[go: up one dir, main page]

CN106295508A - 情绪识别系统与方法 - Google Patents

情绪识别系统与方法 Download PDF

Info

Publication number
CN106295508A
CN106295508A CN201610594758.1A CN201610594758A CN106295508A CN 106295508 A CN106295508 A CN 106295508A CN 201610594758 A CN201610594758 A CN 201610594758A CN 106295508 A CN106295508 A CN 106295508A
Authority
CN
China
Prior art keywords
index
emotion
domain index
frequency
spacing
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
Application number
CN201610594758.1A
Other languages
English (en)
Inventor
姜鹏
明中行
杨术
潘岱
萧伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ou Demeng Science And Technology Ltd
Original Assignee
Shenzhen Ou Demeng Science And Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Ou Demeng Science And Technology Ltd filed Critical Shenzhen Ou Demeng Science And Technology Ltd
Priority to CN201610594758.1A priority Critical patent/CN106295508A/zh
Publication of CN106295508A publication Critical patent/CN106295508A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种情绪识别系统，运行于电子装置中，该系统包括：获取模块，用于获取用户的心电图数据中相邻R波之间RR间距；计算模块，用于计算所述RR间距的时域指标、频域指标及非线性指标；处理模块，用于根据所述时域指标、频域指标及非线性指标分析用户情绪的活力值；及识别模块，用于根据所述活力值识别用户情绪。通过本发明可以使得用户情绪更易于识别，提高了识别率。

Description

情绪识别系统与方法
【技术领域】
本发明涉及心电图分析技术领域，尤其涉及一种情绪识别系统及方法。
【背景技术】
研究表明，情绪在很大程度上影响了人体健康。沮丧、焦急、愤怒等消极情绪将阻碍人体免疫系统工作，使得身体抵抗变差，更易感染细菌和病毒，或不易从疾病中康复。而开心、放松等积极情绪则有益于身心健康。因此，情绪健康将关系到人们的日常生活，而及时地了解自身内在情绪并采取相关措施进行调节显得尤为重要。
传统上可通过分析脑电波和情绪的相关性，分析人体当前的心理状态。但此方法存在脑电设备不易携带，采集不方便，用户体验不好等缺点。
现有技术中还存在基于心率变异性时域和频域相关指标的情绪分析。心率变异性(Heart Rate Variability，HRV)为一种常见且成熟的心电分析方法，通常方法为从心电图(Electrocardiography，ECG)中提取出R波峰值，相邻R波峰值间隔表示一次心跳的时间，即分析RR间隔的变化。心脏除了本身的节律性放电引发的跳动之外，也受到自律神经系统所调控。过去二十年已有不少文献显示自律神经系统的调控与心血管系统及副交感神经的生理功能存在显著关系，即心率变异性能从客观上动态地反映出人体情绪状态。但是此种方法忽略了心率变异性和情绪间的非线性因素，分析效果不佳。
目前还存在一常见的人脸情绪识别法，即通过对摄像机采集人脸图像进行分析，获得当前的情绪状态。此方法获得的最终结果为人脸对应的表情情绪，存在较大的主观影响，和人体内在实际情绪有差异，即不能准确地反应当前情绪状态。
【发明内容】
本发明实施方式主要解决的技术问题是提供一种情绪识别方法，能够识别用户的不同情绪。
为解决上述技术问题，本发明实施方式采用的一个技术方案是：
本发明提供一种情绪识别方法，应用于电子装置中，该方法包括：获取步骤，获取用户的心电图数据中相邻R波之间RR间距；计算步骤，计算所述RR间距的时域指标、频域指标及非线性指标；处理步骤，根据所述时域指标、频域指标及非线性指标分析用户情绪的活力值；及识别步骤，根据所述活力值识别用户情绪。
进一步地，所述获取步骤包括：采用卡尔曼滤波器对所述心电图数据进行去噪处理；采用心电图R波提取算法提取所述心电图数据中的R波峰值；再计算所述心电图数据中相邻R波之间RR间距。
进一步地，所述时域指标包括短程心率变动性指标，所述频域指标包括副交感神经活性指标；
进一步地，所述短程心率变动性指标通过获取所述RR间距差值平方和的均方根来计算；所述副交感神经活性指标通过快速傅里叶变换来计算；所述非线性指标通过分形维数计算方法来计算。
进一步地，所述活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值。
为解决上述技术问题，本发明实施方式采用的另一个技术方案是：
本发明提供一种情绪识别系统，运行于电子装置中，该系统包括：获取模块，用于获取用户的心电图数据中相邻R波之间RR间距；计算模块，用于计算所述RR间距的时域指标、频域指标及非线性指标；处理模块，用于根据所述时域指标、频域指标及非线性指标分析用户情绪的活力值；及识别模块，用于根据所述活力值识别用户情绪。
进一步地，采用卡尔曼滤波器对所述心电图数据进行去噪处理；采用心电图R波提取算法提取所述心电图数据中的R波峰值；再计算所述心电图数据中相邻R波之间RR间距。
进一步地，所述时域指标包括短程心率变动性指标，所述频域指标包括副交感神经活性指标。
进一步地，所述短程心率变动性指标通过获取所述RR间距差值平方和的均方根来计算；所述副交感神经活性指标通过快速傅里叶变换来计算；所述非线性指标通过分形维数计算方法来计算。
进一步地，活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值。
本发明实施方式的有益效果是：区别于现有技术的情况，本发明实施方式综合考虑了心率变异性和情绪间显著的线性与非线性因素，使得用户情绪更易于识别，提高了识别率。
【附图说明】
图1是本发明情绪识别系统较佳实施例的运行环境图。
图2是本发明情绪识别系统较佳实施例的功能模块图。
图3是本发明情绪识别方法的较佳实施例的流程图。
图4是图3中步骤S32的详细流程图。
附图标记：
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参阅图1所示，是本发明情绪识别系统较佳实施例的运行环境图。所述情绪识别系统10运行于电子装置1中，所述电子装置1可以为桌面型计算机、笔记本电脑、平板电脑、智能手机、个人数字助手(Personnal Digital Assistant,PDA)等。在本实施例中，所述移电子装置1包括，但不限于，显示屏11、网络模组12、存储器13及处理器14。上述各个元件之间电气连接。
在本实施例中，该显示屏11可以具有触摸功能，如液晶(Liquid CrystalDisplay，LCD)显示屏或有机发光二极管(Organic Light-Emitting Diode，OLED)显示屏。该显示屏11用于显示情绪识别结果供用户参考。
所述网络模组12用于通过有线或无线网络传输方式为电子装置1提供网络通讯功能。该有线网络可以为传统有线通讯的任何类型，例如因特网、局域网。该无线网络可以为传统无线通讯的任何类型，例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。无线通讯技术可以包括，但不限于，全球移动通信系统(Global System forMobile Communications，GSM)、通用分组无线业务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)，宽带码分多址(W-CDMA)、CDMA2000、IMT单载波(IMT Single Carrier)、增强型数据速率GSM演进(Enhanced DataRates for GSM Evolution，EDGE)、长期演进技术(Long-Term Evolution，LTE)、高级长期演进技术、时分长期演进技术(Time-Division LTE，TD-LTE)、高性能无线电局域网(HighPerformance Radio Local Area Network，HiperLAN)、高性能无线电广域网(HighPerformance Radio Wide Area Network，HiperWAN)、本地多点派发业务(LocalMultipoint Distribution Service，LMDS)、全微波存取全球互通(WorldwideInteroperability for Microwave Access，WiMAX)、紫蜂协议(ZigBee)、蓝牙、正交频分复用技术(Flash Orthogonal Frequency-Division Multiplexing，Flash-OFDM)、大容量空分多路存取(High Capacity Spatial Division Multiple Access，HC-SDMA)、通用移动电信系统(Universal Mobile Telecommunications System，UMTS)、通用移动电信系统时分双工(UMTS Time-Division Duplexing，UMTS-TDD)、演进式高速分组接入(Evolved HighSpeed Packet Access，HSPA+)、时分同步码分多址(Time Division Synchronous CodeDivision Multiple Access，TD-SCDMA)、演进数据最优化(Evolution-Data Optimized，EV-DO)、数字增强无绳通信(Digital Enhanced Cordless Telecommunications，DECT)及其他。在本实施方式中，所述电子装置1通过所述网络模组12与心电图测量仪器连接。
所述存储器13可以是电子装置1本身的内存，也可以是外部存储设备，如智能媒体卡(Smart Media Card)、安全数字卡(Secure Digital Card)、快闪存储器卡(Flash Card)等。所述存储器13中存储有活力值与情绪类别对应表。所述活力值与情绪类别对应表描述的是为不同数值或不同数值范围时对应的用户情绪类别。例如，当所述活力值为第一预设值或第一预设范围时，对应用户情绪为恐惧，当所述活力值为第二预设值或第二预设范围时，对应用户情绪为悲伤。
所述存储器13中还存储有情绪识别系统10的程序代码，该情绪识别系统10用于通过分析从所述心电图测量仪器采集的心电图数据，从而获取用户情绪活力值，并根据所述活力值对应识别用户当前情绪特征，具体过程参见图3的描述。
所述处理器14可以为中央处理单元，或者其他能够执行所述情绪识别系统10的数据处理芯片。
参阅图2所示，所述情绪识别系统10可以被分割成一个或多个模块，所述一个或多个模块存储在所述存储器13中，并被配置成一个或多个处理器(本实施例为一个处理器14)执行，以完成本发明。例如，所述情绪识别系统10被分割成获取模块101、计算模块102、处理模块103及识别模块104。本发明所称的模块是能够完成一特定功能的程序段，比程序更适合用于描述软件在电子装置1中的执行过程，关于各模块的详细功能将在后文中作具体描述。
获取模块101用于从所述心电图测量仪器获取用户的心电图数据。在本实施方式中，采用心率变异性分析来分析用户的情绪。所述心率变异性分析是一种评估自主神经系统功能的重要方法。自主神经系统分位交感神经系统和副交感神经系统。交感神经系统可使心跳加快、瞳孔放大、肠胃蠕动变慢、排汗增加、和肌肉更有力，以应付紧急状况；副交感神经系统可使心跳变慢、瞳孔缩小、肠胃蠕动加快、排汗减收、和肌肉放松，并让人体呈放松状态；两者相互保持平衡。心率变动可利用心电图进行分析，在心电图中，R波为较为显著的波形容易被侦测，R间距代表心脏速率，故最常以RR间距来代表心跳间期。心率变动性分析可分为时域分析和频域分析两大部分。
在本实施方式中，所述心电图测量仪器以一预设时间(如五分钟)长度测量得到的用户的心电图数据作为所述获取模组101每次获取的数据。
所述获取模块101还用于获取所述心电图数据中相邻R波之间RR间距(R-Rinterval)。
具体而言，在本实施方式中，所述获取模块101先对所述心电图数据进行去噪处理。例如，采用卡尔曼滤波器对上述心电图数据进行过滤，去除噪声及干扰。然后，所述获取模块101采用心电图R波提取算法提取所述心电图数据中的R波峰值；再计算所述心电图数据中相邻R波之间RR间距。在本实施方式中，所述获取模块101分局时间序列采集频率计算相邻两个R波的时间间隔，即可得到所述心电图数据中相邻R波之间RR间距。
计算模块102用于计算所述RR间距的时域指标、频域指标及非线性指标。
在本实施方式中，所述时域指标包括短程心率变动性指标(RMSSD)，所述计算模块102通过获取心跳间期差值平方和的均方根来计算所述RR间距的短程心率变动性指标。在本实施方式中，所述心跳间期为RR间距，所述短程心率变动性指标通过所述计算模块102获取RR间距差值平方和的均方根来计算。当人体的自主神经系统由副交感神经主导时，即如果用户处于消极情绪时，该时域指标值将呈现升高趋势。
在本实施方式中，所述频域指标包括副交感神经活性指标，所述计算模块102通过快速傅里叶变换计算所述副交感神经活性指标。所述计算模块102截取频率为0.15-0.4Hz的高频功率来代表所述感神经活性指标。所述高频功率描述的是高频范围的正常心跳间期的变异数。
在本实施方式中，所述非线性指标通过分形维数计算方法获取。所述非线性指标能较为显著的反映出心血管系统相关规则，在用户消极情绪下该指标值有下降趋势。
处理模块103用于分析用户情绪的活力值。在本实施方式中，所述活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值。例如，设活力值为E，x为时域指标RMSSD，y为频域指标副交感神经活性指标，z为非线性指标，则活力值表达的多元线性回归可为：E＝a*x+b*y+c*z(a，b，c为变量系数)。
识别模块104用于根据所述活力值识别用户情绪。在本实施方式中，识别模块104通过查询存储器13中存储的活力值与情绪类别对应表以识别用户情绪，并将查询结果显示于显示屏11供用户参考。
具体而言，所述活力值大小对应映射了用户不同的情绪类别。例如，所述活力值从小到大分别对应的情绪类别为恐惧，悲伤，平静，放松，高兴等。
参阅图3所示，是本发明情绪识别方法较佳实施例的流程图。根据不同需求，该流程图中步骤的顺序可以改变，某些步骤可以省略或合并。
步骤S31，获取模块101从所述心电图测量仪器获取用户的心电图数据。在本实施方式中，所述心电图测量仪器以一预设时间(如五分钟)长度测量得到的用户的心电图数据作为所述获取模组101每次获取的数据。。
步骤S32，所述获取模块101获取所述心电图数据中相邻R波之间RR间距。具体而言，所述获取模块101获取所述RR间距的具体流程参附图4。
步骤S33，计算模块102计算所述RR间距的时域指标、频域指标及非线性指标。
在本实施方式中，所述时域指标包括短程心率变动性指标(RMSSD)，所述计算模块102通过获取正常心跳间期差值平方和的均方根来计算所述RR间距的短程心率变动性指标。当人体的自主神经系统由副交感神经主导时，即如果用户处于消极情绪时，该时域指标值将呈现升高趋势。
在本实施方式中，所述频域指标包括副交感神经活性指标，所述计算模块102通过快速傅里叶变换计算所述副交感神经活性指标。所述计算模块102截取频率为0.15-0.4Hz的高频功率来代表所述感神经活性指标。所述高频功率描述的是高频范围的正常心跳间期的变异数。
在本实施方式中，所述非线性指标通过分形维数计算方法获取。所述非线性指标能较为显著的反映出心血管系统相关规则，在用户消极情绪下该指标值有下降趋势。
步骤S34，处理模块103分析用户情绪的活力值。在本实施方式中，所述活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值。例如，设活力值为E，x为时域指标RMSSD，y为频域指标副交感神经活性指标，z为非线性指标，则活力值表达的多元线性回归可为：E＝a*x+b*y+c*z(a，b，c为变量系数)。
步骤S35，识别模块104用于根据所述活力值识别用户情绪。在本实施方式中，识别模块104通过查询存储器13中存储的活力值与情绪类别对应表以识别用户情绪，并将查询结果显示于显示屏11供用户参考。具体而言，所述活力值大小对应映射了用户不同的情绪类别。例如，所述活力值从小到大分别对应的情绪类别为恐惧，悲伤，平静，放松，高兴等。
参阅图4所示，是步骤S32的详细步骤流程图。根据不同需求，该流程图中步骤的顺序可以改变，某些步骤可以省略或合并。
步骤S320，对所述心电图数据进行去噪处理。例如，采用卡尔曼滤波器对上述心电图数据进行过滤，去除噪声及干扰。
步骤S321，采用心电图R波提取算法提取所述心电图数据中的R波峰值；
步骤S322，计算所述心电图数据中相邻R波之间RR间距。在本实施方式中，所述获取模块101通过时间序列采集频率计算相邻两个R波的时间间隔，即可得到所述心电图数据中相邻R波之间RR间距。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种情绪识别方法，应用于电子装置中，其特征在于，该方法包括：
获取步骤，获取用户的心电图数据中相邻R波之间RR间距；
计算步骤，计算所述RR间距的时域指标、频域指标及非线性指标；
处理步骤，根据所述时域指标、频域指标及非线性指标，分析用户情绪的活力值；及
识别步骤，根据所述活力值识别用户情绪。
2.如权利要求1所述的情绪识别方法，其特征在于，所述获取步骤包括：采用卡尔曼滤波器对所述心电图数据进行去噪处理；采用心电图R波提取算法提取所述心电图数据中的R波峰值；再计算所述心电图数据中相邻R波之间RR间距。
3.如权利要求1所述的情绪识别方法，其特征在于，所述时域指标包括短程心率变动性指标，所述频域指标包括副交感神经活性指标。
4.如权利要求1所述的情绪识别方法，其特征在于，所述短程心率变动性指标通过获取所述RR间距差值平方和的均方根来计算；所述副交感神经活性指标通过快速傅里叶变换来计算；所述非线性指标通过分形维数计算方法来计算。
5.如权利要求1所述的情绪识别方法，其特征在于，所述活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值。
6.一种情绪识别系统，运行于电子装置中，其特征在于，该系统包括：
获取模块，用于获取用户的心电图数据中相邻R波之间RR间距；
计算模块，用于计算所述RR间距的时域指标、频域指标及非线性指标；
处理模块，用于根据所述时域指标、频域指标及非线性指标分析用户情绪的活力值；及
识别模块，用于根据所述活力值识别用户情绪。
7.如权利要求6所述的情绪识别系统，其特征在于，所述获取模块还用于：采用卡尔曼滤波器对所述心电图数据进行去噪处理；采用心电图R波提取算法提取所述心电图数据中的R波峰值；再计算所述心电图数据中相邻R波之间RR间距。
8.如权利要求6所述的情绪识别系统，其特征在于，所述时域指标包括短程心率变动性指标，所述频域指标包括副交感神经活性指标。
9.如权利要求6所述的情绪识别系统，其特征在于，所述短程心率变动性指标通过获取所述RR间距差值平方和的均方根来计算；所述副交感神经活性指标通过快速傅里叶变换来计算；所述非线性指标通过分形维数计算方法来计算。
10.如权利要求6所述的情绪识别系统，其特征在于，活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值。
CN201610594758.1A 2016-07-26 2016-07-26 情绪识别系统与方法 Pending CN106295508A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610594758.1A CN106295508A (zh) 2016-07-26 2016-07-26 情绪识别系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610594758.1A CN106295508A (zh) 2016-07-26 2016-07-26 情绪识别系统与方法

Publications (1)

Publication Number Publication Date
CN106295508A true CN106295508A (zh) 2017-01-04

Family

ID=57652834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610594758.1A Pending CN106295508A (zh) 2016-07-26 2016-07-26 情绪识别系统与方法

Country Status (1)

Country Link
CN (1) CN106295508A (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107071154A (zh) * 2017-03-22 2017-08-18 广东小天才科技有限公司 一种通话过程中的提示方法及移动设备
CN107195195A (zh) * 2017-06-21 2017-09-22 深圳市盛路物联通讯技术有限公司 一种基于车场的停车诱导系统及方法
CN107195196A (zh) * 2017-06-21 2017-09-22 深圳市盛路物联通讯技术有限公司 一种停车诱导方法及系统
CN107204123A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种结合天气信息的车辆停车引导系统及方法
CN107204127A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种基于自选停车场的停车引导系统及方法
CN107203821A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种停车位预订方法及系统
CN107230383A (zh) * 2017-06-21 2017-10-03 深圳市盛路物联通讯技术有限公司 一种基于竞价的停车位引导方法及系统
CN107230384A (zh) * 2017-06-21 2017-10-03 深圳市盛路物联通讯技术有限公司 基于期望停车时长和天气信息的停车引导系统及方法
CN107240292A (zh) * 2017-06-21 2017-10-10 深圳市盛路物联通讯技术有限公司 一种基于驾驶员自身停车技能的停车诱导方法及系统
CN107248314A (zh) * 2017-06-21 2017-10-13 深圳市盛路物联通讯技术有限公司 一种基于停车场的停车引导系统及方法
CN107248315A (zh) * 2017-06-21 2017-10-13 深圳市盛路物联通讯技术有限公司 一种停车导航路径的推荐系统及方法
CN107256640A (zh) * 2017-06-21 2017-10-17 深圳市盛路物联通讯技术有限公司 一种可自选车位的停车导航路径生成系统及方法
CN107293148A (zh) * 2017-06-21 2017-10-24 深圳市盛路物联通讯技术有限公司 一种停车位指引方法及系统
CN107301786A (zh) * 2017-06-21 2017-10-27 深圳市盛路物联通讯技术有限公司 一种停车引导路径的生成方法及系统
CN107424345A (zh) * 2017-06-19 2017-12-01 深圳市盛路物联通讯技术有限公司 一种基于无线车载终端的户外停车收费方法和系统
CN107424434A (zh) * 2017-06-21 2017-12-01 深圳市盛路物联通讯技术有限公司 一种应用于智慧城市的停车位预约方法及系统
CN107424435A (zh) * 2017-06-21 2017-12-01 深圳市盛路物联通讯技术有限公司 一种城市环境下的停车位预约系统及方法
CN107452078A (zh) * 2017-06-19 2017-12-08 深圳市盛路物联通讯技术有限公司 一种停车收费管理方法及系统
CN107464441A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种报价与抢答相结合的停车引导方法及系统
CN107464444A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种基于移动网络的车位预订方法及系统
CN107464443A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种基于时间竞争的停车位预订系统及方法
CN107464442A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种基于期望停车时长的停车诱导方法及系统
CN108653898A (zh) * 2018-03-26 2018-10-16 广东小天才科技有限公司 一种用于安抚儿童的音乐播放方法及可穿戴设备
CN108742660A (zh) * 2018-07-02 2018-11-06 西北工业大学 一种基于可穿戴设备的情绪识别方法
CN110811646A (zh) * 2019-10-23 2020-02-21 北京点滴灵犀科技有限公司 一种情绪压力综合检测与分析方法和装置
FR3117330A1 (fr) 2020-12-14 2022-06-17 Catie Procede de generation d’un indicateur physiologique a partir du rythme cardiaque, dispositif

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100274147A1 (en) * 2009-04-22 2010-10-28 Abhilash Patangay Detecting ischemia with nonlinear heart rate variability measures
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
CN104644159A (zh) * 2015-03-04 2015-05-27 江苏物联网研究发展中心 远程心电监测与诊断系统
CN105193431A (zh) * 2015-09-02 2015-12-30 杨静 一种人体精神压力状态分析装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100274147A1 (en) * 2009-04-22 2010-10-28 Abhilash Patangay Detecting ischemia with nonlinear heart rate variability measures
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
CN104644159A (zh) * 2015-03-04 2015-05-27 江苏物联网研究发展中心 远程心电监测与诊断系统
CN105193431A (zh) * 2015-09-02 2015-12-30 杨静 一种人体精神压力状态分析装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
聂聃等: "基于脑电的情绪识别研究综述", 《中国生物医学工程学报》 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107071154A (zh) * 2017-03-22 2017-08-18 广东小天才科技有限公司 一种通话过程中的提示方法及移动设备
CN107452078A (zh) * 2017-06-19 2017-12-08 深圳市盛路物联通讯技术有限公司 一种停车收费管理方法及系统
CN107424345A (zh) * 2017-06-19 2017-12-01 深圳市盛路物联通讯技术有限公司 一种基于无线车载终端的户外停车收费方法和系统
CN107230384A (zh) * 2017-06-21 2017-10-03 深圳市盛路物联通讯技术有限公司 基于期望停车时长和天气信息的停车引导系统及方法
CN107424435A (zh) * 2017-06-21 2017-12-01 深圳市盛路物联通讯技术有限公司 一种城市环境下的停车位预约系统及方法
CN107203821A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种停车位预订方法及系统
CN107230383A (zh) * 2017-06-21 2017-10-03 深圳市盛路物联通讯技术有限公司 一种基于竞价的停车位引导方法及系统
CN107204123A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种结合天气信息的车辆停车引导系统及方法
CN107240292A (zh) * 2017-06-21 2017-10-10 深圳市盛路物联通讯技术有限公司 一种基于驾驶员自身停车技能的停车诱导方法及系统
CN107248314A (zh) * 2017-06-21 2017-10-13 深圳市盛路物联通讯技术有限公司 一种基于停车场的停车引导系统及方法
CN107248315A (zh) * 2017-06-21 2017-10-13 深圳市盛路物联通讯技术有限公司 一种停车导航路径的推荐系统及方法
CN107256640A (zh) * 2017-06-21 2017-10-17 深圳市盛路物联通讯技术有限公司 一种可自选车位的停车导航路径生成系统及方法
CN107293148A (zh) * 2017-06-21 2017-10-24 深圳市盛路物联通讯技术有限公司 一种停车位指引方法及系统
CN107301786A (zh) * 2017-06-21 2017-10-27 深圳市盛路物联通讯技术有限公司 一种停车引导路径的生成方法及系统
CN107195196A (zh) * 2017-06-21 2017-09-22 深圳市盛路物联通讯技术有限公司 一种停车诱导方法及系统
CN107424434A (zh) * 2017-06-21 2017-12-01 深圳市盛路物联通讯技术有限公司 一种应用于智慧城市的停车位预约方法及系统
CN107204127A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种基于自选停车场的停车引导系统及方法
CN107195195A (zh) * 2017-06-21 2017-09-22 深圳市盛路物联通讯技术有限公司 一种基于车场的停车诱导系统及方法
CN107464441A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种报价与抢答相结合的停车引导方法及系统
CN107464444A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种基于移动网络的车位预订方法及系统
CN107464443A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种基于时间竞争的停车位预订系统及方法
CN107464442A (zh) * 2017-06-21 2017-12-12 深圳市盛路物联通讯技术有限公司 一种基于期望停车时长的停车诱导方法及系统
CN107230384B (zh) * 2017-06-21 2020-09-25 深圳市盛路物联通讯技术有限公司 基于期望停车时长和天气信息的停车引导系统及方法
WO2018233085A1 (zh) * 2017-06-21 2018-12-27 深圳市盛路物联通讯技术有限公司 一种基于移动网络的车位预订方法及系统
CN108653898A (zh) * 2018-03-26 2018-10-16 广东小天才科技有限公司 一种用于安抚儿童的音乐播放方法及可穿戴设备
CN108742660A (zh) * 2018-07-02 2018-11-06 西北工业大学 一种基于可穿戴设备的情绪识别方法
CN110811646A (zh) * 2019-10-23 2020-02-21 北京点滴灵犀科技有限公司 一种情绪压力综合检测与分析方法和装置
CN110811646B (zh) * 2019-10-23 2022-05-17 北京点滴灵犀科技有限公司 一种情绪压力综合检测与分析方法和装置
FR3117330A1 (fr) 2020-12-14 2022-06-17 Catie Procede de generation d’un indicateur physiologique a partir du rythme cardiaque, dispositif

Similar Documents

Publication Publication Date Title
CN106295508A (zh) 情绪识别系统与方法
Lara et al. Executive control processes underlying multi-item working memory
Khowaja et al. Toward soft real-time stress detection using wrist-worn devices for human workspaces: SA Khowaja et al.
Siuly et al. Discriminating the brain activities for brain–computer interface applications through the optimal allocation-based approach
US9760536B2 (en) Method and apparatus for low complexity spectral analysis of bio-signals
Kothe et al. Estimation of task workload from EEG data: new and current tools and perspectives
US20170220923A1 (en) Gesture classification apparatus and method using emg signal
Shenoy et al. Shrinkage estimator based regularization for EEG motor imagery classification
Duan et al. EEG feature selection method based on decision tree
Khan et al. Robust extraction of P300 using constrained ICA for BCI applications
Athif et al. WaveCSP: a robust motor imagery classifier for consumer EEG devices
Xia et al. Matrix of regularity for improving the quality of ECGs
Yen et al. A portable real-time ECG recognition system based on smartphone
Guo et al. Diagnosing Parkinson’s disease using multimodal physiological signals
Ahmadi et al. Brain-computer interface signal processing algorithms: A computational cost vs. accuracy analysis for wearable computers
Wang et al. A least-square unified framework for spatial filtering in SSVEP-based BCIs
Su et al. Electroencephalogram classification in motor-imagery brain–computer interface applications based on double-constraint nonnegative matrix factorization
Lyu et al. Novel sinusoidal signal assisted multivariate variational mode decomposition combined with task-related component analysis for enhancing SSVEP-based BCI performance
CN110852307B (zh) 基于脑电信号的脑机接口的检测方法、系统、介质及设备
Shourie et al. A comparative investigation of wavelet families for analysis of EEG signals related to artists and nonartists during visual perception, mental imagery, and rest
CN106037705B (zh) 基于可穿戴设备的数据检测方法及系统
CN106778475B (zh) 一种最优导联集选择方法及系统
CN107292244A (zh) 一种精神压力识别方法、智能设备及计算机可读存储介质
Crema et al. The WearPhone: changing smartphones into multichannel vital signs monitors
Djelloul et al. EEG classification-based comparison study of motor-imagery brain-computer interface

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170104