;对所述全部极值点进行筛选,滤除幅度小于预设最小值的极值点,剩余的极值点为有效的极值点;在有效的极值点中选取幅值超过预设最大值的点为一维BCG数据的拐点。所述HJN波群的共性判断准则还包括:位于H点与J点之间的I点与H点和J点的相对距离,和位于J点与N点之间的K点与J点和N点的相对距离。
所述基于模糊模式识别的BCG心率提取方法还包括:在确认了一段时间内的心搏出现位置之后,再统计出其中的非规律J点,再次验证;所述非规律J点包括相邻间隔特别远或者特别近的J点。
本实施例中所属呼吸率监测方法为基于体震信号的呼吸率实时提取方法,至少包括:1)通过低通滤波器去掉体震信号的高频的心冲击信号及噪声干扰,降低抽样频率,提取呼吸波;2)使用K均值分类将呼吸波转换成数据链;3)对数据链进行局部匹配以确认周期特性;4)根据周期特性对偶尔出现的无效呼吸波进行补偿算法,获得呼吸率。
优选地,步骤3)中,根据数据链特性找出各个极大值,再根据模极大值为依据来进行数据链的局部匹配,以模糊模式识别的方式以确认周期特性。步骤4)中,采用动态匹配算法对波形周期进行识别,并根据所得的周期获得呼吸率。
接着实施本发明的步骤二:记录所述时间段中所述实验人员的不同情绪状态以及该情绪状态下的心率和呼吸率;亦即将上述采用不同方法得到的心率和呼吸率用记录的方式记下。并且步骤三:将步骤二中的情绪状态以及与情绪状态对应的心率和呼吸率做成数据表格得到情绪评价报告;接着实施步骤四:判定情绪;对被判定情绪者采用所述步骤一中的心率和呼吸率的监测;将得到的数据代入所述步骤三中的情绪评价报告得到被判定者的情绪状态。步骤四为采用本发明中的情绪评价报告对需要判定情绪的人员进行情绪判定。只需要监测其心率和呼吸率就可以根据情绪评价报告得到该人员的情绪状况。
综上所述,本发明采用内置震动传感器的设备,通过震动传感器来采集数据。将设备是放置在床脚下,当人趟在床上时,对人作用以发生不同情绪状态的不同动作,人的心脏跳动带动的身体微动会被震动传感器所采集到。当数据采集到后,便通过心率算法与呼吸算法来计算心率值与呼吸值。将得到的心率和呼吸率与情绪状态对应制作成情绪评价报告;这样就可以通过对人进行心率与呼吸率的监测之后代入情绪评价报告可得出情绪状态,该情绪判断方法克服了以往测定出情绪的浮动状况,但是很难分辨出浮动的是积极的情绪还是消极的情绪的问题。监测简单,结果直观且准确。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种根据心率与呼吸判断情绪的方法,其特征在于,所述方法至少包括:
(1)对若干实验人员进行持续一段时间的心率和呼吸监测;并且在实验过程中对实验人员作用以发生不同情绪状态的不同动作;
(2)记录所述时间段中所述实验人员的不同情绪状态以及该情绪状态下的心率和呼吸率;
(3)将步骤(2)中的情绪状态以及与情绪状态对应的心率和呼吸率做成数据表格得到情绪评价报告;
(4)判定情绪;对被判定情绪者采用所述步骤(1)中的心率和呼吸率的监测;将得到的数据代入所述步骤(3)中的情绪评价报告得到被判定者的情绪状态。
2.根据权利要求1所述的根据心率与呼吸判断情绪的方法,其特征在于:所述步骤(1)中的实验人员数量为40个;监测时间为48小时至72小时。
3.根据权利要求1或2所述的根据心率与呼吸判断情绪的方法,其特征在于:所述步骤(1)中的不同情绪状态包括:紧张、疲劳、犹豫、抑郁、愤怒、快乐、混乱、活力。
4.根据权利要求3所述的根据心率与呼吸判断情绪的方法,其特征在于:所述步骤(1)中的不同动作包括:讲诉不同主题的故事,使其观看不同主题的电影以及使实验人员运动。
5.根据权利要求1或4所述的根据心率与呼吸判断情绪的方法,其特征在于:所述步骤(1)中心率的监测方法为基于心冲击信号的心率值实时提取方法,至少包括:提取心冲击信号波形段中的全部极大值点,并进行幅度筛选;利用周期猜想法对极大值点进行二维排序;根据排序结果获得周期,得出心率。
6.根据权利要求5所述的根据心率与呼吸判断情绪的方法,其特征在于:在提取极大值点后利用周期猜想法对极大值点进行二维排序之前,还包括筛选步骤:去除所有幅度小于相邻极大值点幅度一半的极大值点,需一直去除直至没有可去除的点。
7.根据权利要求1或4所述的根据心率与呼吸判断情绪的方法,其特征在于:所述步骤(1)中的心率监测方法为基于模糊模式识别的BCG心率提取方法,至少包括:采样BCG波形信号得到一维BCG数据;对所述一维BCG数据进行模极大值处理,获取一维BCG数据中全部有效的极值点的位置;选取全部有效的极值点中幅值超过预设最大值的点为拐点J,设J点的左侧相邻拐点为H点,J点的右侧相邻拐点为N点,构造出HJN波群的集合;以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则,匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。
8.根据权利要求7所述的根据心率与呼吸判断情绪的方法,其特征在于:对所述一维BCG数据进行所述模极大值处理的具体过程为:求所述一维BCG数据的一阶导数的模的极大值。
9.根据权利要求4所述的根据心率与呼吸判断情绪的方法,其特征在于:所述步骤(1)中的呼吸率监测方法为基于体震信号的呼吸率实时提取方法,至少包括:1)通过低通滤波器去掉体震信号的高频的心冲击信号及噪声干扰,降低抽样频率,提取呼吸波;2)使用K均值分类将呼吸波转换成数据链;3)对数据链进行局部匹配以确认周期特性;4)根据周期特性对偶尔出现的无效呼吸波进行补偿算法,获得呼吸率。
10.根据权利要求9所述的根据心率与呼吸判断情绪的方法,其特征在于:步骤3)中,根据数据链特性找出各个极大值,再根据模极大值为依据来进行数据链的局部匹配,以模糊模式识别的方式以确认周期特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510075507.8A CN105982678B (zh) | 2015-02-12 | 2015-02-12 | 一种根据心率与呼吸判断情绪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510075507.8A CN105982678B (zh) | 2015-02-12 | 2015-02-12 | 一种根据心率与呼吸判断情绪的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105982678A true CN105982678A (zh) | 2016-10-05 |
CN105982678B CN105982678B (zh) | 2019-04-23 |
Family
ID=57042148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510075507.8A Active CN105982678B (zh) | 2015-02-12 | 2015-02-12 | 一种根据心率与呼吸判断情绪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105982678B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106562775A (zh) * | 2016-11-08 | 2017-04-19 | 努比亚技术有限公司 | 一种生理信号采集装置和方法 |
CN106580282A (zh) * | 2016-10-25 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 一种人体健康监测装置、系统及方法 |
CN108693974A (zh) * | 2018-05-11 | 2018-10-23 | 新华网股份有限公司 | 数据处理方法、系统及非易失性计算机存储介质 |
CN109549624A (zh) * | 2018-11-04 | 2019-04-02 | 南京云思创智信息科技有限公司 | 一种基于深度学习的实时视频情感分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1183997A2 (en) * | 2000-09-02 | 2002-03-06 | Samsung Electronics Co., Ltd. | Apparatus and method for perceiving physical and emotional states of a person |
CN1711961A (zh) * | 2004-06-22 | 2005-12-28 | 索尼株式会社 | 生物信息处理装置和视频/音频再现装置 |
CN101917898A (zh) * | 2007-10-31 | 2010-12-15 | 埃姆申塞公司 | 对来自观众的生理响应提供分散式收集和集中式处理的系统和方法 |
CN104055529A (zh) * | 2014-06-19 | 2014-09-24 | 西南大学 | 一种计算情感心电信号标度指数的方法 |
CN104182601A (zh) * | 2013-05-22 | 2014-12-03 | 上海宽带技术及应用工程研究中心 | 一种基于心冲击信号的心率值实时提取方法 |
-
2015
- 2015-02-12 CN CN201510075507.8A patent/CN105982678B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1183997A2 (en) * | 2000-09-02 | 2002-03-06 | Samsung Electronics Co., Ltd. | Apparatus and method for perceiving physical and emotional states of a person |
CN1711961A (zh) * | 2004-06-22 | 2005-12-28 | 索尼株式会社 | 生物信息处理装置和视频/音频再现装置 |
CN101917898A (zh) * | 2007-10-31 | 2010-12-15 | 埃姆申塞公司 | 对来自观众的生理响应提供分散式收集和集中式处理的系统和方法 |
CN104182601A (zh) * | 2013-05-22 | 2014-12-03 | 上海宽带技术及应用工程研究中心 | 一种基于心冲击信号的心率值实时提取方法 |
CN104055529A (zh) * | 2014-06-19 | 2014-09-24 | 西南大学 | 一种计算情感心电信号标度指数的方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106580282A (zh) * | 2016-10-25 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 一种人体健康监测装置、系统及方法 |
CN106562775A (zh) * | 2016-11-08 | 2017-04-19 | 努比亚技术有限公司 | 一种生理信号采集装置和方法 |
CN108693974A (zh) * | 2018-05-11 | 2018-10-23 | 新华网股份有限公司 | 数据处理方法、系统及非易失性计算机存储介质 |
CN108693974B (zh) * | 2018-05-11 | 2021-09-21 | 新华网股份有限公司 | 数据处理方法、系统及非易失性计算机存储介质 |
CN109549624A (zh) * | 2018-11-04 | 2019-04-02 | 南京云思创智信息科技有限公司 | 一种基于深度学习的实时视频情感分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105982678B (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahowald et al. | Reliable individual-level neural markers of high-level language processing: A necessary precursor for relating neural variability to behavioral and genetic variability | |
Patel et al. | A novel approach to monitor rehabilitation outcomes in stroke survivors using wearable technology | |
CN105407800B (zh) | 脑功能障碍评价装置及存储介质 | |
CN105496404B (zh) | 基于脑机接口辅助crs-r量表听觉惊吓的评估方法 | |
CN105893780A (zh) | 基于vr交互与脑电波及脑血流监测的精神心理评估方法 | |
Hargreaves et al. | The neural correlates of the body-object interaction effect in semantic processing | |
CN105982678A (zh) | 一种根据心率与呼吸判断情绪的方法 | |
CN107577343A (zh) | 一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置 | |
CN102247128A (zh) | 人体脉搏信息采集装置及人体健康状况监护装置 | |
MacIsaac et al. | Fatigue estimation with a multivariable myoelectric mapping function | |
CN108324292A (zh) | 基于脑电信号的室内视觉环境满意度分析方法 | |
Wallace et al. | EEG/ERP: Within episodic assessment framework for cognition | |
CN105852884A (zh) | 一种基于周围血管应变的认知负载和压力测量方法与装置 | |
Andrade et al. | On the relationship between features extracted from EMG and force for constant and dynamic protocols | |
Gielis et al. | Collecting digital biomarkers on cognitive health through computer vision and gameplay: An image processing toolkit for card games | |
Paraschiv-Ionescu et al. | Nonlinear analysis of human physical activity patterns in health and disease | |
CN106901689A (zh) | 基于实物交互的认知和运动功能检测系统及数据处理方法 | |
JP5612627B2 (ja) | 身体能力判定装置及びデータ処理方法 | |
CN110693510A (zh) | 一种注意力缺陷多动障碍辅助诊断装置及其使用方法 | |
Guo et al. | Recurrence quantification analysis on pulse morphological changes in patients with coronary heart disease | |
Tiwari et al. | Stress and anxiety measurement" in-the-wild" using quality-aware multi-scale hrv features | |
Tal et al. | Imaging the spatiotemporal dynamics of cognitive processes at high temporal resolution | |
AU2017274722A1 (en) | A device for the detection and reliable capturing of the pulse characteristics | |
Chung et al. | Exploring the conventional pulse conditions using bi-sensing pulse diagnosis instrument | |
CN106510738A (zh) | 一种促进心理健康的心理辅导室 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |