CN115153552A - 情绪状态评估方法、装置、电子设备及存储介质 - Google Patents
情绪状态评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115153552A CN115153552A CN202210869527.2A CN202210869527A CN115153552A CN 115153552 A CN115153552 A CN 115153552A CN 202210869527 A CN202210869527 A CN 202210869527A CN 115153552 A CN115153552 A CN 115153552A
- Authority
- CN
- China
- Prior art keywords
- emotion
- index
- time period
- initial
- emotion 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
Images
Classifications
-
- 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种情绪状态评估方法、装置、电子设备及存储介质,包括:采集目标对象的原始数据,基于原始数据确定每个第一时间段内的心率变异性指标以及运动能量;基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数;针对每个初始情绪指数,根据初始情绪指数对应的运动能量以及与初始情绪指数对应的第二时间段内的运动能量,对初始情绪指数进行校准得到目标情绪指数;根据各目标情绪指数组成目标情绪指数序列,根据目标情绪指数序列确定至少一个场景下的情绪评估参数,基于各情绪评估参数确定目标对象的目标情绪状态。本发明实施例的技术方案,实现了长时间可持续的情绪状态评估,提高评估准确性以及便捷性的效果。
Description
技术领域
本发明涉及医学技术领域,尤其涉及一种情绪状态评估方法、装置、电子设备及存储介质。
背景技术
情绪状态的评估与诊断主要依靠量表,量表的填写带有强烈的主观性,并且用户在填写量表的过程中很容易有防御心理,导致做出与事实不符的回答,因此,难以客观准确的反应用户的真实状态。
目前,存在通过检测用户的静息态脑功能图像、脑电图谱、面部表情、语音信息等进行情绪状态评估的方法,这些方法只能评估用户实时的,或者在短时间内的情绪状态,难以反应用户在日常生活中的真实情绪状态。
发明内容
本发明提供了一种情绪状态评估方法、装置、电子设备及存储介质,以实现长时间可持续的情绪状态评估,提高评估准确性以及便捷性的技术效果。
根据本发明的一方面,提供了一种情绪状态评估方法,该方法包括:
采集目标对象的原始数据,并基于所述原始数据,确定每个第一时间段内的心率变异性指标以及运动能量;
基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数;
针对每个初始情绪指数,根据所述初始情绪指数对应的运动能量以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述初始情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数;其中,所述第二时间段大于所述第一时间段;
根据各目标情绪指数组成目标情绪指数序列,根据所述目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定所述目标对象的目标情绪状态。
根据本发明的另一方面,提供了一种情绪状态评估装置,该装置包括:
原始数据处理模块,用于采集目标对象的原始数据,并基于所述原始数据,确定每个第一时间段内的心率变异性指标以及运动能量;
初始情绪指数确定模块,用于基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数;
目标情绪指数确定模块,用于针对每个初始情绪指数,根据所述初始情绪指数对应的运动能量以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述初始情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数;其中,所述第二时间段大于所述第一时间段;
目标情绪状态确定模块,用于根据各目标情绪指数组成目标情绪指数序列,根据所述目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定所述目标对象的目标情绪状态。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的情绪状态评估方法。
根据本发明的另一方面,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计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的情绪状态评估方法。
本发明实施例的技术方案,通过采集目标对象的原始数据,并基于原始数据,确定每个第一时间段内的心率变异性指标以及运动能量,基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数,针对每个初始情绪指数,根据初始情绪指数对应的运动能量以及与初始情绪指数对应的第二时间段内的运动能量,对初始情绪指数进行校准,得到初始情绪指数对应的目标情绪指数,根据各目标情绪指数组成目标情绪指数序列,根据目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定目标对象的目标情绪状态,解决了情绪状态评估准确性低以及难以长时间且持续的对情绪状态进行评估问题,实现了长时间可持续的情绪状态评估,提高评估准确性以及便捷性的技术效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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发明的一些实施例,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。
图1为本发明实施例一所提供的一种情绪状态评估方法的流程示意图;
图2为本发明实施例一所提供的一种全天24小时的情绪状态评估流程示意图;
图3为本发明实施例二所提供的一种情绪状态评估方法的流程示意图;
图4为本发明实施例三所提供的一种情绪状态评估装置的结构示意图;
图5为本发明实施例四所提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
实施例一
图1为本发明实施例一所提供的一种情绪状态评估方法的流程示意图,本实施例可适用于对目标对象进行长时间且持续的情绪状态评估的情况,该方法可以由情绪状态评估装置来执行,该情绪状态评估装置可以采用硬件和/或软件的形式实现,该情绪状态评估装置可配置于电子设备中。
如图1所示,该方法包括:
S110、采集目标对象的原始数据,并基于原始数据,确定每个第一时间段内的心率变异性指标以及运动能量。
其中,目标对象可以是待进行情绪状态评估的对象。原始数据可以是基于检测设备获取的数据,例如:基于可穿戴生理信号检测装置采集的信号等。原始数据中可以包括心电信号、脉搏波等用于确定心率序列的数据。第一时间段可以是预先设置的用于确定目标对象短时间内情绪状态的时间段,例如:0min-5min等。心率变异性指标是指每一次心跳的时间不断改变的现象,是能够反映自主神经系统活性和定量评估心脏交感神经与迷走神经张力及其平衡性的一个指标。运动能量可以是用于衡量目标对象运动量大小的指标。
具体的,持续采集目标对象的原始数据,并对每个第一时间段内的原始数据进行分析和处理,提取第一时间段内的心率变异性指标以及运动能量。
需要说明的是,第一时间段的确定方式可以是:根据预设时长和预设间隔确定各第一时间段,例如:预设时长为5min,预设间隔为1min,那么,可以将0min-5min,1min-6min,2min-7min等作为各个第一时间段。
在上述示例的基础上,可以通过下述方式来准确的确定每个第一时间段内的心率变异性指标:
根据原始数据,确定原始数据中的心率序列。
其中,心率序列可以是心率数据在时间维度上的序列。
具体的,通过心率提取算法,可以从原始数据总提取心率序列。
针对每个第一时间段,根据心率序列确定第一时间段对应的心率子序列,并根据心率子序列确定第一时间段内的心率变异性指标。
其中,心率变异性指标包括平均心率、标准差以及低频高频比中的至少一种。心率子序列可以是第一时间段所对应的心率序列。其中,标准差以及低频高频比可以理解为基于RR间期计算的指标,标准差可以理解为NN间期的标准差。
具体的,按照第一时间段从心率序列中确定出每个第一时间段对应的心率子序列。进而,对心率子序列进行分析和处理,提取出心率子序列对应的心率变异性指标,具体可以是平均心率、标准差以及低频高频比中的至少一种。
需要说明的是,对心率变异性指标的分析实际上是对心动周期(RR间期序列)变异的分析,分析方法有时域分析法、频域分析法及非线性(混沌)分析法。心率变异性指标可以包括时域、频域以及非线性指标,时域指标有均值,标准差,差值均方根,相邻RR间期差值大于50ms的百分比等,频域指标有总功率,超低频功率,极低频功率,低频功率,高频功率HF,标准化低频功率,标准化高频功率,低频高频比等。在本实施例中选择平均心率、标准差以及低频高频比中的至少一种,也可以根据实际需求选择其他种类的心率变异性指标,在本实施例中不做具体限定。
在上述示例的基础上,可以通过下述方式来准确的确定每个第一时间段内的运动能量:
根据原始数据,确定原始数据中的三轴加速度序列。
其中,三轴加速度序列可以是原始数据中的数据,可以是基于三轴加速度计传感器等采集装置获取的数据。三轴加速度序列可以包括横轴加速度序列、纵轴加速度序列以及竖轴加速度序列。
具体的,从原始数据中提取出其中包含的三轴加速度序列,其中,横轴加速度序列即为x轴序列,可以用x_axis表示;纵轴加速度序列即为y轴序列,可以用y_axis表示;竖轴加速度序列即为z轴序列,可以用z_axis表示。
根据第一时间段对应的三轴加速度序列确定运动模量序列,并根据运动模量序列确定运动功率谱。
其中,运动模量序列可以是各轴加速度的平方和再开方得到的序列。运动功率谱可以是运动模量序列对应的傅里叶变换谱。
具体的,将第一时间段对应的三轴加速度序列中的横轴加速度序列、纵轴加速度序列和竖轴加速度序列求平方和后再开方,得到各第一时间段对应的运动模量序列。进而,对运动模量序列进行傅里叶变换,得到傅里叶变换谱,即为运动功率谱。
示例性的,可以通过下述公式确定运动模量序列:
其中,x_axis表示横轴加速度序列,y_axis表示纵轴加速度序列,z_axis表示竖轴加速度序列,xyz_sqrt表示运动模量序列。
针对每个第一时间段,根据预设频段以及运动功率谱,确定第一时间段内的运动能量。
其中,预设频段可以是预先设置的叠加频率段,例如:0.5~5Hz等。
具体的,针对每个第一时间段,将该第一时间段内的运动功率谱在预设频段内的功率谱幅度相加,得到该第一时间段内的运动能量。
S120、基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数。
其中,初始情绪指数可以是初步确定出的情绪指数,可以理解为与心率变异性指标相关的情绪指数。
具体的,针对每个第一时间段,将该第一时间段内的心率变异指数进行归一化,以使初始情绪指数能够处于预设的指数范围内,例如0-100内等,且符合正态分布。进而,将归一化后的心率变异指数进行加权求和,得到该第一时间段对应的初始情绪指数。
示例性的,以心率变异性指标为平均心率、标准差以及低频高频比为例,对这三个指标进行归一化处理,可以是按照表1的对应关系对平均心率(Heart Rate,HR)进行归一化处理,得到归一化后的平均心率,记为HRNorm,按照表2的对应关系对标准差(StandardDiviation of NN intervals,SDNN)进行归一化处理,得到归一化后的标准差,记为SdnnNorm,按照表3的对应关系对低频高频比(Low Frequency/High Frequency,LF/HF)进行归一化处理,得到归一化后的低频高频比,记为lfhfNorm,当然,也可以按照其他方式进行归一化处理。
表1
HR(BMP) | <30 | ≤40 | ≤50 | ≤55 | ≤60 | ≤65 | ≤70 |
HRNorm | 0 | 0.4 | 0.6 | 0.8 | 1 | 1.5 | 2 |
HR(BMP) | ≤80 | ≤95 | ≤120 | ≤140 | ≤160 | ≤180 | >180 |
HRNorm | 2.5 | 2.8 | 3 | 3.2 | 3.5 | 3.8 | 4 |
表2
表3
并且,可以对平均心率、标准差以及低频高频比分别定义权重,例如:平均心率权重wHR=12.5;标准差权重wSdnn=5;低频高频比权重wLFHFRatio=7.5,进而,可以按照以下公式计算初始情绪指数fatigue_index:
fatigue_index=wHR*HRNorm+wSdnn*SdnnNorm+wLFHFRatio*lfhfNorm
通过上式公式计算得到的初始情绪指数满足其在0~100的要求,且呈正态分布。
通用的,可以通过下述公式来计算初始情绪指数:
其中,fatigue_index表示初始情绪指数,n表示心率变异性指标数量,w(i)表示第i个心率变异性指标对应的权重,valueNorm(i)表示第i个心率变异性指标。
S130、针对每个初始情绪指数,根据初始情绪指数对应的运动能量以及与初始情绪指数对应的第二时间段内的运动能量,对初始情绪指数进行校准,得到初始情绪指数对应的目标情绪指数。
其中,第二时间段可以是判断持续运动的时间段,第二时间段大于第一时间段,例如:第一时间段为65-70min,对应的第二时间段为40-70min。目标情绪指数可以是进行运动校准后得到的情绪指数。
具体的,可以对初始情绪指数进行运动校准,对运动量大时计算的初始情绪指数偏高以及久坐不动时的初始情绪指数偏低的情况进行修正。由于情绪指数过高表示压力指数偏高,处于高压状态,情绪指数过低表示情绪低迷,因此,对上述情况进行修正能够得到目标情绪指数,使其更接近目标对象的真实压力水平。对每个初始情绪指数,确定对应的第二时间段内的运动能量,基于第一时间段的运动能量和第二时间段内的运动能量,对初始情绪指数进行校准,将校准后的初始情绪指数作为目标情绪指数。
S140、根据各目标情绪指数组成目标情绪指数序列,根据目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定目标对象的目标情绪状态。
其中,场景可以是用于衡量不同节律,示例性的,场景包括全天平均场景、日间平均场景、睡眠期间平均场景、日间与睡眠期间平均差值场景、全天与睡眠期间平均差值场景以及预设时间段与非预设时间段平均差值场景中的至少一种。情绪评估参数可以是与各场景相对应的评估值。目标情绪状态可以是与各场景下的情绪评估参数对应的情绪状态。可选的,目标情绪状态包括全天情绪状态、昼夜节律性、情绪模式以及抑郁状态中的至少一种。全天情绪状态可以是用于评估目标对象在全天内的情绪状态,例如高涨、平静、低迷等。昼夜节律性可以是用于评估目标对象睡眠情况的情绪状态,例如:失眠等。情绪模式可以用于评估目标对象情绪变化的情绪状态,例如:高涨-低迷-高涨、持续高涨、持续低迷等。抑郁状态可以用于评估目标对象的抑郁倾向,例如:具有抑郁倾向、不具有抑郁倾向等。
具体的,确定至少一个待评估的场景,根据各目标情绪指数组成目标情绪指数序列,确定这些待评估的场景下的评估值,即为情绪评估参数。进而,根据预先设定的对应场景下的情绪评估参数与情绪状态之间的对应关系,确定情绪评估参数对应的情绪状态为待评估的场景对应的情绪状态,进而,综合各场景下的情绪状态,可以确定目标对象的目标情绪状态。例如:全天24小时的情绪状态评估流程如图2所示,即可以按照如图2所示的流程来评估目标对象的目标情绪状态。
需要说明的是,可以预先建立各场景下的情绪评估参数与情绪状态之间的对应关系,例如:情绪评估参数处于第二区间,例如33~66时,说明目标对象处于安静状态,日常的工作,散步等都处于这个范围;情绪评估参数处于第一区间,例如66~100时,压力指数偏高,过高的情绪评估参数指示目标对象处于高压状态;睡眠过程中的情绪评估参数一般处于较低水平,即第三区间,例如:0~33范围内。进而,可以确定第一区间对应的情绪状态为兴奋,第二区间对应的情绪状态为平静,第三区间对应的情绪状态为睡眠。
示例性的,在睡眠过程中,目标对象的情绪评估参数一般较低,通常处于第三区间,有睡眠障碍疾病或者自主神经受损的目标对象在睡眠过程中的情绪评估参数通常高于正常水平,即高于第三区间的最大边界值,可能存在整晚睡眠过程中的情绪指数,即睡眠期间平均场景对应的情绪评估参数高于第三区间的最大边界值的情况。这种情况下,目标对象的睡眠质量不高,容易衍生各种身心问题。那么,进一步的,后续可以利用目标情绪指数在特定场景下的高低水平这一差异来对患有某种疾病的概率进行预测。
本发明实施例的技术方案,通过采集目标对象的原始数据,并基于原始数据,确定每个第一时间段内的心率变异性指标以及运动能量,基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数,针对每个初始情绪指数,根据初始情绪指数对应的运动能量以及与初始情绪指数对应的第二时间段内的运动能量,对初始情绪指数进行校准,得到初始情绪指数对应的目标情绪指数,根据各目标情绪指数组成目标情绪指数序列,根据目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定目标对象的目标情绪状态,解决了情绪状态评估准确性低以及难以长时间且持续的对情绪状态进行评估问题,实现了长时间可持续的情绪状态评估,提高评估准确性以及便捷性的技术效果。
实施例二
图3为本发明实施例二所提供的一种情绪状态评估方法的流程示意图,在前述实施例的基础上,针对对初始情绪指数进行校准确定目标情绪指数的具体实施方式可以参见本技术方案的详细阐述。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
如图3所示,该方法包括:
S210、采集目标对象的原始数据,并基于原始数据,确定每个第一时间段内的心率变异性指标以及运动能量。
S220、基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数。
S230、针对每个初始情绪指数,若初始情绪指数对应的运动能量不超过预设的第一运动阈值,则根据运动能量对初始情绪指数进行校准,得到待处理情绪指数,否则,将初始情绪指数作为待处理情绪指数。
其中,第一运动阈值可以是预先设置的用于判断第一时间段内是否剧烈运动的运动能量的阈值。待处理情绪指数可以是根据第一时间段内的运动能量对初始情绪指数进行校准后的结果。
具体的,针对每个初始情绪指数,都可以使用相同的方式进行第一次校准,以其中一个初始情绪指数为例说明。判断初始情绪指数对应的运动能量与预设的第一运动阈值进行比较,若该运动能量不超过第一运动阈值,则根据该运动能量来对初始情绪指数进行校准,将校准后的初始情绪指数作为待处理情绪指数,若该运动能量超过第一运动阈值,则不对初始情绪指数进行校准,即将初始情绪指数作为待处理情绪指数。
在上述示例的基础上,在初始情绪指数对应的运动能量不超过预设的第一运动阈值的情况下,可以通过下述方式来根据运动能量对初始情绪指数进行校准,得到待处理情绪指数:
根据预设的运动能量与校准值的对应关系,确定与运动能量对应的第一校准值;根据第一校准值以及初始情绪指数,确定待处理情绪指数。
其中,预设的运动能量与校准值的对应关系可以是预先建立的第一时间段对应的运动能量与对初始情绪指数进行校准所需的校准值之间的对应关系。第一校准值可以是对初始情绪指数进行校准所需的校准值。
具体的,可以预先建立运动能量与校准值的对应关系,根据该对应关系,可以确定与第一时间段内的运动能量对应的校准值,即为第一校准值。将第一校准值与初始情绪指数进行计算,例如相加等,将得到的结果作为待处理情绪指数。
示例性的,预先建立的运动能量(Energy)与校准值(EnergyNorm)的对应关系如表4所示。
表4
Energy | <1 | ≤2 | ≤5 | ≤10 | ≤20 | >20 |
EnergyNorm | 0 | -3 | -5 | -10 | -15 | -20 |
在表4中,可以确定运动能量与第一校准指数呈负相关,在确定与第一时间段内的运动能量对应的第一校准值后,可以在初始情绪指数的基础上加上第一校准值,得到待处理情绪指数,即通过下述公式确定待处理情绪指数
fatigue_index’=fatigue_index+EnergyNorm
其中,fatigue_index为初始情绪指数,EnergyNorm为第一校准值,fatigue_index’为待处理情绪指数。
S240、若待处理情绪指数大于或等于预设的第一情绪阈值,且第一时间段内的运动能量和第二时间段内的运动能量均小于预设的第二运动阈值,则根据预设的第二校准值以及待处理情绪指数,确定初始情绪指数对应的目标情绪指数;否则,将待处理情绪指数作为初始情绪指数对应的目标情绪指数。
其中,第一情绪阈值可以是用于判断情绪指数是否过高的数值,例如可以是70等。第二运动阈值可以是用于判断第一时间段和第二时间段内的运动能量过小的数值,例如可以是2等。第二校准值可以是预先设定的用于对待处理情绪指数进行校准的数值,例如可以是5等。需要说明的是,第一情绪阈值、第二运动阈值以及第二校准值的具体数值在本实施例中不做具体限定。
具体的,在待处理情绪指数大于或等于预设的第一情绪阈值、第一时间段内的运动能量小于预设的第二运动阈值且第二时间段内的运动能量小于预设的第二运动阈值的情况下,根据预设的第二校准值和待处理情绪指数进行计算,将计算结果作为目标情绪指数,在其他情况下,无需进行第二次校准,因此,将待处理情绪指数作为初始情绪指数对应的目标情绪指数。
示例性的,可以根据公式fatigue_index”=fatigue_index’+EnergyNorm’,其中,fatigue_index’为待处理情绪指数,EnergyNorm’为第二校准值,fatigue_index”为目标情绪指数。
可选的,在目标情绪指数大于预设情绪指数最大值的情况下,可以将预设情绪指数作为目标情绪指数。
示例性的,预设情绪指数最大值为100,预设情绪指数为99.59。在目标情绪指数超过100时,将目标情绪指数置为99.59。
S250、根据各目标情绪指数组成目标情绪指数序列,根据目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定目标对象的目标情绪状态。
本发明实施例的技术方案,通过采集目标对象的原始数据,并基于原始数据,确定每个第一时间段内的心率变异性指标以及运动能量,基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数,针对每个初始情绪指数,若初始情绪指数对应的运动能量不超过预设的第一运动阈值,则根据运动能量对初始情绪指数进行校准,得到待处理情绪指数,否则,将初始情绪指数作为待处理情绪指数,以进行第一次校准,若待处理情绪指数大于或等于预设的第一情绪阈值,且第一时间段内的运动能量和第二时间段内的运动能量均小于预设的第二运动阈值,则根据预设的第二校准值以及待处理情绪指数,确定初始情绪指数对应的目标情绪指数;否则,将待处理情绪指数作为初始情绪指数对应的目标情绪指数,以进行第二次校准,根据各目标情绪指数组成目标情绪指数序列,根据目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定目标对象的目标情绪状态,解决了情绪状态评估准确性低以及难以长时间且持续的对情绪状态进行评估问题,实现了长时间可持续的情绪状态评估,提高评估准确性以及便捷性的技术效果。
实施例三
图4为本发明实施例三所提供的一种情绪状态评估装置的结构示意图。如图4所示,该装置包括:原始数据处理模块310、初始情绪指数确定模块320、目标情绪指数确定模块330以及目标情绪状态确定模块340。
其中,原始数据处理模块310,用于采集目标对象的原始数据,并基于所述原始数据,确定每个第一时间段内的心率变异性指标以及运动能量;初始情绪指数确定模块320,用于基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数;目标情绪指数确定模块330,用于针对每个初始情绪指数,根据所述初始情绪指数对应的运动能量以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述初始情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数;其中,所述第二时间段大于所述第一时间段;目标情绪状态确定模块340,用于根据各目标情绪指数组成目标情绪指数序列,根据所述目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定所述目标对象的目标情绪状态。
可选的,原始数据处理模块310,还用于根据所述原始数据,确定所述原始数据中的心率序列;针对每个第一时间段,根据所述心率序列确定所述第一时间段对应的心率子序列,并根据所述心率子序列确定所述第一时间段内的心率变异性指标;其中,所述心率变异性指标包括平均心率、标准差以及低频高频比中的至少一种。
可选的,原始数据处理模块310,还用于根据所述原始数据,确定所述原始数据中的三轴加速度序列;根据所述第一时间段对应的三轴加速度序列确定运动模量序列,并根据所述运动模量序列确定于运动功率谱;针对每个第一时间段,根据预设频段以及所述运动功率谱,确定所述第一时间段内的运动能量。
可选的,目标情绪指数确定模块330,还用于针对每个初始情绪指数,若所述初始情绪指数对应的运动能量不超过预设的第一运动阈值,则根据所述运动能量对所述初始情绪指数进行校准,得到待处理情绪指数,否则,将所述初始情绪指数作为待处理情绪指数;根据所述待处理情绪指数以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述待处理情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数。
可选的,目标情绪指数确定模块330,还用于根据预设的运动能量与校准值的对应关系,确定与所述运动能量对应的第一校准值;根据所述第一校准值以及所述初始情绪指数,确定待处理情绪指数。
可选的,目标情绪指数确定模块330,还用于若所述待处理情绪指数大于或等于预设的第一情绪阈值,且所述第一时间段内的运动能量和所述第二时间段内的运动能量均小于预设的第二运动阈值,则根据预设的第二校准值以及所述待处理情绪指数,确定所述初始情绪指数对应的目标情绪指数;否则,将所述待处理情绪指数作为所述初始情绪指数对应的目标情绪指数。
可选的,所述场景包括全天平均场景、日间平均场景、睡眠期间平均场景、日间与睡眠期间平均差值场景、全天与睡眠期间平均差值场景以及预设时间段与非预设时间段平均差值场景中的至少一种;所述目标情绪状态包括全天情绪状态、昼夜节律性、情绪模式以及抑郁状态中的至少一种。
本发明实施例的技术方案,通过采集目标对象的原始数据,并基于原始数据,确定每个第一时间段内的心率变异性指标以及运动能量,基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数,针对每个初始情绪指数,根据初始情绪指数对应的运动能量以及与初始情绪指数对应的第二时间段内的运动能量,对初始情绪指数进行校准,得到初始情绪指数对应的目标情绪指数,根据各目标情绪指数组成目标情绪指数序列,根据目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定目标对象的目标情绪状态,解决了情绪状态评估准确性低以及难以长时间且持续的对情绪状态进行评估问题,实现了长时间可持续的情绪状态评估,提高评估准确性以及便捷性的技术效果。
本发明实施例所提供的情绪状态评估装置可执行本发明任意实施例所提供的情绪状态评估方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如情绪状态评估方法。
在一些实施例中,情绪状态评估方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的情绪状态评估方法一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行情绪状态评估方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种情绪状态评估方法,其特征在于,包括:
采集目标对象的原始数据,并基于所述原始数据,确定每个第一时间段内的心率变异性指标以及运动能量;
基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数;
针对每个初始情绪指数,根据所述初始情绪指数对应的运动能量以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述初始情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数;其中,所述第二时间段大于所述第一时间段;
根据各目标情绪指数组成目标情绪指数序列,根据所述目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定所述目标对象的目标情绪状态。
2.根据权利要求1所述的方法,其特征在于,所述基于所述原始数据,确定每个第一时间段内的心率变异性指标,包括:
根据所述原始数据,确定所述原始数据中的心率序列;
针对每个第一时间段,根据所述心率序列确定所述第一时间段对应的心率子序列,并根据所述心率子序列确定所述第一时间段内的心率变异性指标;其中,所述心率变异性指标包括平均心率、标准差以及低频高频比中的至少一种。
3.根据权利要求1所述的方法,其特征在于,基于所述原始数据,确定每个第一时间段内的运动能量,包括:
根据所述原始数据,确定所述原始数据中的三轴加速度序列;
根据所述第一时间段对应的三轴加速度序列确定运动模量序列,并根据所述运动模量序列确定于运动功率谱;
针对每个第一时间段,根据预设频段以及所述运动功率谱,确定所述第一时间段内的运动能量。
4.根据权利要求1所述的方法,其特征在于,所述针对每个初始情绪指数,根据所述初始情绪指数对应的运动能量以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述初始情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数,包括:
针对每个初始情绪指数,若所述初始情绪指数对应的运动能量不超过预设的第一运动阈值,则根据所述运动能量对所述初始情绪指数进行校准,得到待处理情绪指数,否则,将所述初始情绪指数作为待处理情绪指数;
根据所述待处理情绪指数以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述待处理情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述运动能量对所述初始情绪指数进行校准,得到待处理情绪指数,包括:
根据预设的运动能量与校准值的对应关系,确定与所述运动能量对应的第一校准值;
根据所述第一校准值以及所述初始情绪指数,确定待处理情绪指数。
6.根据权利要求4所述的方法,其特征在于,所述根据所述待处理情绪指数以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述待处理情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数,包括:
若所述待处理情绪指数大于或等于预设的第一情绪阈值,且所述第一时间段内的运动能量和所述第二时间段内的运动能量均小于预设的第二运动阈值,则根据预设的第二校准值以及所述待处理情绪指数,确定所述初始情绪指数对应的目标情绪指数;
否则,将所述待处理情绪指数作为所述初始情绪指数对应的目标情绪指数。
7.根据权利要求1所述的方法,其特征在于,所述场景包括全天平均场景、日间平均场景、睡眠期间平均场景、日间与睡眠期间平均差值场景、全天与睡眠期间平均差值场景以及预设时间段与非预设时间段平均差值场景中的至少一种;所述目标情绪状态包括全天情绪状态、昼夜节律性、情绪模式以及抑郁状态中的至少一种。
8.一种情绪状态评估装置,其特征在于,包括:
原始数据处理模块,用于采集目标对象的原始数据,并基于所述原始数据,确定每个第一时间段内的心率变异性指标以及运动能量;
初始情绪指数确定模块,用于基于各第一时间段对应的心率变异性指标,确定与各第一时间段对应的初始情绪指数;
目标情绪指数确定模块,用于针对每个初始情绪指数,根据所述初始情绪指数对应的运动能量以及与所述初始情绪指数对应的第二时间段内的运动能量,对所述初始情绪指数进行校准,得到所述初始情绪指数对应的目标情绪指数;其中,所述第二时间段大于所述第一时间段;
目标情绪状态确定模块,用于根据各目标情绪指数组成目标情绪指数序列,根据所述目标情绪指数序列确定至少一个场景下的情绪评估参数,并基于各情绪评估参数确定所述目标对象的目标情绪状态。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的情绪状态评估方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的情绪状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210869527.2A CN115153552A (zh) | 2022-07-21 | 2022-07-21 | 情绪状态评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210869527.2A CN115153552A (zh) | 2022-07-21 | 2022-07-21 | 情绪状态评估方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115153552A true CN115153552A (zh) | 2022-10-11 |
Family
ID=83497553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210869527.2A Pending CN115153552A (zh) | 2022-07-21 | 2022-07-21 | 情绪状态评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115153552A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116725538A (zh) * | 2023-08-11 | 2023-09-12 | 深圳市昊岳科技有限公司 | 一种基于深度学习的手环情绪识别方法 |
CN116763312A (zh) * | 2023-08-21 | 2023-09-19 | 上海迎智正能文化发展有限公司 | 一种基于可穿戴设备的异常情绪识别方法及系统 |
-
2022
- 2022-07-21 CN CN202210869527.2A patent/CN115153552A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116725538A (zh) * | 2023-08-11 | 2023-09-12 | 深圳市昊岳科技有限公司 | 一种基于深度学习的手环情绪识别方法 |
CN116725538B (zh) * | 2023-08-11 | 2023-10-27 | 深圳市昊岳科技有限公司 | 一种基于深度学习的手环情绪识别方法 |
CN116763312A (zh) * | 2023-08-21 | 2023-09-19 | 上海迎智正能文化发展有限公司 | 一种基于可穿戴设备的异常情绪识别方法及系统 |
CN116763312B (zh) * | 2023-08-21 | 2023-12-05 | 上海迎智正能文化发展有限公司 | 一种基于可穿戴设备的异常情绪识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115153552A (zh) | 情绪状态评估方法、装置、电子设备及存储介质 | |
CN109313732B (zh) | 预测风险模型优化 | |
US9848784B2 (en) | Method for determining the physical and/or psychological state of a subject | |
CN109864736A (zh) | 心电信号的处理方法、装置、终端设备及介质 | |
CN110464303B (zh) | 睡眠质量评估方法及装置 | |
CN106104539B (zh) | 使用警报再生的针对警报咨询的警报设置的优化 | |
CN117542536B (zh) | 一种基于体检数据的智能护理方法及系统 | |
CN112806961A (zh) | 体征数据评估方法及装置 | |
US20150141859A1 (en) | Systems and methods for cardiac rhythm variability analysis | |
US11610073B2 (en) | Device and method for analyzing the state of a system in a noisy context | |
US20130079652A1 (en) | Assessment of cardiac health based on heart rate variability | |
CN115670460A (zh) | 一种心境状态监测方法、装置及存储介质 | |
Wang et al. | Heart-rate analysis of healthy and insomnia groups with detrended fractal dimension feature in edge | |
CN109712708B (zh) | 一种基于数据挖掘的健康状况预测方法及装置 | |
CN112397204B (zh) | 一种预测高原病的方法、装置、计算机设备和存储介质 | |
Jadhav et al. | A function‐based approach to model the measurement error in wearable devices | |
CN106859625B (zh) | 一种hrv测量方法以及装置 | |
CN112168188A (zh) | 一种用于压力检测数据的处理方法和装置 | |
Ma et al. | A new measure to characterize multifractality of sleep electroencephalogram | |
CN114931386A (zh) | 一种睡眠质量确定方法及系统 | |
CN111685742B (zh) | 一种用于脑卒中病治疗的评估系统及方法 | |
WO2021230775A1 (ru) | Способ определения фазы сна в длительной записи ээг | |
CN114680857A (zh) | 参数确定方法、参数确定装置、存储介质及电子设备 | |
CN117786429B (zh) | 基于可穿戴设备的老人健康监测数据处理方法 | |
JP2020121035A (ja) | 睡眠指標算出装置及び睡眠指標算出方法 |
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 |