CN107292244A - 一种精神压力识别方法、智能设备及计算机可读存储介质 - Google Patents
一种精神压力识别方法、智能设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107292244A CN107292244A CN201710407132.XA CN201710407132A CN107292244A CN 107292244 A CN107292244 A CN 107292244A CN 201710407132 A CN201710407132 A CN 201710407132A CN 107292244 A CN107292244 A CN 107292244A
- Authority
- CN
- China
- Prior art keywords
- information index
- current
- stress
- reaction information
- index
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
Abstract
本发明公开了一种精神压力识别方法、智能设备及计算机可读存储介质。本发明通过从检测到的皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，对所述皮肤电导反应信息和所述皮肤电导水平信息进行计算，获得当前反应信息指标和当前水平信息指标，再根据所述当前反应信息指标和所述当前水平信息指标实现对所述用户的精神压力的判断。由于在本发明中，通过对生理信号进行具体分析，即将所述生理信号转换成具体指标，也就是转换成反应信息指标和水平信息指标，根据所述具体指标去实现对精神压力的判断，既科学又高效，也实现了基于生理信号稳定而有效地实现精神压力的识别和实时监测。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种精神压力识别方法、智能设备及计算机可读存储介质。
背景技术
现代社会人们处于各种各样的压力之下，关注个人的身心健康，已经成为了一个很重要的社会问题，而当前了解个人的心理状态的方法主要还是通过人工进行沟通，相关人员与个人进行一对一的沟通，这种方式效率很低，而且由于人与人的沟通本身就存在着一定的信息壁垒，无法达到完全的沟通顺畅，况且，该种方式需要耗费较大的人力成本和金钱成本，不适合在学校、企业或社会上大范围地开展。
而随着人机交互情感识别技术的发展，通过对用户的生物信息的采集处理实现对于个人的情绪判断也成为了一种了解个人心理状态的可能，但是目前还没有一个比较成熟完整且具有可实施性的方案出现，所以，如何基于生理信号稳定而有效地实现精神压力识别依旧是一个难题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种精神压力识别方法、智能设备及计算机
可读存储介质，旨在解决现有技术中不能基于生理信号稳定而有效地实现精神压力识别的技术问题。
为实现上述目的，本发明提供一种精神压力识别方法，所述方法包括以下步骤：
检测用户的皮电数据；
从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，根据所述皮肤电导反应信息计算得到当前反应信息指标，所述当前反应信息指标用于反映皮肤电导反应的发生频率；
根据所述皮肤电导水平信息计算得到当前水平信息指标，所述当前水平信息指标用于反映皮肤电导水平变化的剧烈程度；
根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
优选地，所述根据所述皮肤电导反应信息计算得到当前反应信息指标，具体包括：
对所述皮肤电导反应信息进行信号特征提取，获得当前反应信息特征；
根据所述当前反应信息特征计算得到与所述当前反应信息特征对应的所述当前反应信息指标。
优选地，所述根据所述皮肤电导水平信息计算得到当前水平信息指标，具体包括：
获取所述皮肤电导水平信息在第一预设时间范围内的第一平均值，并获取所述皮肤电导水平信息在第二预设时间范围内的第二平均值，所述第一预设时间范围与所述第二预设时间范围为相连的时间范围；
计算所述第一平均值与所述第二平均值之间的差值，并将所述差值作为所述当前水平信息指标。
优选地，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别，具体包括：
在映射关系中根据所述当前反应信息指标和所述当前水平信息指标查找对应的当前精神压力级别，所述映射关系包括反应信息指标、水平信息指标与精神压力级别之间的对应关系。
优选地，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别，具体包括：
将所述当前反应信息指标和所述当前水平信息指标输入预设神经网络模型的输入层，在所述预设神经网络模型的输出层获取所述当前精神压力级别。
优选地，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别之前，所述方法还包括：
检测所述用户的心电数据；
根据所述心电数据计算得到心率变异性指标；
相应地，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别，具体包括：
查找与所述心率变异性指标对应的权重系数，根据所述权重系数对所述当前反应信息指标和所述当前水平信息指标进行加权换算，再根据加权换算后的所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
优选地，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别之后，所述方法还包括：
将所述当前精神压力级别推送至终端，以使得所述终端将接收到的所述当前精神压力级别进行展示。
此外，为实现上述目的，本发明还提供一种智能设备，所述智能设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的精神压力识别程序，所述精神压力识别程序配置为实现所述精神压力识别方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有精神压力识别程序，所述精神压力识别程序被处理器执行时实现所述的精神压力识别方法的步骤。
本发明通过从检测到的所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，对所述皮肤电导反应信息和所述皮肤电导水平信息进行计算，获得当前反应信息指标和当前水平信息指标，再根据所述当前反应信息指标和所述当前水平信息指标以实现对所述用户的精神压力的判断。基于皮电数据计算得到的当前反应信息指标和当前水平信息指标去判断用户的精神压力，也实现了基于数理指标去判断精神压力，比之人工判断更加有效和经济，也就达到了基于生理信号稳定而有效地实现精神压力识别的技术效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的智能设备结构示意图；
图2为本发明精神压力识别方法第一实施例的流程示意图；
图3为本发明精神压力识别方法第二实施例的流程示意图；
图4为本发明精神压力识别方法第三实施例的流程示意图；
图5为本发明精神压力识别方法第四实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的智能设备结构示意图。
如图1所示，该智能设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)和触摸屏，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
所述智能设备还可包括生理信号采集电路，所述生理信号采集电路用于检测皮电数据和心电数据，在具体实现中，可采用电极实现生理信号的检测，比如，使用两个电极去采集皮电数据，由于心电数据本身的不稳定性和检测到的数据较为微弱，需使用较多电极去采集，可使用三个电极去采集心电数据，当然，为了降低电路的复杂度和降低电子器件的使用成本，采集皮电数据的电极也可用于采集心电数据；当然，也可直接使用传感器去检测皮电数据和心电数据，并且，所述智能设备可体现为智能手环和智能手表等，本结构对此不作限制。
本领域技术人员可以理解，图1中示出的结构并不构成对智能设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及精神压力识别程序。
在图1所示的智能设备中，网络接口1004主要用于连接服务器，与服务器进行数据通信；用户接口1003主要用于连接终端，与终端进行数据通信；所述智能设备通过处理器1001调用存储器1005中存储的精神压力识别程序，并执行以下操作：
检测用户的皮电数据；
从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，根据所述皮肤电导反应信息计算得到当前反应信息指标，所述当前反应信息指标用于反映皮肤电导反应的发生频率；
根据所述皮肤电导水平信息计算得到当前水平信息指标，所述当前水平信息指标用于反映皮肤电导水平变化的剧烈程度；
根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
进一步地，处理器1001可以调用存储器1005中存储的精神压力识别程序，还执行以下操作：
对所述皮肤电导反应信息进行信号特征提取，获得当前反应信息特征；
根据所述当前反应信息特征计算得到与所述当前反应信息特征对应的所述当前反应信息指标。
进一步地，处理器1001可以调用存储器1005中存储的精神压力识别程序，还执行以下操作：
获取所述皮肤电导水平信息在第一预设时间范围内的第一平均值，并获取所述皮肤电导水平信息在第二预设时间范围内的第二平均值，所述第一预设时间范围与所述第二预设时间范围为相连的时间范围；
计算所述第一平均值与所述第二平均值之间的差值，并将所述差值作为所述当前水平信息指标。
进一步地，处理器1001可以调用存储器1005中存储的精神压力识别程序，还执行以下操作：
在映射关系中根据所述当前反应信息指标和所述当前水平信息指标查找对应的当前精神压力级别，所述映射关系包括反应信息指标、水平信息指标与精神压力级别之间的对应关系。
进一步地，处理器1001可以调用存储器1005中存储的精神压力识别程序，还执行以下操作：
将所述当前反应信息指标和所述当前水平信息指标输入预设神经网络模型的输入层，在所述预设神经网络模型的输出层获取所述当前精神压力级别。
进一步地，处理器1001可以调用存储器1005中存储的精神压力识别程序，还执行以下操作：
检测所述用户的心电数据；
根据所述心电数据计算得到心率变异性指标；
相应地，还执行以下操作：
查找与所述心率变异性指标对应的权重系数，根据所述权重系数对所述当前反应信息指标和所述当前水平信息指标进行加权换算，再根据加权换算后的所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
进一步地，处理器1001可以调用存储器1005中存储的精神压力识别程序，还执行以下操作：
将所述当前精神压力级别推送至终端，以使得所述终端将接收到的所述当前精神压力级别进行展示。
本实施例通过上述方案，检测用户的皮电数据，从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，对所述皮肤电导反应信息和所述皮肤电导水平信息进行计算，获得当前反应信息指标和当前水平信息指标，再根据所述当前反应信息指标和所述当前水平信息指标判断所述用户的当前精神压力级别。基于皮电数据计算得到的当前反应信息指标和当前水平信息指标去判断用户的精神压力，也实现了基于数理指标去判断精神压力，比之人工判断更加有效、经济和准确，也就达到了基于生理信号稳定而有效地实现精神压力识别的技术效果。
基于上述硬件结构，提出本发明精神压力识别方法的实施例。
参照图2，图2为本发明精神压力识别方法第一实施例的流程示意图。
在第一实施例中，所述精神压力识别方法包括以下步骤：
步骤S101：检测用户的皮电数据；
可以理解的是，皮电数据是表现人体皮肤电导变化的数据，而人体皮肤电导的变化与人体的情绪状态有密切关系，比如，当人处于情绪紧张、恐惧或者焦虑情况下时汗腺分泌会增加，皮肤表面汗液会增多，就会导致皮肤的导电性增加。而且，人体的汗腺一直处于不停排汗的过程中，所以皮肤一直存在导电性，故智能设备可通过检测人体的皮肤以获得皮电数据，该生理现象可被称为流电皮肤反应(Galvanic Skin Response，GSR)。
步骤S102：从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，根据所述皮肤电导反应信息计算得到当前反应信息指标，所述当前反应信息指标用于反映皮肤电导反应的发生频率；
在具体实现中，所述皮电数据包含有所述皮肤电导反应信息和皮肤电导水平信息。其中，所述皮肤电导反应信息在认知神经科学领域上是指皮肤电导反应(SkinConductance Responses，SCR)信息，SCR信息的产生一般是由于人体受到心理刺激，SCR信息可表现为一个瞬时且较快变动的SCR波形；而所述皮肤电导水平信息在认知神经科学领域上是指皮肤电导水平(Skin Conductivity Level，SCL)信息，一般认为SCL信息为基础皮肤电传导信息，即在平静状态下生理活动导致的皮肤电导基础值，可表现为一个平滑波形，故可简单理解为，SCR信息为受到瞬时刺激时产生的快速皮肤电导变化信息，而SCL信息为稳定状态下的皮肤电导信息，但稳定状态不限定于无刺激状态，也可是长时间且不断的刺激形成的当前稳定状态。
可以理解的是，对于所述对所述皮肤电导反应信息进行计算得到当前反应信息指标的步骤，该步骤通过将SCR信息换算成一个规定指标也是为了方便和有效地对用户的精神压力进行判断，其中，SCR信息的指标化计算，在实际应用中，比如，可将SCR信息以预设时间周期为限进行统计，得到所述当前反应信息指标，具体而言，所述当前反应信息指标可为以30秒为时间周期统计的SCR情况百分比，即30秒内出现了SCR信息的时长占比，该时长占比可反应SCR的发生频率。
步骤S103：根据所述皮肤电导水平信息计算得到当前水平信息指标，所述当前水平信息指标用于反映皮肤电导水平变化的剧烈程度；
在具体实现中，根据SCL信息计算得到当前水平信息指标，即将SCL信息统计为一个规定指标，方便参考以判断精神压力级别。比如，以30秒为时间周期对SCR信息进行平均值统计，将前后30秒的SCR信息的平均值进行相减，将所述差值认定为水平信息指标，该水平信息差值即可反映SCL变化的剧烈程度。
需要说明的是，为了去除皮电数据中对统计无效的部分及噪声部分，所述从所述皮电数据中提取出SCR信息和SCL信息之前，可对所述皮电数据先进行滤波处理，比如，以平滑滤波的方式去除皮电数据的噪声，再根据去除噪声后的皮电数据提取出SCR信息和SCL信息。
步骤S104：根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
在具体实现中，根据计算得到的当前反应信息指标和当前水平信息指标实现对用户的精神压力级别的判断，在实际操作时，一般可预先设置反应信息指标、水平信息指标与精神压力级别的对应关系，所以，对用户的精神压力级别进行判断的过程可理解为一个查询反应信息指标、水平信息指标和精神压力级别的对应关系的过程，本实施例对此不作限制。
需要说明的是，不同精神压力级别分别对应不同的数值，比如，将精神压力级别限定为大于等于0且小于等于100的整数数值，当根据当前反应信息指标与当前水平信息指标查询反应信息指标、水平信息指标和精神压力级别的对应关系时，查询到对应的精神压力级别的数值为87，则认为当前精神压力级别为87，至于精神压力级别的具体数值所代表含义，可通过文字形式进行事先设置以便于理解。所述精神压力级别也为多个具体定义的精神压力，各个精神压力级别分别与两个指标的数值一一对应，比如，设置四个精神压力级别，躁动状态、激动状态、放松状态和平静状态，不同的精神压力级别对应不同的指标数值。
所述精神压力级别也可对应多个数值段，比如，精神压力为M，0≤M≤100且M为正整数，设置四个数值段，当0≤M＜25时，认定为第一精神压力级别；当25≤M＜50时，认定为第二精神压力级别；当50≤M＜75，认定为第三精神压力级别；当75≤M≤100，认定为第四精神压力级别。在实际运用中，当根据所述当前反应信息指标和所述当前水平信息指标确定M值为80时，则落入第四精神压力级别的范围，则认定为第四精神压力级别，该种设置数值段的方式比之直接设置具体数值的方式容错能力更强，也很适合对用户的精神压力的判断。
本实施例提供的方案，通过从检测到的所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，根据所述皮肤电导反应信息和皮肤电导水平信息计算得到当前反应信息指标和当前水平信息指标，根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。根据皮电数据计算得到的当前反应信息指标和当前水平信息指标去判断用户的精神压力，也实现了基于数理指标去判断精神压力，比之人工判断更加有效和经济，也就达到了基于生理信号稳定而有效地实现精神压力识别的技术效果。
参照图3，图3为本发明精神压力识别方法第二实施例的流程示意图，基于上述图2所示的实施例，提出本发明精神压力识别方法的第二实施例。
在第二实施例中，所述步骤S102具体包括：
步骤S1021：从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息；
该步骤的实施方法同第一实施例中对应部分，在此不作赘述。
步骤S1022：对所述皮肤电导反应信息进行信号特征提取，获得当前反应信息特征；
可以理解的是，当对所述SCR信息进行信息特征提取后会获得当前反应信息特征，所述当前反应信息特征体现了SCR信息的属性特征，比如，所述当前反应信息特征可包括波形高度、波形出现时长、上升沿斜率和下降沿斜率中的至少一项，这些信号特征均可体现SCR信息的具体变化，可用于反映皮肤电导反应的发生状况。
进一步地，所述从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息之前，对所述皮电数据进行有效波段的截取，对截取后的皮电数据进行去噪处理，将去噪处理后的皮电数据作为新的皮电数据。
在具体实现中，所述皮电数据可表现为一段波形，而由于皮电数据的采集存在一定的干扰因素以及确定精神压力级别所需的皮电数据对波形变化有一定要求，故可先对皮电数据进行一定的处理，比如，截取所述皮电数据的有效波段，去除所述皮带数据中变形较大与没有统计意义的波段，在截取有效波段的具体实现中，一般会基于一定宽度的数据窗口进行截取。另外，还会对皮电数据进行去噪处理，可提高当前精神压力级别的识别准确度，本实施例对此不作限制。
步骤S1023：根据所述当前反应信息特征计算得到与所述当前反应信息特征对应的所述当前反应信息指标。
可以理解的是，所述当前反应信息特征可包括波形高度，波形出现时长，上升沿斜率和下降沿斜率中的至少一项，每一个当前反应信息特征都会计算获得一个对应的当前反应信息指标，比如，若当前反应信息特征为波形出现时长时，可统计30秒内出现SCR波形的总时长，得到SCR波形出现时长为10秒时，则通过换算得到前30秒的SCR波形出现时长百分比为10÷30＝1/3≈33.3％，那么，当前反应信息特征为波形出现时长，所述对应的当前反应信息特征为前30秒的SCR波形出现时长百分比，即33.3％。
需要说明的是，通过对所述SCR信息进行信号特征提取，可根据提取到的多种特征进行计算以获得对应特征类型的多个当前反应信息特征，换言之，当前反应信息特征在实际应用中可同时采纳多种不同的特征类型，这样能更为全面地统计SCR信息，便于准确地分析SCR信息，引入多个角度的考量，也就增加了最终确定用户的精神压力级别的准确度。
所述步骤103具体包括：
步骤S1031：获取所述皮肤电导水平信息在第一预设时间范围内的第一平均值，并获取所述皮肤电导水平信息在第二预设时间范围内的第二平均值，所述第一预设时间范围与所述第二预设时间范围为相连的时间范围；
在具体实现中，可将第一预设时间范围与第二预设时间范围设置为相同时长的时间段，比如，将第一预设时间范围与第二预设时间范围都设置为30秒，且第一预设时间范围与第二预设时间范围为相连的时间段，即第一预设时间范围为60秒钟范围内的前30秒，第二预设时间范围为60秒钟的后30秒。
可以理解的是，所述SCL信息一般表现为一段平滑的波形，所以读取SCL信息的数值与计算SCL信息的数据特征值都较为容易，考虑到SCL信息的数据特点，可通过计算差值的方式来体现SCL信息的变化程度，比如，先计算前30秒的SCL信息的平均值即第一平均值为40个单位，计算后30秒的SCL信息的平均值即第二平均值为60个单位。
步骤S1032：计算所述第一平均值与所述第二平均值之间的差值，并将所述差值作为所述当前水平信息指标。
需要说明的是，第一平均值为40个单位，第二平均值为60个单位，则所得差值为20个单位，即间隔30秒增加了20个单位，该种数据之间的变化大小可反映SCL变化的剧烈程度。另外，若预先设置间隔30秒增加了大于15个单位时，认为皮肤电导水平变化的剧烈程度高，则当增加20个单位时，可认定皮肤电导水平变化的剧烈程度高。至于皮肤电导水平变化的剧烈程度在认知神经科学领域，是一个可以用来判断用户的精神压力的指标。
本实施例提供的方案，通过对所述皮肤电导反应信息进行信号特征提取，获得当前反应信息特征，再根据所述当前反应信息特征计算得到与所述当前反应信息特征对应的所述当前反应信息指标，至于当前水平信息指标通过将所述第一预设时间范围内皮肤电导水平信息的平均值与所述第二预设时间范围内皮肤电导水平信息的平均值进行差值计算获得。本实施例给出了一个优化的当前反应信息指标和当前水平信息指标的计算方法，并且引入了当前反应信息特征，使得对皮肤电导反应信息的提取更加多元，可以获悉更多的皮肤电导反应信息的波形属性，也就更加方便地进行对用户精神压力的识别，同时，增加了最终精神压力识别的准确度。
参照图4，图4为本发明精神压力识别方法第三实施例的流程示意图，基于上述图2所示的实施例，提出本发明精神压力识别方法的第三实施例。
在第三实施例中，所述步骤S104具体包括：
步骤S104′：在映射关系中根据所述当前反应信息指标和所述当前水平信息指标查找对应的当前精神压力级别，所述映射关系包括反应信息指标、水平信息指标与精神压力级别的对应关系。
在具体实现中，所述映射关系包括反应信息指标、水平信息指标与精神压力级别的对应关系，也就是说，映射关系中存在着不同的精神压力级别，也存在每个精神压力级别对应着不同的反应信息指标和不同的水平信息指标的对应关系，当在执行该步骤时，就是根据已获得的当前反应信息指标和当前水平值在映射关系中查找到对应的精神压力级别。
当然，可预设多个精神压力级别，各个精神压力级别分别与两个指标的数值一一对应，比如，将精神压力级别设置为躁动状态、激动状态、放松状态和平静状态四种状态，不同的精神压力级别对应不同的反应信息指标和水平信息指标，该种对应关系中的具体数值对应方式通过科学统计后事先设置，即反应信息指标、水平信息指标与精神压力级别的对应关系可参照表1所述：
表1.反应信息指标、水平信息指标与精神压力的对应关系
其中，反应信息指标为M1，数值范围为0≤M1≤100，水平信息指标为M2，数值范围为0≤M2≤100，M1和M2均为正整数；另外，在具体操作时，针对不同的当前反应信息特征可有多个反应信息指标，比如，可根据波形出现时长计算得到一个对应波形出现时长的当前反应信息指标N1，可根据上升沿斜率计算得到一个对应上升沿斜率的当前反应信息指标N2，在确定精神压力级别时，会列出参考N1、N2和水平信息指标M2来确定精神压力级别的对应关系表。
可以理解的是，为了对不同的精神压力进行区别，所述精神压力级别的表达需要提前设定定义以方便人们理解设定的精神压力级别的含义，当然，表1中列举的四种精神压力级别在实际应用中可能不止四种，表1中给出的两种指标的具体设定数值也只是为了方便理解，至于表1中给出的四种精神压力级别含义，可理解为，比如，平静状态是指用户整体上处于比较平静的状态同时未受到心理刺激，激动状态是指用户原本处于一种较为安静的状态下但是受到了较大的心理刺激等。由于表1中规定反应信息指标M1处于50＜M1≤100范围内且水平信息指标M2在0≤M2≤50范围内时，规定对应的精神压力级别为激动状态，所述激动状态含义指用户本处于安静的状态但瞬时情绪波动很大，而当检测到当前反应信息指标为81个单位且当前水平信息指标为30个单位时，明显落入了激动状态的判定范围，即智能设备认为用户的当前精神压力级别即为激动状态，本实施例对所述表1内容、数值设置和精神压力级别的解释内容不作限制，只是为了方便理解。
进一步地，为了方便统计、分析与远程监控用户的精神压力，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别之后，将所述用户的当前精神压力级别推送至终端，以使得所述终端将接受到的当前精神压力级别进行展示。
在具体实现中，比如，若智能设备的实际应用情景为监测统计学生的精神压力，需要将确定的精神压力级别发送至政府相关心理机构或者学生所在学校去进行学生精神压力的分析，所述将精神压力级别推送至终端即实现了该功能，所述终端是指智能设备绑定的精神压力级别固定推送终端，可为心理机构，学校或者企业等。
进一步地，为了适应用户的差应性和提高确定精神压力级别的准确度，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别，具体包括，将所述当前反应信息指标和所述当前水平信息指标输入预设神经网络模型的输入层，在所述预设神经网络模型的输出层获取所述当前精神压力级别。
可以理解的是，为了提高最终精神压力识别结果的准确度，可引入神经网络模型对所述当前反应信息指标和当前水平信息指标进行统计推断，以实现更为准确地判断精神压力。为了适应用户的差异性和提高准确度，根据已有的历史数据，包括反应信息指标和水平信息指标，以实现对神经网络模型的训练，可获得一个适合于识别当前精神压力级别的数据模型，即预设神经网络模型，将反应信息指标和水平信息指标输入预设神经网络模型的输入层，在所述预设神经网络模型的输出层获取精神压力级别，以实现预设神经网络模型的训练。
在具体实施中，所述预设神经网络模型可采用贝叶斯网络(Bayesian Networks)，该种方法适合本方案的实现；当然，也可采用其他方式，比如，支持向量机(Support VectorMachines)，K近邻均值聚类(K-nearest Neighbour)等去实现对精神压力的识别，但是不同的分类器对于不同的生理信号判断精神压力有着正确率的差异。
本实施例提供的方案，通过预先设置映射关系，在映射关系中根据所述当前反应信息指标和所述当前水平信息指标查找对应的当前精神压力级别，所述映射关系包括反应信息指标、水平信息指标与精神压力级别的对应关系。通过预先设置映射关系来实现精神压力的识别，另外，通过统计计算确定一个较好的反应信息指标范围和水平信息指标范围，也让精神压力级别的判断更加准确，并且可以通过实时改变反应信息指标范围和水平信息指标范围的设置，让该方案具有更强的适应性，不仅增加了方案的可行性，也使精神压力的判断更加科学有依据。
参照图5，图5为本发明精神压力识别方法第四实施例的流程示意图，基于上述图2所示的实施例，提出本发明精神压力识别方法的第四实施例。
在第四实施例中，所述步骤S104具体包括：
步骤S1041：检测所述用户的心电数据；
可以理解的是，所述心电数据是指人体中可反应心脏活动的数据，智能设备可通过人体体表去获取该心电数据，由于心电数据的微弱性和不稳定性，需要比采集皮电数据更多的元器件去实现数据检测，比如，使用多个电极去实现数据监测，这样检测增加准确。
步骤S1042：根据所述心电数据计算得到心率变异性指标；
在具体实现中，为了更加具体和准确地描述心电数据，可将所述心电数据换算成心率变异性指标，心率变异性(Heart Rate Variability，HRV)为反映心脏神经的运行状态的量化指标，HRV指标一般通过连续测量多个心搏间期之间的差异来反应用户的心率变化和精神压力。
当然，根据HRV活动的原理，为了方便数理统计，现存在多种HRV指标去评价HRV活动，比如，相邻R-R间期差值均方的平方根(root Mean Square of SuccessiveDifferences，rMSSD)，PNN50，还有LF，其中，所述PNN50指相邻R-R间期相差50ms的百分比，所述LF是指代表反应交感神经和迷走神经的调节功能的低频成分部分等。
进一步地，为了增加精神压力识别的准确度以及让HRV指标更加符合精神压力识别的应用，所述根据所述心电数据计算得到心率变异性指标之后，在预设心电指标范围内截取所述心率变异性指标，获得截取后的心率变异性指标，将所述截取后的心率变异性指标作为新的所述心率变异性指标。
可以理解的是，比如，将HRV指标中的rMSSD指标进行进一步地限定，rMSSD指标的预设心电指标范围可为，小于15ms范围内的全天时间占比，PNN50指标的预设心电指标范围可为，小于0.75％的全天时间占比数等，通过将HRV指标进行进一步地筛选并截取有效范围，也排除了无效范围，提高了精神压力识别的准确度。
步骤S1043：查找与所述心率变异性指标对应的权重系数，根据所述权重系数对所述当前反应信息指标和所述当前水平信息指标进行加权换算，再根据加权换算后的所述反应信息指标和所述水平信息指标确定所述用户的当前精神压力级别。
在具体实现中，可根据反应信息指标和水平信息指标去判断精神压力，但这只是基于皮电数据的判断，当引入了心电数据后，可同时根据皮电数据和心电数据进行精神压力级别的判断，如此得到的判断结果更加准确。至于引入心电数据的方式，可通过根据HRV指标基于与HRV指标对应的权重系数去变换所述当前反应信息指标和当前水平信息指标，得到加权换算后的所述当前反应信息指标和当前水平信息指标，再根据加权换算后的指标去判断所述用户的当前精神压力，所述权重系数是与所述HRV指标的大小对应的数值，具体权重系数需要经过统计获得，权重系数在使用时会事先确定以供方便获得。
本实施例提供的方案，检测所述用户的心电数据，根据所述心电数据计算得到心率变异性指标，再查询与所述心率变异性指标对应的权重系数，根据所述权重系数对所述当前反应信息指标和所述当前水平信息指标进行加权换算，再根据加权换算后的所述反应信息指标和所述水平信息指标确定所述用户的当前精神压力。本方案通过引入心电数据辅助皮电数据一起判断用户的精神压力，使精神压力的判断更加准确也更加全面，可以降低对单一数据的依赖性过大，同时根据现有的研究报告，不同的心理信号对不同的分类器以及不同的心理诱因存在着不同的准确度，故而引入心电数据可以让情绪判断结果更加逼近正确答案。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有精神压力识别程序，所述精神压力识别程序被处理器执行时实现如下操作：
检测用户的皮电数据；
从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，根据所述皮肤电导反应信息计算得到当前反应信息指标，所述当前反应信息指标用于反映皮肤电导反应的发生频率；
根据所述皮肤电导水平信息计算得到当前水平信息指标，所述当前水平信息指标用于反映皮肤电导水平变化的剧烈程度；
根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
进一步地，所述精神压力识别程序被处理器执行时还实现如下操作：
对所述皮肤电导反应信息进行信号特征提取，获得当前反应信息特征；
根据所述当前反应信息特征计算得到与所述当前反应信息特征对应的所述当前反应信息指标。
进一步地，所述精神压力识别程序被处理器执行时还实现如下操作：
获取所述皮肤电导水平信息在第一预设时间范围内的第一平均值，并获取所述皮肤电导水平信息在第二预设时间范围内的第二平均值，所述第一预设时间范围与所述第二预设时间范围为相连的时间范围；
计算所述第一平均值与所述第二平均值之间的差值，并将所述差值作为所述当前水平信息指标。
进一步地，所述精神压力识别程序被处理器执行时还实现如下操作：
在映射关系中根据所述当前反应信息指标和所述当前水平信息指标查找对应的当前精神压力级别，所述映射关系包括反应信息指标、水平信息指标与精神压力级别之间的对应关系。
进一步地，所述精神压力识别程序被处理器执行时还实现如下操作：
将所述当前反应信息指标和所述当前水平信息指标输入预设神经网络模型的输入层，在所述预设神经网络模型的输出层获取所述当前精神压力级别。
进一步地，所述精神压力识别程序被处理器执行时还实现如下操作：
检测所述用户的心电数据；
根据所述心电数据计算得到心率变异性指标；
相应地，还实现如下操作：
查找与所述心率变异性指标对应的权重系数，根据所述权重系数对所述当前反应信息指标和所述当前水平信息指标进行加权换算，再根据加权换算后的所述反应信息指标和所述水平信息指标确定所述用户的当前精神压力级别。
进一步地，所述精神压力识别程序被处理器执行时还实现如下操作：
将所述当前精神压力级别推送至终端，以使得所述终端将接收到的所述当前精神压力级别进行展示。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种精神压力识别方法，其特征在于，所述方法包括以下步骤：
检测用户的皮电数据；
从所述皮电数据中提取出皮肤电导反应信息和皮肤电导水平信息，根据所述皮肤电导反应信息计算得到当前反应信息指标，所述当前反应信息指标用于反映皮肤电导反应的发生频率；
根据所述皮肤电导水平信息计算得到当前水平信息指标，所述当前水平信息指标用于反映皮肤电导水平变化的剧烈程度；
根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
2.如权利要求1所述的方法，其特征在于，所述根据所述皮肤电导反应信息计算得到当前反应信息指标，具体包括：
对所述皮肤电导反应信息进行信号特征提取，获得当前反应信息特征；
根据所述当前反应信息特征计算得到与所述当前反应信息特征对应的所述当前反应信息指标。
3.如权利要求2所述的方法，其特征在于，所述当前反应信息特征包括波形高度、波形出现时长、上升沿斜率和下降沿斜率中的至少一项。
4.如权利要求1所述的方法，其特征在于，所述根据所述皮肤电导水平信息计算得到当前水平信息指标，具体包括：
获取所述皮肤电导水平信息在第一预设时间范围内的第一平均值，并获取所述皮肤电导水平信息在第二预设时间范围内的第二平均值，所述第一预设时间范围与所述第二预设时间范围为相连的时间范围；
计算所述第一平均值与所述第二平均值之间的差值，并将所述差值作为所述当前水平信息指标。
5.如权利要求1所述的方法，其特征在于，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别，具体包括：
在映射关系中根据所述当前反应信息指标和所述当前水平信息指标查找对应的当前精神压力级别，所述映射关系包括反应信息指标、水平信息指标与精神压力级别之间的对应关系。
6.如权利要求1所述的方法，其特征在于，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别，具体包括：
将所述当前反应信息指标和所述当前水平信息指标输入预设神经网络模型的输入层，在所述预设神经网络模型的输出层获取所述当前精神压力级别。
7.如权利要求1所述的方法，其特征在于，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别之前，所述方法还包括：
检测所述用户的心电数据；
根据所述心电数据计算得到心率变异性指标；
相应地，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别，具体包括：
查找与所述心率变异性指标对应的权重系数，根据所述权重系数对所述当前反应信息指标和所述当前水平信息指标进行加权换算，再根据加权换算后的所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别。
8.如权利要求1至7中任一项所述的方法，其特征在于，所述根据所述当前反应信息指标和所述当前水平信息指标确定所述用户的当前精神压力级别之后，所述方法还包括：
将所述当前精神压力级别推送至终端，以使得所述终端将接收到的所述当前精神压力级别进行展示。
9.一种智能设备，其特征在于，所述智能设备包括：
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的精神压力识别程序，所述精神压力识别程序被所述处理器执行时实现如权利要求1至8中任一项所述的精神压力识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有精神压力识别程序，所述精神压力识别程序被处理器执行时实现如权利要求1至8中任一项所述的精神压力识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710407132.XA CN107292244A (zh) | 2017-06-01 | 2017-06-01 | 一种精神压力识别方法、智能设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710407132.XA CN107292244A (zh) | 2017-06-01 | 2017-06-01 | 一种精神压力识别方法、智能设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107292244A true CN107292244A (zh) | 2017-10-24 |
Family
ID=60094695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710407132.XA Pending CN107292244A (zh) | 2017-06-01 | 2017-06-01 | 一种精神压力识别方法、智能设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107292244A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111248910A (zh) * | 2020-01-20 | 2020-06-09 | 北京津发科技股份有限公司 | 一种基于多通道的皮肤电阻测量方法 |
| CN112690790A (zh) * | 2020-12-22 | 2021-04-23 | 中国人民解放军空军特色医学中心 | 用于放松训练的身心放松反馈系统、方法及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030166996A1 (en) * | 2002-01-11 | 2003-09-04 | Samsung Electronics Co., Ltd. | Method and apparatus for measuring animal's condition by acquiring and analyzing its biological signals |
| CN103596493A (zh) * | 2011-04-14 | 2014-02-19 | 皇家飞利浦有限公司 | 压力测量设备和方法 |
| CN104042204A (zh) * | 2014-06-23 | 2014-09-17 | 深圳市宏电技术股份有限公司 | 一种基于穿戴式设备的抗压、减压能力检测方法及装置 |
| CN104095642A (zh) * | 2014-07-08 | 2014-10-15 | 深圳市宏电技术股份有限公司 | 一种基于皮肤电导率的压力等级划分方法及系统 |
| CN105082150A (zh) * | 2015-08-25 | 2015-11-25 | 国家康复辅具研究中心 | 一种基于用户情绪及意图识别的机器人人机交互方法 |
| CN105263406A (zh) * | 2013-03-16 | 2016-01-20 | 恩帕蒂卡有限责任公司 | 用于利用电流补偿进行皮电活动测量的装置 |
| CN106691430A (zh) * | 2016-12-21 | 2017-05-24 | 深圳欧德蒙科技有限公司 | 一种情绪判断方法和装置 |
-
2017
- 2017-06-01 CN CN201710407132.XA patent/CN107292244A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030166996A1 (en) * | 2002-01-11 | 2003-09-04 | Samsung Electronics Co., Ltd. | Method and apparatus for measuring animal's condition by acquiring and analyzing its biological signals |
| CN103596493A (zh) * | 2011-04-14 | 2014-02-19 | 皇家飞利浦有限公司 | 压力测量设备和方法 |
| CN105263406A (zh) * | 2013-03-16 | 2016-01-20 | 恩帕蒂卡有限责任公司 | 用于利用电流补偿进行皮电活动测量的装置 |
| CN104042204A (zh) * | 2014-06-23 | 2014-09-17 | 深圳市宏电技术股份有限公司 | 一种基于穿戴式设备的抗压、减压能力检测方法及装置 |
| CN104095642A (zh) * | 2014-07-08 | 2014-10-15 | 深圳市宏电技术股份有限公司 | 一种基于皮肤电导率的压力等级划分方法及系统 |
| CN105082150A (zh) * | 2015-08-25 | 2015-11-25 | 国家康复辅具研究中心 | 一种基于用户情绪及意图识别的机器人人机交互方法 |
| CN106691430A (zh) * | 2016-12-21 | 2017-05-24 | 深圳欧德蒙科技有限公司 | 一种情绪判断方法和装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111248910A (zh) * | 2020-01-20 | 2020-06-09 | 北京津发科技股份有限公司 | 一种基于多通道的皮肤电阻测量方法 |
| CN111248910B (zh) * | 2020-01-20 | 2022-07-01 | 北京津发科技股份有限公司 | 一种基于多通道的皮肤电阻测量方法 |
| CN112690790A (zh) * | 2020-12-22 | 2021-04-23 | 中国人民解放军空军特色医学中心 | 用于放松训练的身心放松反馈系统、方法及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Afkhami et al. | Cardiac arrhythmia classification using statistical and mixture modeling features of ECG signals | |
| Hoemann et al. | Context-aware experience sampling reveals the scale of variation in affective experience | |
| US11617528B2 (en) | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems | |
| CN110070105B (zh) | 基于元学习实例快速筛选的脑电情绪识别方法、系统 | |
| CN104970789A (zh) | 心电图分类方法及系统 | |
| CN105395192A (zh) | 一种基于脑电的可穿戴情感识别方法和系统 | |
| CN108201435A (zh) | 睡眠分期确定方法、相关设备及计算机可读介质 | |
| Mayya et al. | Continuous monitoring of stress on smartphone using heart rate variability | |
| Khowaja et al. | Toward soft real-time stress detection using wrist-worn devices for human workspaces | |
| CN105260025B (zh) | 基于移动终端的稳态视觉诱发电位脑机接口系统 | |
| CN106166065A (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
| CN106236027B (zh) | 一种脑电与温度相结合的抑郁人群判定系统 | |
| CN107863152A (zh) | 脑卒中预警系统及方法 | |
| Kalaivani et al. | Prediction of biomedical signals using deep learning techniques | |
| CN104398254A (zh) | 一种心电图分析系统、分析设备及预测模型采集设备 | |
| CN106943150A (zh) | 精神疲劳检测系统及其采用的方法 | |
| Sharma et al. | QRS complex detection in ECG signals using the synchrosqueezed wavelet transform | |
| à Mougoufan et al. | Adaptive ECG beat classification by ordinal pattern based entropies | |
| CN110367976A (zh) | 脑电波信号检测方法、相关设备和存储介质 | |
| CN107292244A (zh) | 一种精神压力识别方法、智能设备及计算机可读存储介质 | |
| CN110299207A (zh) | 用于慢性病检测中的基于计算机预测模型数据处理方法 | |
| CN109273087A (zh) | 一种心理健康指数监控系统 | |
| Mohamed et al. | Correlation for efficient anomaly detection in medical environment | |
| Kamath | Analysis of heart rate variability signal during meditation using deterministic-chaotic quantifiers | |
| Zhao et al. | Towards deep learning-based detection scheme with raw ECG signal for wearable telehealth systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20210427 |