CN111714142B - 心理状态测评方法、装置、设备和计算机可读存储介质 - Google Patents
心理状态测评方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111714142B CN111714142B CN202010537048.1A CN202010537048A CN111714142B CN 111714142 B CN111714142 B CN 111714142B CN 202010537048 A CN202010537048 A CN 202010537048A CN 111714142 B CN111714142 B CN 111714142B
- Authority
- CN
- China
- Prior art keywords
- curve
- skin
- psychological state
- evaluation
- maximum peak
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 234
- 230000004044 response Effects 0.000 claims abstract description 73
- 238000009499 grossing Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000006996 mental state Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 3
- 210000003491 skin Anatomy 0.000 description 203
- 238000005070 sampling Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 231100000430 skin reaction Toxicity 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000035900 sweating Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 210000002615 epidermis Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013019 agitation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/164—Lie detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Abstract
本发明公开了一种心理状态测评方法、装置、设备和计算机可读存储介质。该方法包括：获取目标用户针对测评对象的皮肤电导曲线；在所述皮肤电导曲线中，提取皮电反应曲线；确定所述皮肤电导曲线中的最大波峰的波峰面积；根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值。本发明在获取皮肤电导曲线之后，自动在所述皮肤电导曲线中，提取皮电反应曲线，自动确定所述皮肤电导曲线中的最大波峰，并量化出该最大波峰的波峰面积，通过客观度量的方式确定心理状态测评值，避免人工判断造成的准确度低的问题。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种心理状态测评方法、装置、设备和计算机可读存储介质。
背景技术
皮肤电导(Skin Conductance，简称SC)一直作为心理测评的检测依据。例如：将皮肤电导作为测谎的依据。皮肤电导是在中枢神经系统参与下产生的催汗反射，它属于精神性出汗。精神性出汗是精神紧张或情绪激动所引起的出汗，接受脑高级皮层的调节，因此，神经性出汗不同于热出汗，神经性出汗属于信息加工的过程。
具体而言，在表皮上施加一个恒定电压(流)可以测量出皮肤电导的大小。在应用上，如在测谎领域中，一般会为用户测评多个问题，每个问题对应一个SC曲线。通过测评人员肉眼观察的方式确定每个SC曲线中的最大波峰，并估算每个SC曲线的最大波峰的波峰面积。针对多个问题，将波峰面积最大的SC曲线对应的问题确定为使用户心理波动最大的嫌疑问题，也即是说，用户可能在回答该嫌疑问题时说谎了。
但是，这种通过肉眼观察的方式评估最大波峰的波峰面积的方式过于主观。如果心理测评依靠主观评估，则容易导致心理测评的结果缺乏准确性。
发明内容
本发明实施例的主要目的在于提供一种心理状态测评方法、装置、设备和计算机可读存储介质，以解决现有心理测评依靠主观评估，容易导致心理测评的结果缺乏准确性的问题。
针对上述技术问题，本发明实施例是通过以下技术方案来解决的：
本发明实施例提供了一种心理状态测评方法，包括：获取目标用户针对测评对象的皮肤电导曲线；在所述皮肤电导曲线中，提取皮电反应曲线；确定所述皮肤电导曲线中的最大波峰的波峰面积；根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值。
其中，所述在所述皮肤电导曲线中，提取皮电反应曲线，包括：利用预设的指数移动平均算法，对所述皮肤电导曲线进行拟合，得到皮电水平曲线；根据所述皮电水平曲线，提取所述皮肤电导曲线中的皮电反应曲线。
其中，在所述确定所述皮肤电导曲线中的最大波峰的波峰面积之前，还包括：利用预设的滤波器或者平滑算法，对所述皮肤电导曲线进行平滑处理，以便在平滑处理之后的所述皮肤电导曲线中，确定最大波峰的波峰面积。
其中，所述确定平滑处理之后的所述皮肤电导曲线中最大波峰的波峰面积，包括：在平滑处理后的所述皮肤电导曲线中，确定最大波峰对应的峰谷数据；根据所述峰谷数据和预设的微元算法，确定所述最大波峰的波峰面积。
其中，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，包括：计算所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值的加权和；将计算得到的所述加权和确定为所述目标用户针对所述测评对象的心理状态测评值。
其中，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，包括：将所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值输入预先训练的心理状态测评模型中，并获取所述心理状态测评模型输出的所述目标用户针对所述测评对象的心理状态测评值；其中，所述心理状态测评模型用于根据所述波峰面积和所述最大峰值计算所述目标用户针对所述测评对象的心理状态测评值。
其中，所述获取目标用户针对测评对象的皮肤电导曲线，包括：分别获取所述目标用户针对多个测评对象中的每个测评对象的皮肤电导曲线；顺序选择所述多个测评对象中的其中一个测评对象，并获取所述目标用户针对当前选择的测评对象的皮肤电导曲线；在根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值之后，还包括：根据所述目标用户针对每个测评对象的心理状态测评值，确定心理状态测评值最大的测评对象，将所述心理状态测评值最大的测评对象确定为嫌疑对象。
其中，所述获取目标用户针对测评对象的皮肤电导曲线，包括：针对所述多个测评对象执行多轮测评操作；在执行每轮测评操作中，分别获取所述目标用户针对所述多个测评对象中的每个测评对象的皮肤电导曲线，并且顺序选择所述多个测评对象中的其中一个测评对象，获取当前选择的测评对象的皮肤电导曲线；所述确定所述目标用户针对所述测评对象的心理状态测评值，包括：在执行每轮测评操作中，对所述多个测评对象分别对应的心理状态测评值进行归一化处理；在所述多轮测评操作执行完毕后，将相同的测评对象对应的多个归一化后的心理状态测评值的平均值，作为所述测评对象对应的心理状态测评值。
本发明实施例还提供了一种心理状态测评装置，包括：获取模块，用于获取目标用户针对测评对象的皮肤电导曲线；提取模块，用于在所述皮肤电导曲线中，提取皮电反应曲线；第一确定模块，用于确定所述皮肤电导曲线中的最大波峰的波峰面积；第二确定模块，用于根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值。
本发明实施例还提供了一种心理状态测评设备，所述心理状态测评设备包括处理器、存储器；所述处理器用于执行所述存储器中存储的心理状态测评程序，以实现上述任一项所述的心理状态测评方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一项所述的心理状态测评方法。
本发明实施例的有益效果如下：
本发明实施例在获取皮肤电导曲线之后，自动在所述皮肤电导曲线中，提取皮电反应曲线，自动确定所述皮肤电导曲线中的最大波峰，并量化出该最大波峰的波峰面积，通过客观度量的方式确定心理状态测评值，避免人工判断造成的准确度低的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明一实施例的心理状态测评方法的流程图；
图2是根据本发明一实施例的拟合皮肤电导曲线示意图；
图3是根据本发明一实施例的皮电反应曲线的示意图；
图4是根据本发明一实施例的波峰和波谷的示意图；
图5是根据本发明一实施例的波峰面积计算的示意图；
图6是根据本发明一实施例的心理状态测评方法的具体流程图；
图7是根据本发明一实施例的心理状态测评装置的结构图；
图8是根据本发明一实施例的心理状态测评设备的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本发明作进一步地详细说明。
根据本发明的实施例，提供了一种心理状态测评方法。如图1所示，是根据本发明一实施例的心理状态测评方法的流程图。
步骤S110，获取目标用户针对测评对象的皮肤电导曲线。
目标用户，是指接受心理状态测评的用户。
测评对象，是指用于测评目标对象的心理状态的真实对象和/或虚拟对象。真实对象包括人、事和/或物。虚拟对象包括图像、音频和/或文本。例如：测评对象为测评员问出的问题(事)，或者屏幕中展示的问题(文本)。
皮肤电导曲线(SC曲线)，是指：在利用测评对象对目标用户进行测评时，目标用户的皮肤电导的变化。其中，皮肤电导的单位是微西蒙。
具体而言，可以在目标用户的表皮上施加预设的恒定电压或者预设的恒定电流，每次在对目标用户测评一个测评对象时，采集目标用户针对该测评对象的皮肤电导曲线。可以边采集边获取目标用户针对该测评对象的皮肤电导曲线，或者，在采集完毕之后，获取目标用户针对该测评对象的皮肤电导曲线，或者，在需要确定目标用户针对该测评对象的心理状态测评值时，获取目标用户针对测评对象的皮肤电导曲线。
皮肤电导曲线包括多个采样值。多个采样值分别为采集的不同时刻的皮肤电导。进一步地，在采集皮肤电导曲线的过程中，每隔预设采样时间段采集一次皮肤电导(采样值)。该采样时间段可以为经验值或者通过实验值。
进一步地，从将测评对象展现给目标用户的时刻，开始采集皮肤电导曲线中的采样值，在展现完毕时，停止采集皮肤电导曲线中的采样值，或者，从测评对象展现完毕开始，达到预设时长时，停止采集皮肤电导曲线中的采样值。该预设时长可以是经验值或者实验值。例如：该预设时长为5秒钟。
将真实对象出现的时刻(如开始提出问题时刻)，作为将测评对象展现给目标用户的时刻，将真实对象消失的时刻(如问题问完的时刻)，作为测评对象展示完毕的时刻。将虚拟对象开始播放或者显示的时刻，作为将测评对象展现给目标用户的时刻，将虚拟对象结束播放或者显示的时刻作为展示完毕的时刻。
步骤S120，在所述皮肤电导曲线中，提取皮电反应曲线。
皮肤电导曲线由皮电水平(Skin Conductance Level，简称SCL)曲线和皮电反应(Skin Conductance Response，简称SCR)曲线组成。皮电水平曲线是在某种状态下生理活动的基础。皮电反应曲线是在皮电水平曲线上出现的一个瞬时的较快的波动。皮电反应曲线是由刺激而引起的生理性的心理状态。换而言之，皮电水平曲线反映的是状态，皮电反应曲线反映的是对刺激事件的即时反应。
皮电水平曲线需要反映皮肤电导曲线总体的趋势变化，而且能够对皮肤电导曲线的变化做出及时反应，这样才能在提取皮电反应曲线的同时保证皮电水平曲线的信号不失真。本实施例在提取SCL曲线时考虑当前数据之前的一段时间的数据(如100个采样值)的趋势，也关注当前数据的新的变化趋势。所以，本实施例采用为皮肤电导数据中任意两个数据中的近端数据配置较大权重，为远端数据配置较小权重的拟合算法，对皮肤电导数据进行拟合，即：拟合算法本实施例要求近端数据对当前数据的拟合结果的影响大，而远端数据对当前数据的拟合结果的影响小，而且，距离当前数据越远的远端数据对当前数据的拟合结果的影响越小。
近端数据是指皮肤电导曲线中距离当前时间近的采样值。
远端数据是指皮电电导曲线中距离当前时间远的采样值。
针对这种需求，本实施例可以利用预设的指数移动平均(Exponential MovingAverage，简称EMA)算法，对皮肤电导曲线进行拟合，得到皮电水平曲线；根据所述皮电水平曲线，提取所述皮肤电导曲线中的皮电反应曲线。
EMA算法也叫权重移动平均算法，是一种给予近期数据(近端数据)更高权重的平均算法，即，在对皮肤电导曲线中的多个采样值进行拟合时，使皮肤电导曲线中距离当前时间近的采样值的数据权重大于距离当前时间远的采样值的数据权重。
进一步地，利用EMA算法，对皮肤电导曲线中的多个采样值进行拟合，可以拟合出皮电水平曲线；在皮肤电导曲线中去除拟合得到的皮电水平曲线，可以得到皮电反应曲线。在本实施例中，可以边采集边获取目标用户针对测评对象的皮肤电导曲线中的采样值并针对该采样值进行拟合，即：在采集皮肤电导曲线中的采样值的过程中，每采集一个采样值，就实时利用EMA算法对该采样值进行拟合。
例如，EMA算法可以采用如下公式(1)拟合皮肤电导曲线，并可以采用如下公式(2)，在皮肤电导曲线中去除皮电水平曲线：
其中，t表示t时刻，vt表示皮电水平曲线中t时刻的取值，v(t-1)表示皮电水平曲线中t-1时刻的取值，θt表示皮肤电导曲线中t时刻的采样值，β表示t-1时刻对应的预设权重，mt表示皮电反应曲线中t时刻的取值。其中，β为经验值或者实验值，β小于1。
按照皮电水平曲线的计算公式可知，vt的公式中包含β×v(t-1)，v(t-1)的公式中包含β×v(t-2)，v(t-2)的公式中包含β×v(t-3)，以此类推；那么，如果采用递推的方式计算vt，则vt的公式中将包含β×v(t-1)，或者β2×v(t-2)，或者β3×v(t-3)，由于β小于1且β呈指数变化，所以距离vt所在的t时刻越远的取值的数据权重越小，距离vt所在的t时刻越近的取值的数据权重越大。
由于皮电水平曲线为皮肤电导曲线的趋势线，在皮肤电导曲线中去除皮电水平曲线之后，就可以得到皮电反应曲线，即：该皮电反应曲线包括皮肤电导曲线中的部分采样值。如图2所示，是根据本发明一实施例的拟合皮肤电导曲线的示意图，其中，“原始SC”曲线是指皮肤电导曲线，“EMA拟合”曲线是指皮电水平曲线，在“原始SC”曲线中减去“EMA拟合”曲线，可以得到皮电反应曲线，如图3所示，为皮电反应曲线的示意图。
步骤S130，确定所述皮肤电导曲线中的最大波峰的波峰面积。
确定皮肤电导曲线中的最大波峰对应的峰谷数据；根据所述峰谷数据和预设的微元算法，确定所述最大波峰的波峰面积。
最大波峰，是指幅度最大的波峰。其中，幅度表示纵坐标的绝对值。
峰谷数据，包括：最大波峰的坐标以及最大波峰相邻的两个波谷的坐标。如果最大波峰的一侧无波谷，则将该侧纵坐标的值最小的点作为波谷。
具体而言，由于皮肤电导曲线中可能存在噪声，如锯齿状的噪声，这些噪声会影响波峰面积的计算结果，所以，本实施例利用预设的滤波器或者平滑算法，对所述皮肤电导曲线进行平滑处理，以便在平滑处理之后的所述皮肤电导曲线中，确定最大波峰的波峰面积，即：可以在平滑处理后的所述皮肤电导曲线中，确定最大波峰对应的峰谷数据；根据所述峰谷数据和预设的微元算法，确定所述最大波峰的波峰面积。
滤波器的种类包括但不限于：Savitzky-Golay滤波器。
例如：利用极值法在平滑处理后的皮肤电导曲线中识别波峰并确定波峰坐标，图4是根据本发明一实施例的波峰和波谷的示意图。在图4中存在两个波峰，比较两个波峰的波峰坐标中的纵坐标的值(幅度)，将纵坐标的值最大的波峰作为最大波峰；利用极值法在平滑处理后的皮肤电导曲线中识别最大波峰左右相邻的两个波谷并确定两个波谷的坐标。在识别波谷时，需要识别波动，并且忽略波动，波动是指纵坐标上的最大值和最小值的差值较小，在图4中，最大峰值和左侧波谷之间出现了波动，对于波动可以忽略。进一步地，可以设置差值阈值，如果纵坐标的最大值和最小值的差值小于该差值阈值，则判定为波动，可以忽略；根据最大波峰的坐标以及最大波峰左右相邻的两个波谷的坐标，计算最大波峰的波峰面积；如图5所示，为根据本发明一实施例的波峰面积计算的示意图，利用微元算法确定处于皮肤电导曲线之下且处于两个波谷之间的第一面积S1+S2，根据两个波谷的坐标，确定两个波谷以及两个波谷分别在横坐标的投影形成的四边形的第二面积S2，将第一面积S1+S2和第二面积S2的差值S1作为最大峰值的波峰面积。
步骤S140，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值。
皮电反应曲线的最大峰值，是指皮电反应曲线中最小波谷的幅度和最大波峰的幅度的差值。
心理状态测评值，用于反映目标用户针对测评对象的心理波动程度。其中，心理状态测评值越大，心理波动程度越大，心理状态测评值越小，心理波动程度越小。
下面给出两种确定心理状态测评值的方式，当然，本领域技术人员应当知道的是，以上两种方式仅用于说明本实施例，而不用于限定本实施例。
方式一：计算所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值的加权和；将计算得到的所述加权和确定为所述目标用户针对所述测评对象的心理状态测评值。
最大波峰的波峰面积的面积权重以及皮电反应曲线的最大峰值的峰值权重可以根据经验值或者实验值进行设置。例如：最大波峰的波峰面积对应的面积权重设置为1，皮电反应曲线的最大峰值的峰值权重设置为2，那么心理状态测评值＝1×最大波峰的波峰面积+2×皮电反应曲线的最大峰值。
方式二：将所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值输入预先训练的心理状态测评模型中，并获取所述心理状态测评模型输出的所述目标用户针对所述测评对象的心理状态测评值；其中，所述心理状态测评模型用于根据所述波峰面积和所述最大峰值计算所述目标用户针对所述测评对象的心理状态测评值。
进一步地，在使用心理状态测评模型之前，需要对该心理状态测评模型进行训练。具体的，采集训练数据集；该训练数据集中包括多个训练样本；每个训练样本包括在一次测评中的皮肤电导曲线的最大波峰的波峰面积、皮电反应曲线的最大峰值以及标注数据。标注数据是根据该训练样本中的最大波峰的波峰面积和皮电反应曲线的最大峰值计算的心理状态测评值的真实值。该心理状态测评值的真实值，用于与心理状态测评模型预测的心理状态测评值进行比较，以便确定心理状态测评模型的预测准确性。利用训练数据集中的训练样本对心理状态测评模型进行训练，直到心理状态测评模型收敛为止。
本发明实施例在获取皮肤电导曲线之后，自动在所述皮肤电导曲线中，提取皮电反应曲线，自动确定所述皮肤电导曲线中的最大波峰，并量化出该最大波峰的波峰面积，通过客观度量的方式确定心理状态测评值，避免人工判断造成的准确度低的问题。
本发明实施例利用EMA算法拟合出的皮电水平曲线，可以总体反映皮肤电导曲线的趋势，并且根据近端数据权重较大，而远端数据权重较小的算法特性，对皮肤电导曲线的变化做出及时反应，皮肤电导曲线中的采样值增大，EMA拟合出的取值也及时随之增大，皮肤电导曲线中的采样值减小，EMA拟合出的取值也及时随之减小，这样可以避免使用减中值法或减均值法提取皮电反应曲线时，容易导致皮电反应曲线的信号失真的问题。减中值法或减均值法是在一个移动窗口中减去该移动窗口中的数据的中值或者均值。进一步地，如果移动窗口的尺度太小，使得皮电反应曲线波动不明显；如果移动窗口太大，那么在皮肤电导曲线中的峰值开始恢复时，皮肤电导曲线在下降的过程中，移动窗口的中值或者均值可能还在上升，使得皮电反应曲线将变成绝对值很大的负值，使得皮电双峰反应中的第二个峰难以显示，导致信号失真。
在有了合适的皮电水平曲线之后，将皮肤电导曲线减去皮电水平曲线，就可以得到皮电反应曲线，该皮电反应曲线可以清晰地看到每次事件激发的皮肤电反应情况。
下面对本发明的心理状态测评方法在测谎领域的应用进行进一步地说明。当然，本领域技术人员应当知道的是，本发明的心理状态测评方法不限于在测谎领域中应用。
如图6所示，是根据本发明一实施例的心理状态测评方法的具体流程图。
步骤S610，分别获取目标用户针对多个测评对象中的每个测评对象的皮肤电导曲线。
例如：利用麦克风顺序采集测评问题对应的音频数据，该音频数据作为一个测评对象，当然，也可以通过测评员进行人工提问；在目标用户的皮肤上施加一个恒定电压；利用扬声器顺序播放采集的音频数据，并且每播放一个音频数据使目标用户回答音频数据对应的测评问题，并采集目标用户针对该音频数据的皮肤电导曲线，如：在测评员所在的第一房间采集音频数据，在目标对象所在的第二房间播放音频数据并采集目标用户针对该音频数据的皮肤电导曲线；针对每个音频数据，从播放该音频数据开始采集目标用户的皮肤电导曲线，从播放完毕开始，在达到预设时长时，结束采集目标用户的皮肤电导曲线。最终，可以获得每个音频数据分别对应的皮肤电导曲线。
步骤S620，顺序选择多个测评对象中的其中一个测评对象。
步骤S630，获取目标用户针对当前选择的测评对象的皮肤电导曲线。
步骤S640，在当前选择的测评对象的皮肤电导曲线中提取皮电反应曲线。
步骤S650，确定当前选择的测评对象的皮肤电导曲线中的最大波峰的波峰面积。
步骤S660，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对当前选择的测评对象的心理状态测评值。
步骤S670，判断多个测评对象中的所有测评对象是否都执行过心理状态测评；如果是，则执行步骤S680；如果否，则执行步骤S630。
步骤S680，根据所述目标用户针对每个测评对象的心理状态测评值，确定心理状态测评值最大的测评对象，将所述心理状态测评值最大的测评对象确定为嫌疑对象。
心理状态测评值最大的测评对象，是指目标用户针对该测评对象的心理波动程度最大。用户在说谎时，心理容易出现波动，心理波动越大，说谎的嫌疑越大，因此本实施例将心理状态测评值最大的测评对象确定为嫌疑对象。
在将心理状态测评值最大的测评对象确定为嫌疑对象之后，还可以确定嫌疑对象的嫌疑概率。具体的，确定嫌疑对象对应的皮电反应曲线的积分，以及确定嫌疑对象对应的皮电反应数据的拟合数据的积分；将拟合数据的积分和皮电反应数据的积分的比值，作为嫌疑对象对应的嫌疑概率。
嫌疑对象对应的皮电反应曲线，即是在目标用户针对嫌疑对象的皮肤电导曲线中提取出的皮电反应曲线。
所述拟合数据是对所述皮电反应数据进行拟合得到的数据。进一步地，可以将皮电反应数据输入预设的高斯混合模型，利用该高斯混合模型对皮电反应数据进行拟合，得到皮电反应数据的拟合数据。该用于拟合皮电反应数据的高斯混合模型和前述用于计算测评对象权重的高斯混合模型可以相同，也可以不同。
为了增加测谎结果的准确性，可以针对该多个测评对象执行多轮测评操作；在执行每轮测评操作中，分别获取所述目标用户针对所述多个测评对象中的每个测评对象的皮肤电导曲线，并且顺序选择所述多个测评对象中的其中一个测评对象，获取当前选择的测评对象的皮肤电导曲线；在该皮肤电导曲线中，提取皮电反应曲线；确定该皮肤电导曲线中的最大波峰的波峰面积；根据该最大波峰的波峰面积以及该皮电反应曲线的最大峰值，确定所述目标用户针对当前选择的所述测评对象的心理状态测评值。在执行每轮测评操作中，对所述多个测评对象分别对应的心理状态测评值进行归一化处理；在所述多轮测评操作执行完毕后，将相同的测评对象对应的多个归一化后的心理状态测评值的平均值，作为所述测评对象对应的心理状态测评值。
进一步地，在每轮测评操作中，在得到的多个心理状态测评值中，确定值最大的心理状态测评值；将每个心理状态测评值除以该值最大的心理状态测评值，得到该心理状态测评值对应的归一化后的心理状态测评值。在多轮测评操作之后，针对每个测评对象，获取该测评对象在每轮测评操作中对应的归一化后的心理状态测评值，计算该测评对象在多轮测评操作中分别对应的归一化后的心理状态测评值的平均值，将该平均值作为该测评对象对应的心理状态测评值。
本发明实施例还提供了一种心理状态测评装置。如图7所示，为根据本发明一实施例的心理状态测评装置的结构图。
该心理状态测评装置，包括：获取模块710，提取模块720，第一确定模块730，第二确定模块740。
获取模块710，用于获取目标用户针对测评对象的皮肤电导曲线。
提取模块720，用于在所述皮肤电导曲线中，提取皮电反应曲线。
第一确定模块730，用于确定所述皮肤电导曲线中的最大波峰的波峰面积。
第二确定模块740，用于根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值。
本发明实施例所述的装置的功能已经在上述方法实施例中进行了描述，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
本实施例提供一种心理状态测评设备。如图8所示，为根据本发明一实施例的心理状态测评设备的结构图。
在本实施例中，所述心理状态测评设备，包括但不限于：处理器810、存储器820。
所述处理器810用于执行存储器820中存储的心理状态测评程序，以实现上述的心理状态测评方法。
具体而言，所述处理器810用于执行存储器820中存储的心理状态测评程序，以实现以下步骤：获取目标用户针对测评对象的皮肤电导曲线；在所述皮肤电导曲线中，提取皮电反应曲线；确定所述皮肤电导曲线中的最大波峰的波峰面积；根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值。
其中，所述在所述皮肤电导曲线中，提取皮电反应曲线，包括：利用预设的指数移动平均算法，对所述皮肤电导曲线进行拟合，得到皮电水平曲线；根据所述皮电水平曲线，提取所述皮肤电导曲线中的皮电反应曲线。
其中，在所述确定所述皮肤电导曲线中的最大波峰的波峰面积之前，还包括：利用预设的滤波器或者平滑算法，对所述皮肤电导曲线进行平滑处理，以便在平滑处理之后的所述皮肤电导曲线中，确定最大波峰的波峰面积。
其中，所述确定平滑处理之后的所述皮肤电导曲线中最大波峰的波峰面积，包括：在平滑处理后的所述皮肤电导曲线中，确定最大波峰对应的峰谷数据；根据所述峰谷数据和预设的微元算法，确定所述最大波峰的波峰面积。
其中，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，包括：计算所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值的加权和；将计算得到的所述加权和确定为所述目标用户针对所述测评对象的心理状态测评值。
其中，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，包括：将所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值输入预先训练的心理状态测评模型中，并获取所述心理状态测评模型输出的所述目标用户针对所述测评对象的心理状态测评值；其中，所述心理状态测评模型用于根据所述波峰面积和所述最大峰值计算所述目标用户针对所述测评对象的心理状态测评值。
其中，所述获取目标用户针对测评对象的皮肤电导曲线，包括：分别获取所述目标用户针对多个测评对象中的每个测评对象的皮肤电导曲线；顺序选择所述多个测评对象中的其中一个测评对象，并获取所述目标用户针对当前选择的测评对象的皮肤电导曲线；在根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值之后，还包括：根据所述目标用户针对每个测评对象的心理状态测评值，确定心理状态测评值最大的测评对象，将所述心理状态测评值最大的测评对象确定为嫌疑对象。
其中，所述获取目标用户针对测评对象的皮肤电导曲线，包括：针对所述多个测评对象执行多轮测评操作；在执行每轮测评操作中，分别获取所述目标用户针对所述多个测评对象中的每个测评对象的皮肤电导曲线，并且顺序选择所述多个测评对象中的其中一个测评对象，获取当前选择的测评对象的皮肤电导曲线；所述确定所述目标用户针对所述测评对象的心理状态测评值，包括：在执行每轮测评操作中，对所述多个测评对象分别对应的心理状态测评值进行归一化处理；在所述多轮测评操作执行完毕后，将相同的测评对象对应的多个归一化后的心理状态测评值的平均值，作为所述测评对象对应的心理状态测评值。
本发明实施例还提供了一种计算机可读存储介质。这里的计算机可读存储介质存储有一个或者多个程序。其中，计算机可读存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
当计算机可读存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述的心理状态测评方法。由于已经在上述实施例中对心理状态测评方法进行了详细描述，故在此不做赘述。
以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (11)
1.一种心理状态测评方法，其特征在于，包括：
获取目标用户针对测评对象的皮肤电导曲线；
在所述皮肤电导曲线中，提取皮电反应曲线；
确定所述皮肤电导曲线中的最大波峰的波峰面积，包括：确定处于皮肤电导曲线之下且处于两个波谷之间的第一面积，根据两个波谷的坐标，确定两个波谷以及两个波谷分别在横坐标的投影形成的四边形的第二面积，将第一面积和第二面积的差值作为最大峰值的波峰面积；
根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，其中，皮电反应曲线的最大峰值用于指示皮电反应曲线中最小波谷的幅度和最大波峰的幅度的差值。
2.根据权利要求1所述的方法，其特征在于，所述在所述皮肤电导曲线中，提取皮电反应曲线，包括：
利用预设的指数移动平均算法，对所述皮肤电导曲线进行拟合，得到皮电水平曲线；
根据所述皮电水平曲线，提取所述皮肤电导曲线中的皮电反应曲线。
3.根据权利要求1所述的方法，其特征在于，在所述确定所述皮肤电导曲线中的最大波峰的波峰面积之前，还包括：
利用预设的滤波器或者平滑算法，对所述皮肤电导曲线进行平滑处理，以便在平滑处理之后的所述皮肤电导曲线中，确定最大波峰的波峰面积。
4.根据权利要求3所述的方法，其特征在于，所述确定平滑处理之后的所述皮肤电导曲线中最大波峰的波峰面积，包括：
在平滑处理后的所述皮肤电导曲线中，确定最大波峰对应的峰谷数据；
根据所述峰谷数据和预设的微元算法，确定所述最大波峰的波峰面积。
5.根据权利要求1所述的方法，其特征在于，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，包括：
计算所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值的加权和；
将计算得到的所述加权和确定为所述目标用户针对所述测评对象的心理状态测评值。
6.根据权利要求1所述的方法，其特征在于，根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，包括：
将所述最大波峰的波峰面积和所述皮电反应曲线的最大峰值输入预先训练的心理状态测评模型中，并获取所述心理状态测评模型输出的所述目标用户针对所述测评对象的心理状态测评值；其中，
所述心理状态测评模型用于根据所述波峰面积和所述最大峰值计算所述目标用户针对所述测评对象的心理状态测评值。
7.根据权利要求1～6中任一项所述的方法，其特征在于，
所述获取目标用户针对测评对象的皮肤电导曲线，包括：
分别获取所述目标用户针对多个测评对象中的每个测评对象的皮肤电导曲线；
顺序选择所述多个测评对象中的其中一个测评对象，并获取所述目标用户针对当前选择的测评对象的皮肤电导曲线；
在根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值之后，还包括：
根据所述目标用户针对每个测评对象的心理状态测评值，确定心理状态测评值最大的测评对象，将所述心理状态测评值最大的测评对象确定为嫌疑对象。
8.根据权利要求7所述的方法，其特征在于，
所述获取目标用户针对测评对象的皮肤电导曲线，包括：
针对所述多个测评对象执行多轮测评操作；
在执行每轮测评操作中，分别获取所述目标用户针对所述多个测评对象中的每个测评对象的皮肤电导曲线，并且顺序选择所述多个测评对象中的其中一个测评对象，获取当前选择的测评对象的皮肤电导曲线；
所述确定所述目标用户针对所述测评对象的心理状态测评值，包括：
在执行每轮测评操作中，对所述多个测评对象分别对应的心理状态测评值进行归一化处理；
在所述多轮测评操作执行完毕后，将相同的测评对象对应的多个归一化后的心理状态测评值的平均值，作为所述测评对象对应的心理状态测评值。
9.一种心理状态测评装置，其特征在于，包括：
获取模块，用于获取目标用户针对测评对象的皮肤电导曲线；
提取模块，用于在所述皮肤电导曲线中，提取皮电反应曲线；
第一确定模块，用于确定所述皮肤电导曲线中的最大波峰的波峰面积，包括：确定处于皮肤电导曲线之下且处于两个波谷之间的第一面积，根据两个波谷的坐标，确定两个波谷以及两个波谷分别在横坐标的投影形成的四边形的第二面积，将第一面积和第二面积的差值作为最大峰值的波峰面积；
第二确定模块，用于根据所述最大波峰的波峰面积以及所述皮电反应曲线的最大峰值，确定所述目标用户针对所述测评对象的心理状态测评值，其中，皮电反应曲线的最大峰值用于指示皮电反应曲线中最小波谷的幅度和最大波峰的幅度的差值。
10.一种心理状态测评设备，其特征在于，所述心理状态测评设备包括处理器、存储器；所述处理器用于执行所述存储器中存储的心理状态测评程序，以实现权利要求1～8中任一项所述的心理状态测评方法。
11.一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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1～8中任一项所述的心理状态测评方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010537048.1A CN111714142B (zh) | 2020-06-12 | 2020-06-12 | 心理状态测评方法、装置、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010537048.1A CN111714142B (zh) | 2020-06-12 | 2020-06-12 | 心理状态测评方法、装置、设备和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111714142A CN111714142A (zh) | 2020-09-29 |
| CN111714142B true CN111714142B (zh) | 2023-12-08 |
Family
ID=72566614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010537048.1A Active CN111714142B (zh) | 2020-06-12 | 2020-06-12 | 心理状态测评方法、装置、设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111714142B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115568853A (zh) * | 2022-09-26 | 2023-01-06 | 山东大学 | 一种基于皮电信号的心理压力状态评估方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106491120A (zh) * | 2016-10-14 | 2017-03-15 | 深圳欧德蒙科技有限公司 | 一种基于皮电的睡眠质量评估方法及系统 |
| CN106667506A (zh) * | 2016-12-21 | 2017-05-17 | 上海与德信息技术有限公司 | 一种基于皮肤电反应和瞳孔变化的测谎方法及装置 |
| WO2018141850A1 (en) * | 2017-02-01 | 2018-08-09 | Neural Block Technology As | Method and apparatus of assessing or monitoring an effectiveness of a neural block in a living subject |
| CN109145890A (zh) * | 2018-11-19 | 2019-01-04 | 东南大学 | 一种基于单模态生理信号的驾驶员心理应激强度智能识别的模型 |
| CN110427840A (zh) * | 2019-07-15 | 2019-11-08 | 东南大学 | 一种基于皮肤电信号的驾驶员心理应激强度智能识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9042972B2 (en) * | 2008-06-24 | 2015-05-26 | Nihon Kohden Corporation | Pain judging device to judge pain based on a frequency component of a peak-relevant value |
| US20150018707A1 (en) * | 2013-07-12 | 2015-01-15 | Affectiva, Inc. | Pain analysis using electrodermal activity |
-
2020
- 2020-06-12 CN CN202010537048.1A patent/CN111714142B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106491120A (zh) * | 2016-10-14 | 2017-03-15 | 深圳欧德蒙科技有限公司 | 一种基于皮电的睡眠质量评估方法及系统 |
| CN106667506A (zh) * | 2016-12-21 | 2017-05-17 | 上海与德信息技术有限公司 | 一种基于皮肤电反应和瞳孔变化的测谎方法及装置 |
| WO2018141850A1 (en) * | 2017-02-01 | 2018-08-09 | Neural Block Technology As | Method and apparatus of assessing or monitoring an effectiveness of a neural block in a living subject |
| CN109145890A (zh) * | 2018-11-19 | 2019-01-04 | 东南大学 | 一种基于单模态生理信号的驾驶员心理应激强度智能识别的模型 |
| CN110427840A (zh) * | 2019-07-15 | 2019-11-08 | 东南大学 | 一种基于皮肤电信号的驾驶员心理应激强度智能识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 隐瞒信息测试下反应时、皮肤电和fNIRS的多指标测谎研究;周小梅;《万方硕士学位论文库》;20131231;第19-45页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111714142A (zh) | 2020-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lee et al. | Time-varying coherence function for atrial fibrillation detection | |
| CN108670200B (zh) | 一种基于深度学习的睡眠鼾声分类检测方法及系统 | |
| US20230043406A1 (en) | Noninvasive method and system for sleep apnea detection | |
| US11406304B2 (en) | Systems and methods for physiological sign analysis | |
| DE112018005922T5 (de) | Vorrichtung, verfahren und programm für die vorhersage eineskrankheitsausbruchsrisikos | |
| CN111714142B (zh) | 心理状态测评方法、装置、设备和计算机可读存储介质 | |
| TWI721095B (zh) | 推定方法、推定程式、推定裝置及推定系統 | |
| NISA’MINHAD et al. | A design framework for human emotion recognition using electrocardiogram and skin conductance response signals | |
| WO2021146312A1 (en) | Systems and methods for optical evaluation of pupillary psychosensory responses | |
| Das et al. | Arduino-based noise robust online heart-rate detection | |
| CN111568412A (zh) | 一种利用脑电信号重建视觉图像的方法及装置 | |
| Wang et al. | Heart-rate analysis of healthy and insomnia groups with detrended fractal dimension feature in edge | |
| Schmidt et al. | No evidence of nonlinear or chaotic behavior of cardiovascular murmurs | |
| Wairagkar et al. | Modeling the ongoing dynamics of short and long-range temporal correlations in broadband EEG during movement | |
| CN116048282B (zh) | 一种数据处理方法、系统、装置、设备及存储介质 | |
| EP3182892B1 (en) | Method and system for eeg signal processing | |
| CN110569968B (zh) | 基于电生理信号的创业失败恢复力评估方法及评估系统 | |
| CN111714143A (zh) | 心理状态测评方法、装置、设备和计算机可读存储介质 | |
| CN114912521A (zh) | 心脏数据处理方法、装置、计算机设备及存储介质 | |
| CN113855022A (zh) | 基于眼动生理信号的情绪评估方法及装置 | |
| CN112728604A (zh) | 油烟机声品质的评价方法、装置和油烟机 | |
| CN117257303B (zh) | 一种焦虑检测方法、装置、电子设备及存储介质 | |
| Zammouri et al. | Eye blinks artefacts detection in a single EEG channel | |
| CN111724896A (zh) | 一种基于多刺激图片或视频erp的毒瘾评估系统 | |
| KR20170031391A (ko) | 명상 계랑화와 네트워크 연계를 통한 명상 유도 방법 및 시스템 |
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 | ||
| CB02 | Change of applicant information |
Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Technology Holding Co.,Ltd. Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: Jingdong Digital Technology Holding Co.,Ltd. Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Digital Technology Holding Co.,Ltd. Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |