通信電纜 網絡設備 無線通信 云計算|大數據 顯示設備 存儲設備 網絡輔助設備 信號傳輸處理 多媒體設備 廣播系統 智慧城市管理系統 其它智慧基建產品
智慧云天（深圳）技術有限公司
智慧云天（深圳）技術有限公司
閱讀：56發布時間：2023-7-2
心理情緒測評系統主要基于語音情緒識別、面肌心理情緒識別、人臉情緒識別、眼動情緒識別等，采用多維度、多模態心理情緒特征、三級數據建模及神經網絡計算模型，結合個人常模大數據和多級大數據的分析與管理，實現對測試者的心理情緒做出科學趨向性分析與評估，達到多級數據管理，以及心理測評、心理預警心理干預的一站式解決方案，實現管理者駕駛艙體驗式的實時動態數據平臺監測的目標。
人的情感是一種心理和生理的綜合體驗，往往伴隨著生理喚醒和一定的外部表現，研究顯示人類80%的交流信息都是情感性的信息。眼睛是生命體感知外界信息的器官，它們可以感知光線，從而進一步從周圍環境獲取信息，是人類觀察世界的主要途徑。同時，眼睛縝藏著豐富的心理層面潛在意識信息。這種豐富的意識信息包括了人的情感狀態和內心活動，意識信息傳達至眼睛，通過不同的眼球運動將信息直觀地表達出來。
AI心理情緒測評系統基于眼睛的瞳孔直徑、掃視、凝視、眨眼等眼動特征能夠反映內在的情感變化，然而這些眼動特征不能全面的刻畫眼動狀態及運動軌跡，基于眼動數據的情感特征提取方法，得到眼動數據的情感特征提取: 注視事件、瞳孔直徑變化率、眨眼變化率以及眼跳速度的夠更全面的刻畫眼動狀態，例如由正或負性情感激引起的瞳了直徑明顯大于在平靜條件下的瞳孔直徑，瞳孔對不同情緒的反應后，根據眼動特征(瞳孔直徑、掃視、凝視、眨眼)識別情感狀態。
通過將眼動狀態與用戶的情感狀態進行映射，表明人的眼動行為能夠在某種程度上反映出人的情感狀態。事實證實眼部瞳孔大小的變化與情感喚酶呈線性關系，當觀看不愉快的圖像刺激時，瞳孔會縮小，當觀看偷快的圖像刺激時，瞳孔就會放大。雖然瞳孔直徑反映了情緒變化，但是人的瞳孔直徑物理大小差別很大，不能直接用于情感體驗的測量。多使用眼跳信號、瞳孔直徑、注視信號進行基于眼動的情感識別研究。
根據面部實時或視頻文件識別的情感數據，智慧云天AI情感識別系統根據的情緒建模及神經網絡獲得被測試者每一時刻或在說話片段中的害怕、排斥、沖突、期待、壓力、興奮、邏輯、比率、概率、分心、猶豫、認知、緊張、壞感、想象、思考、潛意識、潛在情緒等數據。
人臉表情識別是機器視覺和模式識別領域具有較為廣泛的應用意義。人臉表情識別技術是一個非常活躍的研究領域，它覆蓋了數字圖像處理、模式識別、計算機視覺、神經網絡、心理學等諸多學科的內容。如今，雖然在這方面的應用已取得了一些的成果，但是FRT在實用應用中仍面臨著復雜的問題,因為人臉五官的分布是非常相似的，而且人臉本身又是一個柔性物體，表情、安態的千變萬化都給正確識別帶來了相當大的麻煩。如何能正確識別大量的人并滿足實時性要求是迫切需要解決的問題。
從視頻中提取的多幀特征值和智慧云天AI情感識別引擎中標記標記的30萬+情感數據庫中的值進行比較來完成平靜、高興、吃驚、悲傷、憤怒、厭惡和恐懼7種情感識別功能。
正常狀態下，人在說話時心理情感的波動會引起聲壓、語氣、語速、停頓時間和發聲器官的微小變化，以及通過人體大腦皮層的生理反應，利用心理學、生理學、神經科學、信號分析處理、人工智能等的諸多前沿科技，檢測分析語音中某些特征參數的變化，因此，心理測評系統通過監測這些特征變化實現心理情感分析。
根據當前語音情感分析的不足，心理測評系統通過多年語音情感識別技術的開發經驗，結合循環神經網絡具有記憶性、參數共享等特征，對序列的非線性特征在學習方面具有一定優勢，利用基于LSTM（LongShort-Term Memory）長短期記憶網絡，將一種時間循環神經網絡，應用于處理和預測時間序列中間隔和延遲相對較長的重要事件，解決長序列訓練過程中的梯度消失和梯度爆炸問題。相比普通的RNN，LSTM能夠在更長的序列中有更好的表現，通過將卷積操作引入長短時記憶網絡中，構建完整的語音心理情感網絡模型，將語音進行統一歸一化處理，再對統一歸一化處理的語音進行分割之后，對割分的語音加窗分幀處理，并建立變長數據的計算方式，將卷積操作引入長短時記憶網絡中，實現完整的語音情感識別網絡模型，并識別平靜、高興、吃驚、悲傷、憤怒、厭惡和恐懼7種情感功能。
目前市場上語音心理情感分析存在如下問題：
1. 心理情感與語音特征的邏輯關系不夠明確；
2. 從語音數據采集到語音特征的提取降噪處理不夠導致信息的損失，而損失的信息影響最終心理情感檢測的 效果；
3. 分類算法效果一定程度上依賴人為提取的語音特征，算法本身不具有特征學習能力。
根據語音情感數據，智慧云天AI心理測評系統根據的情緒建模及神經網絡獲得被測試者每一時刻或在說話片段中的害怕、排斥、沖突、期待、壓力、興奮、邏輯、比率、概率、分心、猶豫、認知、緊張、壞感、想象、思考、潛意識、潛在情緒。
(1)系統的識別時延低于250ms.
因為在線語音情感識別，如果時延過高不但影響用戶體驗，而且對后續的語音情感識別請求的處理時間就更加長，發生堵塞。時延低是系統最重要的要求，要求系統對每個語音情感識別的請求處理時間低于250ms。
(2)能夠處理大規模并發任務請求。心理測評系統語音情感識別具有并發任務處理能力。如果對語音情感識別任務的處理是串行的，則依然滿足不了大規模的應用。
(3)利用采集針對性的語料進行模型訓練，并在引警模塊中語音情感特征提取前加入語音降噪處理步驟，提高了情感識別率。原始語音信號從頻譜圖上可以看到語音數據中含有一些不規則信號的噪聲。下圖是經過降噪之后的語音信號變得有規律，可以發現降噪效果還是明顯的。經過降噪之后重新訓練，明顯提高模型的效果，說明經過降噪的語音有效降低環境噪聲和設備底噪對語音情感識別的影響。
(4)采用群體決策優化神經網絡方法。
心理測評系統采用群體決策的方法將訓練集按照不同的組合條件，并選出每次交又驗證在測試集上識別的模型組成一個神經網絡群，當進行識別時，神經網絡群中的每個模型分別對當前樣本進行判斷給出情感標簽，最后使用投票的方式給出最終識別結果。
(5) 語音情感識別精度達到達到82%
(6)心理測評系統語音情感識別工作穩定性達到99.5% ，運行可靠且有能力處理大規模并發任務。
-----------------------------------------
（核心技術，轉載請注明出處。）
智慧城市網 設計制作，未經允許翻錄必究 .? ? ?
請輸入賬號
請輸入密碼
請輸驗證碼