CN112231037B - 一种基于情绪设计对应图标的方法 - Google Patents
一种基于情绪设计对应图标的方法 Download PDFInfo
- Publication number
- CN112231037B CN112231037B CN202011138575.1A CN202011138575A CN112231037B CN 112231037 B CN112231037 B CN 112231037B CN 202011138575 A CN202011138575 A CN 202011138575A CN 112231037 B CN112231037 B CN 112231037B
- Authority
- CN
- China
- Prior art keywords
- emotion
- user
- data
- application program
- brain wave
- 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
- 230000008451 emotion Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 51
- 210000004556 brain Anatomy 0.000 claims abstract description 71
- 238000013461 design Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 17
- 239000003086 colorant Substances 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 4
- 208000019901 Anxiety disease Diseases 0.000 claims description 3
- 230000036506 anxiety Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008909 emotion recognition Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004599 local-density approximation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Evolutionary Computation (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及智能设备交互界面设计领域，具体为一种通过使用者情绪来针对性设计应用图标的方法。具体为安排使用者先穿戴好能够检测脑电波信号的装置设备，再对所选择的应用程序进行使用并检测使用过程中使用者的脑电波信号。通过计算机设备对所获取的脑电波信号数据进行分析，转化为相应的情绪值，对相应的情绪值进行分类以判断使用者在使用所述应用程序过程中的情绪状态并选择相应的图标颜色；进一步选择，将不包含有色彩元素的多个预设图形提供给使用者进行观察，并在该过程中同步记录使用者的脑电波信号，通过比对预先获得的大脑在肯定状态下的脑电波信号，筛选出最合适的图形样式；通过结合颜色和图标样式，获得最佳的应用程序图标。
Description
技术领域
本发明涉及智能设备交互界面设计领域，具体为一种基于情绪设计对应图标的方法。
背景技术
脑电信号是脑神经细胞生理活动在大脑皮层或头皮表面的总体反映，脑电信号中包含并能够反映大量的生理与疾病信息，而随着脑-计算机接口(BCI)技术的发展，脑电信号于医疗、工程领域的应用也愈加广泛。在工程应用方面，人们也尝试基于脑电信号实现脑-计算机接口(BCI)，利用人体在进行不同行为时脑电差异区别, 通过对脑电信号的有效的提取和分析达到某种控制目的，目前，基于脑电信号对人的情绪进行分析和运用正受到广泛的高度关注。近年来，国内外不少相关研究已证明了通过脑电图进行情绪识别的可行性。FengLiu等人提出了一种基于样本熵的情绪识别方法、Calibo等人应用能量特征并结合神经网络对情绪进行识别。在现有的研究中，对于生物的情绪进行分类已被较为完整地实现，然而上述方法虽然在各自特定的实验中都表现出一定的准确性，但也存在明显不足：如分类准确度低，且模型无法迁移学习、终身学习，即无法对已存在的模型进行进一步的训练，无法随数据的获取实时调整模型，无法实现对模型的持续优，所以如何将情绪的识别分类有效地运用到实际的生产和生活中，为人们的生活带来便捷，促进社会的发展，是一个目前十分值得思考和探索的问题。
如今的随着各种高科技智能设备的广泛普及，如手机、笔记本电脑等智能终端设备已然成为了现代社会人们生活的一部分，同时如取款机和无人售卖机等装置也为人们的日常生活提供了极大的方便。上述的各种设备中，大量采用了人机交互界面，为使用过程提供了大大的便利，同时也能够令使用者获得更佳的使用体验。在手机、电脑甚至汽车行业中，人机交互界面中的各种图标也会直接影响消费者使用体验，有时甚至会决定消费者是否选择购买使用产品。
一款好的图标软件图标，不仅具有直观的美感，而且让人有想更加深入了解它的欲望，它能传达应用程序的基础信息，并能够给用户带来更好的第一印象感受并且直接引导用户下载并使用应用程序。
目前的各种设备中的软件图标通常由设计人员在前期列出多个备选方案，针对主要的用户群体进行调查和统计进而选择最佳的图标方案，但该方式所得出的数据十分受限于被调查者的主观判断，从而导致结论的偏差，而后期根据实际应用过程中对图标的样式方案进行调整又会导致丧失前期推广阶段的优势，失去吸引用户的最佳时期。因此，将现阶段在情绪领域研究的技术与图标设计过程进行结合，能够通过对客观数据的分析，获得使用者对不同图标反应的信息，进而得到更为精确的结论，选择设计出与使用者在使用软件应用的感官情绪体验相对应的图标。
发明内容
本发明的目的是提供一种基于使用者使用应用程序时情绪状态设计对应图标的方法。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种基于情绪设计对应图标的方法，其特征在于：该方法包括有以下步骤
（1）选择一个应用程序，将所述应用程序的图标设置为初始状态；
（2）安排多位使用者对所述应用程序进行使用体验并且在使用过程中对使用者们的脑电波进行检测，将所检测到的脑电波数据进行记录；
（3）通过对步骤2中采集到的脑电波数据进行处理分析，把所采集到的脑电波数据转化为使用者的情绪值；
（4）对步骤3中转化获得的情绪值进行分类，根据分类结果对应用程序的图标色彩进行后续设计。
作为对本发明的优选，所述步骤（4）中，在对获得的情绪值进行分类时，将类型分为忧伤、平静和喜悦三大类，依次对应选择图标的颜色为红色、绿色和蓝色。
作为对本发明的优选，所述步骤（2）中，脑电波检测过程限定于30-60分钟，每间隔五分钟的对于情绪值的数值进行记录。
作为对本发明的优选，所述步骤（2）中，在使用者们使用应用程序的同时，以五分钟为时间间隔要求使用者对自身的情绪状态和程度做出评价并记录相关数据，将该数据与同一时刻脑电波数据转化获得的情绪值进行比对统计，依据使用者自身评价描述获得的数据与脑电波试验的统计数据的符合程度进行排列，将两部分结果差异最大的前5%-10%的组别数据在后续统计时进行排除以提高数据的准确性。
作为对本发明的优选，在所述步骤（4）之后增加步骤（5）：在使用者在使用应用程序结束后，将多个不包含色彩元素的图形依次提供给使用者进行10-15秒时间的持续观察，采集并记录该过程期期间使用者脑电波的数据并将该数据计算机设备的处理转化为相应的情绪值，通过分析情绪值筛选并提取能够使最多的使用者获得认同肯定情绪状态的图形并进行后续设计。
作为对本发明的优选，在所述步骤（5）之后增加步骤（6）：将多个预设的图形提供给使用者进行观察，使用者从中选择最为认同肯定的图形并记录数据，将该数据与通过所述步骤（5）中通过分析情绪值筛选获得的图标结果进行对比，将两部分结果差异最大的前5%-10%的组别数据在后续统计时进行排除。
作为对本发明的优选，在所述步骤（4）中增加操作，当实验数据得出使用者情绪分类为平静和忧伤时，调整应用程序，在打开应用程序时自动播放淡雅舒缓的背景音乐。
作为对本发明的优选，在所述步骤（4）中增加操作，当实验数据得出使用者情绪分类为喜悦时，调整应用程序，在打开应用程序时自动播放愉悦轻快的背景音乐。
作为对本发明的优选，所述步骤（2）中，根据应用程序所针对的用户主体人群，确定参与试验的所述使用者的年龄和性别。
作为对本发明的优选，根据应用程序所针对的用户主体人群，进一步确定参与使用者的年龄和性别。
综上所述，本发明能够实现以下多项有益效果：
1. 本发明中所述的基于情绪设计对应图标的方法，通过检测脑电波的数据分析获得使用者对于应用程序内容的判断并转化为相应的情绪值，通过情绪值的数据分析获得使用者在使用应用程序时的情绪状态，并且据此来选择相应的应用程序图标；该方法改变了现阶段下仅仅通过设计人员的简单构思进行选择设计、通过在投入市场前对使用者主观看法进行调查询问获得信息或是在后续实际运行过程中根据各方面的回馈数据再对图标不断进行调整优化，有效提高了应用程序的图标在设计阶段的科学性，当用户第一次使用应用程序以后在看到应用程序图标时便能够重新唤起使用者对于使用体验的记忆，大大提高了该应用程序对使用者的吸引力；同时在该方法下设计出的图标能够有效提高应用程序的竞争力，在投入市场初期便获得较好的回馈和反响。
2. 本发明中所述的基于情绪设计对应图标的方法，采用了能够正常使用的应用程序并且将应用程序的图标设置为透明，避免了初始状态下图标颜色图形对后续试验过程中对测试获得的数据准确性的影响。
3. 本发明中所述的基于情绪设计对应图标的方法，将图标的色彩和图形进行分离，分别对图标的色彩和图形进行脑电波实验并获得最为符合使用者对应用程序内容感受的数据并据此组合设计最佳的应用程序图标。
4. 本发明在运用脑电波数据判别使用者情绪进而选择设计相应图标的过程中，同时要求使用者自身对图标的色彩和图形进行选择，将两部分数据进行分析对于脑电波试验获得数据与使用者主观评价结果偏差较大的数据组别进行排除，增大试验结论的可靠性和科学性。
5. 本发明所述的基于情绪设计对应图标的方法中，根据分析获得的使用者情绪类型选择在打开应用程序时播放相应的背景音乐，进一步加深使用者在使用时对应用程序感受的印象，有效提高使用者对于应用程序的认同感，在后续使用中。
6. 本发明所述的基于情绪设计对应图标的方法中，根据分析获得的使用者情绪类型选择应用程序在打开后内部界面的画面风格，使得界面风格与使用者的使用感受体验更为符合，在现有基础上更进一步加深使用者对该应用程序的印象并且同时提高认同感。
7. 本发明所述的基于情绪设计对应图标的方法中，具有针对性地选择参与脑电波试验的应用程序使用者的年龄和性别，使试验更贴合应用程序在实际应用推广进入市场时的消费使用者群体，以获得更为可靠的数据。
附图说明
图1为实施例1中选择设计应用程序图标中色彩部分的流程；
图2为实施例2中选择设计应用程序图标中图形部分的流程。
具体实施方式
以下具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
本方案是通过以下技术手段实现的：
实施例1：本发明涉及一种基于情绪设计对应图标的方法，方法如下：
（1）选择一种应用程序，所述应用程序能够正常使用运行并且为使用者提供完整的使用体验，将所述应用程序的图标外观设置为初始状态，如透明或不显示的状态，通过将图标设置为透明以避免预设的应用程序图标给实验结果带来的影响；
（2）选择安排多位使用者，所述使用者预先穿戴好相应能够获取使用者脑电波的设备并且打开所述应用程序开始使用操作，在使用者使用应用程序的同时持续获取其脑电波信号并且对相关数据进行记录；
（3）对上述实验中所获取的脑电波信号，通过预设的对应关系判别使用者在使用所述应用程序的过程中情绪状态并且转化为相应的情绪值，具体方法如下所述：
a）通过计算机设备对所述获取的脑电波信号进行预处理，除去当前的脑电波信号中的杂波和干扰，以获得相对稳定与清晰纯净的脑电波信号。具体地，可以采用以下方法对当前的脑电波信号进行预处理：时域上加权平均法，以去除随机干扰，异常点；主成分分析（principal components analysis,PCA），以放大主要脑电波信号的主要特征信息，过滤干扰：低通/高通/带通滤波，以放大某一单独频段脑电波信号，滤去无关成分；工频（50/60HZ）陷波法，以去除较强的工频信号干扰；独立成分分析(Independent Compomnet Analysis,ICA)，以提取出脑电波信号的各独立分量，类似PCA但精度高，计算量大。
b)提取预处理后的所述当前的脑电波信号对应的特征信息。
对计算机设备预处理后的所述当前脑电波信号对应的特征信息，通过傅里叶变换将时域信号转换为频域信号，用于对脑电波能量特征的分析；还可以通过小波变换实现与傅里叶变换相同的功能，但小波变换的低频区域计算精度比傅里叶变换更高，可用于提取精细的低频特征；还可以通过希尔伯特变换获取脑电波信号的变化特征；还可以通过共同空间模式空间滤波放大不同脑电波信号区间的差异，实现对脑电波信号的细微差别的识别和分类。
c)根据脑电波信息与情绪状态的预设对应关系，确定所述特征信息对应的目标情绪状态。
计算机设备根据数据库中预先建立的特征模型，获取脑电波信息与情绪状态的预设对应关系，并根据该对应关系确定脑电波的特征信息对应的目标情绪状态和相对应的情绪值。
（4）将获得的情绪值根据分析结构进行分类并定义为喜悦、平静和忧伤三类，依据分类结果选择应用程序的图标依次为红色、绿色和蓝色，获得最为复合使用者在使用所述应用程序时情绪体验的图标颜色。
为模拟真实软件使用情况，将使用者应用软件的时间设置为30-60分钟，每间隔五分钟对脑电波信号所转化获得的情绪值进行提取和记录并分类，分析软件使用者情绪状态的变化。
在上述基于情绪设计对应图标的方法的基础上，为获得更为准确可靠的数据，在被测试的使用者使用应用程序的同时，以五分钟为时间间隔为要求使用者对自身情绪状态做出评价同时记录相关统计数据。试验结束后，将脑电波信号转化获得的情绪类型及情绪值与使用者评价数据进行比对依据符合程度进行排序，将前5%-10%组别的数据进行去除，排除由于脑电波试验数据的误差导致的与实验者主观判断结果不符合程度较高的情况，提高试验结果的可信度和科学性。
实施例2：在实施例1的基础上，还可以通过检测脑电波信号的数据结果进行分析筛选出获得使用者最多肯定的图标所包含的图形样式，具体方法如下：
计算机设备可以对获取的脑电波信息进行建模分析，与已得到脑电波信息相匹配的预设情绪状态进行对应。
例如，计算机设备通过对收集的不同情绪状态下的脑电波信号的特征信息进行分析，得到该脑电波特征信息对应的情绪状态信息，并且赋予一定的数值作为情绪值，通过一定的模式识别算法来建立特征模型，特征模型即指情绪状态信息与脑电波特征信息的对应模型。
其中，模式识别算法包括但不限于神经网络分析（Artificial Neural Network,ANN），支持向量机（Support Vector Machine,SVM），线性回归，逻辑回归（LDAs）以及相似聚类等。
具体的，使用该特征模型对提取的脑电波信息的特征信息进行分析的方法可以采用有监督的机器学习过程，也就是基于规则的模型分析，需要事先手机一定的已知脑电波的特征信息，例如，收集的一百人处于认同肯定状态的脑电波信息，然后提取特征，进行模式匹配。
在使用者使用应用程序过程结束后，将多个不包含色彩元素的图形依次提供给使用者进行10-15秒时间的持续观察，采集并记录该过程期期间使用者脑电波的数据并将该数据通过计算机通过上述方法进行转换统计，筛选出能够使最多的使用者获得认同肯定的图形。
将通过实验获得的复合使用者对应用程序感受的色彩与所筛选出获得使用者最多认同肯定的图形进行结合，获得最优的应用程图标设计方案。
进一步优选，针对不同应用程序所针对的主要使用群体，确定选择进行脑电波信号检测和应用程序使用的使用者的年龄和性别以及其他相关特点。例如一款体育运动相关应用程序，所选择的实验对象主要确定为14-60周岁年龄段的男性使用者；一款服装购物类型应用程序，所选择的实验对象主要确定为18-50周岁年龄段的女性使用者；一款游戏娱乐类型应用程序，所选择的实验对象主要确定为20-40周岁年龄段的男性使用者。通过对于应用程序使用对象的筛选，更加真实地模拟应用程序在真实进入市场后所获得的主体使用人群的描述评价和反馈，能够更有针对性地应用程序图标进行设计改进，一遍在后续获得更好的反响并在市场竞争中获得优势。在上述基于情绪设计应用程序图标的方法中，还可以通过增加参与脑电波信号实验的应用程序使用者数量，获得更大的样本数据，提高统计分析结果的科学性和可靠性。
为了进一步充分利用检测获得的脑电波信号数据，还可以根据获得的情绪值对应调整应用程序的内部声音和色彩风格：当实验数据分类获得的情绪类型为喜悦时，通过调整应用程序使该程序在打开时自动播放轻松愉快的背景音乐并将该应用程序内部界面主要色彩优化为红色；当实验数据分类获得的情绪类型为平静或忧伤时，通过调整应用程序使该程序在打开时自动播放淡雅舒缓的背景音乐并将该应用程序内部界面主要色彩优化为黑色。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于情绪设计对应图标的方法，其特征在于：该方法包括有以下步骤
步骤（1）：选择一个应用程序，将所述应用程序的图标设置为初始状态；
步骤（2）：安排多位使用者对所述应用程序进行使用体验并且在使用过程中对使用者们的脑电波进行检测，将所检测到的脑电波数据进行记录；
步骤（3）：通过对步骤（2）中采集到的脑电波数据进行处理分析，把所采集到的脑电波数据转化为使用者的情绪值；所述步骤（2）中，脑电波检测过程限定于30-60分钟，每间隔五分钟的对于情绪值的数值进行记录；
步骤（4）：对步骤（3）中转化获得的情绪值进行分类，根据分类结果对应用程序的图标色彩进行后续设计；
步骤（5）：在使用者在使用应用程序结束后，将多个不包含色彩元素的图形依次提供给使用者进行10-15秒时间的持续观察，采集并记录该过程期间使用者脑电波的数据并将该数据计算机设备的处理转化为相应的情绪值，通过分析情绪值筛选并提取能够使最多的使用者获得认同肯定情绪状态的图形并进行后续设计；
所述步骤（2）中，在使用者们使用应用程序的同时，以五分钟为时间间隔要求使用者对自身的情绪状态和程度做出评价并记录相关数据，将该数据与同一时刻脑电波数据转化获得的情绪值进行比对统计，依据使用者自身评价描述获得的数据与脑电波试验的统计数据的符合程度进行排列，将两部分结果差异最大的前5%-10%的组别数据在后续统计时进行排除以提高数据的准确性；
在所述步骤（5）之后增加步骤（6）：
将多个预设的图形提供给使用者进行观察，使用者从中选择最为认同肯定的图形并记录数据，将该数据与通过所述步骤（5）中通过分析情绪值筛选获得的图标结果进行对比，将两部分结果差异最大的前5%-10%的组别数据在后续统计时进行排除。
2.根据权利要求1所述的基于情绪设计对应图标的方法，其特征在于：所述步骤（4）中，在对获得的情绪值进行分类时，将类型分为忧伤、平静和喜悦三大类，依次对应选择图标的颜色为蓝色、绿色和红色。
3.根据权利要求1所述的基于情绪设计对应图标的方法，其特征在于：在所述步骤（4）中增加操作，当实验数据得出使用者情绪分类为平静和忧伤时，调整应用程序，在打开应用程序时自动播放淡雅舒缓的背景音乐。
4.根据权利要求1所述的基于情绪设计对应图标的方法，其特征在于：在所述步骤（4）中增加操作，当实验数据得出使用者情绪分类为喜悦时，调整应用程序，在打开应用程序时自动播放愉悦轻快的背景音乐。
5.根据权利要求4所述的基于情绪设计对应图标的方法，其特征在于：在所述步骤（2）中增加操作，根据使用者试验获得的数据确定应用程序内部的颜色风格。
6.根据权利要求1所述的基于情绪设计对应图标的方法，其特征在于：所述步骤（2）中，根据应用程序所针对的用户主体人群，确定参与试验的所述使用者的年龄和性别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011138575.1A CN112231037B (zh) | 2020-10-22 | 2020-10-22 | 一种基于情绪设计对应图标的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011138575.1A CN112231037B (zh) | 2020-10-22 | 2020-10-22 | 一种基于情绪设计对应图标的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112231037A CN112231037A (zh) | 2021-01-15 |
| CN112231037B true CN112231037B (zh) | 2024-08-13 |
Family
ID=74110302
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011138575.1A Active CN112231037B (zh) | 2020-10-22 | 2020-10-22 | 一种基于情绪设计对应图标的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112231037B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115444418A (zh) * | 2021-05-19 | 2022-12-09 | 英属开曼群岛商大峡谷智慧照明系统股份有限公司 | 一种智能人因照光方法 |
| CN113729711B (zh) * | 2021-09-30 | 2023-10-13 | 深圳航天科技创新研究院 | 脑电信号分析方法、装置、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605513A (zh) * | 2013-11-06 | 2014-02-26 | 小米科技有限责任公司 | 一种图标处理方法、装置及终端设备 |
| CN106620990A (zh) * | 2016-11-24 | 2017-05-10 | 深圳创达云睿智能科技有限公司 | 一种调节情绪的方法及其装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104461235A (zh) * | 2014-11-10 | 2015-03-25 | 深圳市金立通信设备有限公司 | 一种应用图标处理方法 |
| CN105573613B (zh) * | 2015-06-24 | 2019-03-22 | 宇龙计算机通信科技(深圳)有限公司 | 一种程序图标排序方法和装置 |
| KR20190134049A (ko) * | 2018-05-24 | 2019-12-04 | 주식회사 플랫팜 | 채팅 서비스를 제공하기 위한 사용자 단말기 |
| CN110464366A (zh) * | 2019-07-01 | 2019-11-19 | 华南师范大学 | 一种情绪识别方法、系统及存储介质 |
-
2020
- 2020-10-22 CN CN202011138575.1A patent/CN112231037B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605513A (zh) * | 2013-11-06 | 2014-02-26 | 小米科技有限责任公司 | 一种图标处理方法、装置及终端设备 |
| CN106620990A (zh) * | 2016-11-24 | 2017-05-10 | 深圳创达云睿智能科技有限公司 | 一种调节情绪的方法及其装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112231037A (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | On the usability of electroencephalographic signals for biometric recognition: A survey | |
| CN110353702A (zh) | 一种基于浅层卷积神经网络的情感识别方法及系统 | |
| CN112231037B (zh) | 一种基于情绪设计对应图标的方法 | |
| CN108959895B (zh) | 一种基于卷积神经网络的脑电信号eeg身份识别方法 | |
| CN104586387A (zh) | 一种时、频、空域多参数脑电特征提取与融合方法 | |
| CN108960182A (zh) | 一种基于深度学习的p300事件相关电位分类识别方法 | |
| CN113729707A (zh) | 一种基于fecnn-lstm的眼动和ppg多模态融合的情感识别方法 | |
| CN101828921A (zh) | 基于视觉诱发脑电vep的身份识别方法 | |
| Anh-Dao et al. | A multistage system for automatic detection of epileptic spikes | |
| CN110135285A (zh) | 一种使用单导设备的脑电静息态身份认证方法及装置 | |
| CN107918487A (zh) | 一种基于皮肤电信号识别中文情感词的方法 | |
| CN109871831A (zh) | 一种情感识别方法及系统 | |
| CN107704881A (zh) | 一种基于动物脑电识别的数据可视化处理方法及装置 | |
| CN109009098B (zh) | 一种运动想象状态下的脑电信号特征识别方法 | |
| CN115227243A (zh) | 判别脑疲劳及情绪的自动检索背景音乐bci系统 | |
| WO2022100187A1 (zh) | 一种基于移动端对用户的情感进行识别与监测方法 | |
| CN113208633A (zh) | 一种基于eeg脑波的情绪识别方法、系统 | |
| CN112603337A (zh) | 一种脑电信号识别方法 | |
| CN114721514B (zh) | 一种基于脑电信号的几何模型选择意图判别方法及系统 | |
| CN116484290A (zh) | 一种基于Stacking集成的抑郁症识别模型构建方法 | |
| CN115137370A (zh) | 一种基于脑电信号的疲劳监测方法及系统 | |
| CN114970641A (zh) | 情感类别的识别方法、装置、处理器及电子设备 | |
| CN112507959A (zh) | 一种基于视频中个体面部分析的情绪感知模型的建立方法 | |
| Abdullah et al. | EEG Emotion Detection Using Multi-Model Classification | |
| CN111783857A (zh) | 基于非线性网络信息图的运动想象脑机接口 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |