一种基于脑电波传感器的情绪监测系统及方法

本发明涉及情绪监测，具体地，涉及一种基于脑电波传感器的情绪监测系统及方法。

背景技术：

1、大脑作为人的情绪控制中枢，人的脑电波可以很好反应人的实时情绪。目前已有一些商用和研究用的脑电波传感器，可用于脑电信号采集。在情绪识别和监测方面，已有一些研究和应用，使用脑电信号结合机器学习等技术来识别用户的情绪状态。类似的情绪监测系统也已经在一些研究和商业项目中得到应用，但大多数仍处于实验阶段或针对特定场景和群体。

2、现有的情绪监测系统具有以下缺点：

3、1、单一特征提取：目前大多数情绪监测系统仅依赖于脑电波信号的单一特征提取，如频谱分析或事件相关电位，忽略了脑电信号的多样性和复杂性。

4、2、情绪识别准确性有限：目前情绪识别算法在准确性和泛化能力方面仍有待提高，尤其是针对个体差异和不同情境的情绪识别能力有限。

5、3、实时性和响应速度：现有系统在情绪识别和监测的实时性和响应速度方面存在一定延迟，不能满足实时性要求。

6、综上所述，现有的情绪监测系统还存在一些挑战和不足，需要进一步的技术改进和创新，以提高系统的准确性、稳定性和用户体验。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提出一种基于脑电波传感器的情绪监测系统及方法，本发明可实现对用户情绪状态的准确识别和实时监测，并针对不同的情绪状态进行相关的反馈，具备更高的可靠性、实用性和用户友好性。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于脑电波传感器的情绪监测系统，包括：

4、脑电波信号采集模块，包括用于采集用户脑电信号的脑电波传感器；

5、信号处理和传输模块，用于对采集到的脑电信号数据进行数据处理，并通过无线方式将脑电信号数据传输至上位机；

6、上位机，通过无线方式接收信号处理和传输模块传输的脑电信号数据，并对数据进行处理；

7、情绪识别和分析模块，包括多模态特征提取模块和基于卷积神经网络的情绪识别算法，所述多模态特征提取模块用于结合所采集的脑电波信号和其他生理信号进行多模态特征提取和融合，所述基于卷积神经网络的情绪识别算法用于构建情绪识别神经网络模型，对提取的所述多模态特征进行训练和分类，实现对用户情绪状态的准确识别和分析；

8、情绪驱动控制模块，用于根据上位机发送的情绪状态指令，针对不同的情绪状态进行反馈。

9、优选地，所述信号处理和传输模块采用esp32作为主控芯片，通过esp32芯片搭载的蓝牙或wi-fi模块与所述脑电波传感器进行连接，实时采集脑电信号数据，对采集到的脑电信号数据进行实时处理和滤波，并通过无线方式将脑电信号数据传输至所述上位机。

10、优选地，所述上位机还包括情绪监测界面，用于显示实时的情绪监测结果。

11、优选地，所述情绪识别卷积神经网络模型包括：输入层、隐含层、池化层、全连接层和输出层。

12、优选地，所述情绪驱动控制模块根据上位机发送的情绪状态指令控制相应的设备或执行特定的动作。

13、进一步地，本发明还提供一种基于脑电波传感器的情绪监测方法，包括以下步骤：

14、通过脑电波传感器采集用户的脑电信号；

15、对采集到的脑电信号数据进行处理并通过无线方式传输至上位机；

16、上位机通过结合所采集的脑电波信号和其他生理信号，进行多模态特征提取和融合，并基于深度学习的情绪识别算法对提取的多模态特征进行训练和分类，实现对用户情绪状态的准确识别和分析；

17、根据上位机发送的情绪状态指令，通过情绪驱动控制模块针对不同的情绪状态进行相关的反馈。

18、与现有技术相比，本发明的有益效果如下：

19、1.准确性和可靠性：本发明通过高精度的脑电波信号采集和多模态特征提取，实现对用户情绪状态的准确识别和分析，具有较高的准确性和可靠性。

20、2.实时性和响应速度：本发明采用优化的情绪监测系统架构和基于度学习情绪识别算法，提高情绪识别和监测的实时性和响应速度，能够及时捕捉用户的情绪变化并作出相应的反应。

21、3.用户界面直观和易用性：本发明通过设计直观、易用的上位机界面，清晰显示实时的情绪监测结果，提供用户友好的交互体验，并且支持用户自定义设置和个性化交互，提高用户参与度和满意度。

技术特征：

1.一种基于脑电波传感器的情绪监测系统，其特征在于，所述系统包括：

2.根据权利要求1所述的基于脑电波传感器的情绪监测系统，其特征在于，所述信号处理和传输模块采用esp32作为主控芯片，通过esp32芯片搭载的蓝牙或wi-fi模块与所述脑电波传感器进行连接，实时采集脑电信号数据，对采集到的脑电信号数据进行实时处理和滤波，并通过无线方式将脑电信号数据传输至所述上位机。

3.根据权利要求1所述的基于脑电波传感器的情绪监测系统，其特征在于，所述上位机还包括情绪监测界面，用于显示实时的情绪监测结果。

4.根据权利要求1所述的基于脑电波传感器的情绪监测系统，其特征在于，所述情绪识别卷积神经网络模型包括：输入层、隐含层、池化层、全连接层和输出层。

5.根据权利要求1所述的基于脑电波传感器的情绪监测系统，其特征在于，所述情绪驱动控制模块根据上位机发送的情绪状态指令控制相应的设备或执行特定的动作。

6.一种基于脑电波传感器的情绪监测方法，其特征在于，所述方法包括以下步骤：

技术总结
本发明提供一种基于脑电波传感器的情绪监测系统及方法，所述系统包括：脑电波信号采集模块，包括脑电波传感器；信号处理和传输模块，用于对采集到的脑电信号数据进行数据处理，并通过无线方式将脑电信号数据传输至上位机；上位机，通过无线方式接收信号处理和传输模块传输的脑电信号数据，并对数据进行处理；情绪识别和分析模块，包括多模态特征提取模块和情绪识别算法，所述多模态特征提取模块用于结合所采集的脑电波信号和其他生理信号进行多模态特征提取和融合，所述情绪识别算法用于对提取的所述多模态特征进行训练和分类；情绪驱动控制模块，用于根据上位机发送的情绪状态指令，针对不同的情绪状态进行反馈。

技术研发人员：李渊,狄逸涵,王艺侪,王晶
受保护的技术使用者：上海电机学院
技术研发日：
技术公布日：2024/12/5