摘要：該文提出一種基于人工智能的情緒識(shí)別系統(tǒng)設(shè)計(jì)思路，即通過情緒對(duì)人生理狀態(tài)的帶動(dòng)作用，設(shè)計(jì)用于情緒識(shí)別的生理信號(hào)平臺(tái)，搭建BP神經(jīng)網(wǎng)絡(luò)模型，進(jìn)而以此為核心設(shè)計(jì)情緒識(shí)別系統(tǒng)。

關(guān)鍵詞：人工智能；情緒識(shí)別；系統(tǒng)設(shè)計(jì)

doi：10.3969/J.ISSN.1672-7274.2024.07.025

中圖分類號(hào)：TP 18 文獻(xiàn)標(biāo)志碼：A 文章編碼：1672-7274（2024）07-00-03

Design and Analysis of Emotion Recognition System Based on Artificial Intelligence

XU Mengzhou， ZHANG Shaowei， LI Yanyan

（Southern Branch of State Grid Corporation of China Customer Service Center， Nanjing 210000， China）

Abstract： This article proposes a design approach for an emotion recognition system based on artificial intelligence， which involves designing a physiological signal platform for emotion recognition through the driving effect of emotions on human physiological states， building a BP neural network model， and then designing an emotion recognition system based on this as the core.

Keywords： artificial intelligence; emotional recognition; system design

0 引言

從系統(tǒng)設(shè)計(jì)角度來看，基于現(xiàn)實(shí)需求設(shè)計(jì)情緒識(shí)別系統(tǒng)時(shí)，可引入人工智能技術(shù)，運(yùn)用人工智能技術(shù)捕捉因情緒變化而出現(xiàn)的生理變動(dòng)要素，以此生理變動(dòng)為切入點(diǎn)進(jìn)行人體情緒識(shí)別[1]。

1 情緒識(shí)別系統(tǒng)生理信號(hào)測(cè)量平臺(tái)設(shè)計(jì)

現(xiàn)有研究表明，當(dāng)人出現(xiàn)某種情緒后，受到情緒的帶動(dòng)作用，人體肌肉、器官將會(huì)出現(xiàn)相應(yīng)的生理變化，并引發(fā)人體生理信號(hào)的改變，如脈搏信號(hào)、呼吸信號(hào)、體溫信號(hào)、心電信號(hào)、腦電信號(hào)、皮膚電信號(hào)等。因此，在情緒識(shí)別系統(tǒng)設(shè)計(jì)時(shí)，應(yīng)搭建生理信號(hào)測(cè)量平臺(tái)，將其作為情緒識(shí)別的基礎(chǔ)，確認(rèn)生理信號(hào)情況后進(jìn)一步判斷情緒變化。

1.1 硬件設(shè)計(jì)

（1）數(shù)據(jù)采集模塊。主要由脈搏信號(hào)傳感器、皮膚溫度信號(hào)傳感器、皮膚電信號(hào)傳感器、呼吸信號(hào)傳感器構(gòu)成，借助上述傳感器裝置采集由情緒引發(fā)的生理信號(hào)。在4種信號(hào)傳感器作用下獲取信號(hào)參數(shù)后，對(duì)其進(jìn)行預(yù)處理，如放大處理、濾波處理等，完成上述處理作業(yè)后，則可將生理信號(hào)傳輸至信號(hào)處理模塊。對(duì)數(shù)據(jù)采集模塊內(nèi)各類傳感器的技術(shù)指標(biāo)進(jìn)行匯總統(tǒng)計(jì)，如表1所示。

（2）信號(hào)處理模塊。電生理信號(hào)完成預(yù)處理后傳輸至信號(hào)處理模塊內(nèi)，該模塊完成接收后，進(jìn)行信號(hào)再處理。其一，轉(zhuǎn)化數(shù)據(jù)模數(shù)。預(yù)處理后的電生理信號(hào)無法直接運(yùn)用到參數(shù)提取與計(jì)算過程中，需進(jìn)一步轉(zhuǎn)化數(shù)據(jù)模數(shù)。因此，在信號(hào)處理模塊內(nèi)需增設(shè)模數(shù)轉(zhuǎn)換電路，通過轉(zhuǎn)化使電生理信號(hào)變成數(shù)字信號(hào)，以便開展數(shù)據(jù)處理分析。其二，數(shù)據(jù)內(nèi)部處理。完成模數(shù)轉(zhuǎn)化處理后獲得數(shù)字信號(hào)，此時(shí)可基于上位機(jī)要求針對(duì)數(shù)字信號(hào)進(jìn)行提取。其三，上位機(jī)傳輸。以傳輸協(xié)議為支撐，通過串口將處理完畢的數(shù)字信號(hào)傳輸至上位機(jī)，在此基礎(chǔ)上可測(cè)量電生理信號(hào)[2]。

1.2 軟件設(shè)計(jì)

（1）數(shù)據(jù)通信模塊。采用串行通信控件進(jìn)行上位機(jī)串口傳輸，該控件具有應(yīng)用便捷等優(yōu)勢(shì)，軟件運(yùn)行期間，可通過調(diào)節(jié)控件屬性而初始化處理串行通信端口，并進(jìn)行端口開閉操作、數(shù)據(jù)收發(fā)操作等。在整個(gè)軟件體系中，上位機(jī)借助該數(shù)據(jù)通信模塊而將控制指令傳輸至下位機(jī)，下位機(jī)進(jìn)一步根據(jù)控制指令內(nèi)容連續(xù)發(fā)送電生理信號(hào)，并通過數(shù)據(jù)通信模塊將電生理信號(hào)傳輸至上位機(jī)，此時(shí)上位機(jī)可基于信號(hào)格式完成型號(hào)類別判定。

（2）特征提取模塊。在數(shù)據(jù)通信模塊幫助下上位機(jī)完成電生理信號(hào)判定后，由該模塊進(jìn)行特征提取。在該過程中，特征提取模塊主要依托于極大值點(diǎn)、波形確認(rèn)各類電生理信號(hào)特征，并基于此進(jìn)行多次特征篩選，最終可確認(rèn)各類電生理信號(hào)的特征數(shù)據(jù)。

（3）波形顯示模塊。該模塊主要用于顯示各類電生理信號(hào)實(shí)時(shí)波形，并通過繪制曲線圖的形式呈現(xiàn)出波形動(dòng)態(tài)變化情況。流程圖如圖1所示。

圖1 波形顯示工作流程圖

（4）數(shù)據(jù)庫(kù)模塊。顧名思義，該模塊屬于系統(tǒng)平臺(tái)數(shù)據(jù)庫(kù)，為用戶服務(wù)，用戶可根據(jù)自身需求存儲(chǔ)數(shù)據(jù)并進(jìn)行管理。如圖2所示。

圖2 數(shù)據(jù)庫(kù)模塊數(shù)據(jù)處理流程圖

2 情緒識(shí)別系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)模型表達(dá)式見式（1），在神經(jīng)網(wǎng)絡(luò)中，主要包括輸入層、輸出層與中間層，各個(gè)層級(jí)之間由R個(gè)信號(hào)連接，且各信號(hào)均有相應(yīng)的連接權(quán)值。

（1）

式中，a與p分別為神經(jīng)網(wǎng)絡(luò)的輸出層與輸入層；w為層級(jí)間的輸入信號(hào)數(shù)量的連接權(quán)值；b為神經(jīng)元閾值；f（）函數(shù)為神經(jīng)元傳輸函數(shù)。圖3為BP神經(jīng)網(wǎng)絡(luò)模型典型結(jié)構(gòu)，其中、分別表示中間層與輸出層的傳輸函數(shù)，P為輸入信號(hào)，其數(shù)量為R，O為輸出信號(hào)，數(shù)量為m，此外，中間層神經(jīng)元共有s個(gè)[3]。

圖3 BP神經(jīng)網(wǎng)絡(luò)模型典型結(jié)構(gòu)

2.2 模型設(shè)計(jì)

（1）輸入層。該層次的節(jié)點(diǎn)需根據(jù)特征提取指標(biāo)進(jìn)行確認(rèn)，在該次情緒識(shí)別系統(tǒng)設(shè)計(jì)過程中，共選定12項(xiàng)電生理信號(hào)指標(biāo)，具體可見表2。因此，在本次情緒識(shí)別系統(tǒng)設(shè)計(jì)時(shí)，BP神經(jīng)網(wǎng)絡(luò)輸入層共設(shè)計(jì)12個(gè)節(jié)點(diǎn)。

（2）輸出層。輸出層需根據(jù)情緒識(shí)別需求進(jìn)行設(shè)計(jì)，主要與情緒識(shí)別種類相關(guān)聯(lián)，人在日常工作生活中常出現(xiàn)的情緒較多，如快樂、悲傷、憤怒、平靜、恐懼、焦慮、內(nèi)疚、抑郁等，為保障情緒識(shí)別系統(tǒng)的應(yīng)用針對(duì)性，并防止情緒狀態(tài)較多而影響情緒識(shí)別精準(zhǔn)度，通常按照情緒識(shí)別系統(tǒng)應(yīng)用場(chǎng)景而選擇針對(duì)性較強(qiáng)的情緒作為識(shí)別對(duì)象，因此輸出層節(jié)點(diǎn)數(shù)量在設(shè)計(jì)時(shí)按照所需識(shí)別的情緒類型數(shù)量進(jìn)行設(shè)計(jì)即可。

（3）中間層。在現(xiàn)有研究中，只要滿足神經(jīng)網(wǎng)絡(luò)模型中間層至少一層設(shè)計(jì)為sigmoid型且神經(jīng)元數(shù)量無限制、模型帶有偏置中的任何一個(gè)條件，所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模塊即可完成任何有理函數(shù)的模擬。系統(tǒng)主要用于識(shí)別情緒，中間層層數(shù)的增加并不會(huì)帶來明顯效果，且BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練的樣本較多，若一味增加中間層層數(shù)，則會(huì)極大拉長(zhǎng)模型學(xué)習(xí)與訓(xùn)練的過程，因此，在情緒識(shí)別系統(tǒng)設(shè)計(jì)過程中，可將BP神經(jīng)網(wǎng)絡(luò)中間層層數(shù)設(shè)計(jì)為1。

3 以BP神經(jīng)網(wǎng)絡(luò)為核心的情緒識(shí)別系

統(tǒng)功能實(shí)現(xiàn)

（1）建立BP神經(jīng)網(wǎng)絡(luò)模塊。在整個(gè)情緒識(shí)別系統(tǒng)內(nèi)，BP神經(jīng)網(wǎng)絡(luò)模塊屬于核心部分，因此，為確保所構(gòu)建的系統(tǒng)結(jié)構(gòu)能夠真正具備良好的情緒識(shí)別效果，實(shí)現(xiàn)其功能，必須基于真實(shí)需求搭建一個(gè)適宜的BP神經(jīng)網(wǎng)絡(luò)。

（2）建立輸入/輸出模塊。情緒識(shí)別系統(tǒng)進(jìn)行設(shè)計(jì)時(shí)，應(yīng)將批量樣本數(shù)據(jù)輸入其中，為確保數(shù)據(jù)樣本訓(xùn)練與應(yīng)用便捷性，實(shí)現(xiàn)樣本自動(dòng)讀取處理，可引入電子表格格式將樣本數(shù)據(jù)有序存儲(chǔ)，而情緒狀態(tài)識(shí)別結(jié)果，同樣可基于表格格式完成導(dǎo)出。

（3）情緒識(shí)別模塊。該模塊運(yùn)行期間，主要憑借人工智能BP神經(jīng)網(wǎng)絡(luò)模型處理人臉數(shù)據(jù)與生理信號(hào)數(shù)據(jù)，并經(jīng)過一系列的處理后，獲得最終情緒狀態(tài)情況，以此完成情緒識(shí)別。

4 結(jié)束語

綜上所述，人工智能作為新時(shí)代最為典型的新型技術(shù)，已在多領(lǐng)域中得到廣泛應(yīng)用，設(shè)計(jì)情緒識(shí)別系統(tǒng)時(shí)，同樣可引入人工智能技術(shù)，夯實(shí)技術(shù)基礎(chǔ)。在本文中，以人工智能為支撐提出了一種情緒識(shí)別系統(tǒng)設(shè)計(jì)方法，當(dāng)人的情緒發(fā)生變化時(shí)，會(huì)帶動(dòng)人體生理發(fā)生變化，主要表現(xiàn)為脈搏頻率與幅度、呼吸頻率與幅度等，對(duì)此，可設(shè)計(jì)用于情緒識(shí)別的生理信號(hào)測(cè)量平臺(tái)與BP神經(jīng)網(wǎng)絡(luò)模型，在此基礎(chǔ)上搭建情緒識(shí)別系統(tǒng)。

參考文獻(xiàn)

[1] 張小雪，王云中．現(xiàn)代科技引導(dǎo)下的情緒性景觀探索——將情緒識(shí)別系統(tǒng)植入景觀[J]．現(xiàn)代園藝，2022，45（20）：113-115．

[2] 胡心約，張?zhí)衤罚钣⑽洌贏I的情緒識(shí)別在組織中的實(shí)踐：現(xiàn)狀、未來和挑戰(zhàn)[J]．中國(guó)人力資源開發(fā)，2022，39（1）：57-70．

[3] 王清波，虞成，陳國(guó)雄，等．基于情緒識(shí)別的多模態(tài)反饋康復(fù)訓(xùn)練系統(tǒng)設(shè)計(jì)[J]．設(shè)備管理與維修，2022（18）：108-110．