专利交易市场

本公开公开了融合ERP成分与非线性特征的意识情绪识别方法及系统，首先，对原始脑电信号进行预处理，预处理步骤包括伪迹去除、叠加平均和通道选择；其次，提出了一个基于Shapelet技术的ERP特征匹配与提取方法，自动提取N200、P300和N300等ERP特征；第三，采用集成的时频分析方法变分模态分解VMD和小波包分解WPD获取更好的时频分辨率和EEG信号的非线性特征，进一步提取非线性特征MMSE，并将其与ERP特征融合形成情绪特征向量；最后，将融合的特征向量输入随机森林分类器进行意识情绪与无意识情绪识别。

本发明公开一种基于脑机协同训练的半监督面部情绪识别方法，在有标签的图像上训练认知模型和分类模型，使用训练后的认知模型和分类模型预测无标签数据的伪标签，将预测一致的标签作为图像的伪标签。认知模型和分类模型在伪标签扩增后的训练集上更新训练，然后重新预测无标签图像，如此反复；将检测效果最佳的分类模型作为最终分类模型。将被测图像输入最终分类模型，最终分类模型输出被测图像中的对象的情绪类型。本发明通过交替训练认知模型和分类模型，相互验证预测结果获得更高质量的伪标签，防止单一模型过度拟合预测错误的伪标签数据，从而更充分地利用无标签图像数据。

本发明公开了一种基于全局特征与局部特征融合网络的情绪识别方法，其涉及人脸识别技术领域。包括：构建基于全局特征与局部特征融合网络GLFNet的情绪识别模型；将待识别的人脸图像输入情绪识别模型，通过主干网络ResNet‑18提取人脸图像的中间特征图，将中间特征图分别送入全局模块和局部模块，得到全局特征图和局部特征图；特征融合模块将全局特征图和局部特征图进行融合，得到融合特征；并在中间特征和融合特征之间建立残差连接，得到最终融合特征；将最终融合特征经过全连接层FC处理得到情绪识别结果。本发明能够提高面部图像情绪识别结果的准确性，得到更丰富的融合特征信息，为面部表情识别任务提供更强大的性能。

本发明实施例涉及一种客户情绪分级方法及装置，其中，方法包括：获取客户输入的第一聊天信息和客服输入的第二聊天信息；基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息；基于所述客户情绪信息，确定客户情绪等级。本发明实施例考虑到客户输入的聊天信息是直观反映客户情绪的信息，客服输入的聊天信息是间接体现客户情绪的信息，因此，获取客户与客服的聊天信息后，可分析客户与客服的聊天信息得到反映客户情绪的多个参数的值，多个参数的值也即客户情绪信息，从而基于客户情绪信息，可确定客户情绪等级，为调整与客户之间的沟通方式提供依据。

本发明涉及脑机交互技术领域，具体涉及一种基于N170的情绪识别方法及识别系统，包括信号采集模块、信号处理模块、分支卷积神经网络BCNN模型训练模块、识别模块和反馈模块，所述信号采集模块用于采集用户的脑电数据；信号处理模块用于对采集的脑电数据进行预处理；分支卷积神经网络BCNN模型训练模块用于训练分支卷积神经网络BCNN模型；识别模块用于对实时采集的脑电数据进行分类，并根据分类结果识别用户当前的情绪状态；反馈模块根据用户当前的情绪状态进行相应的情绪调节动作。本方法可以对新被试实现快速有效的情绪识别，提高情绪识别的速度。