CN109157230A - 心理压力检测方法和系统、计算机设备、计算机存储介质 - Google Patents
心理压力检测方法和系统、计算机设备、计算机存储介质 Download PDFInfo
- Publication number
- CN109157230A CN109157230A CN201810883313.4A CN201810883313A CN109157230A CN 109157230 A CN109157230 A CN 109157230A CN 201810883313 A CN201810883313 A CN 201810883313A CN 109157230 A CN109157230 A CN 109157230A
- Authority
- CN
- China
- Prior art keywords
- pressure
- electrocardiosignals
- psychological
- signal
- plane
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 82
- 230000011218 segmentation Effects 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000003340 mental effect Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 50
- 238000006073 displacement reaction Methods 0.000 claims description 36
- 230000000747 cardiac effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims 1
- 238000012512 characterization method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000000241 respiratory effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种心理压力检测方法和系统、计算机设备、计算机存储介质。上述心理压力检测方法包括:采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值;根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系;其中,所述压力分割平面为将用户心电信号划分为表征不同心理压力的两类心电信号的平面;将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,根据所述第一压力信号和第二压力信号检测用户的心理压力。上述心理压力的检测过程可以以用户心电信号为依据,避免外界因素的干扰,具有较高的准确性。
Description
技术领域
本发明涉及信息处理技术领域,特别是涉及一种心理压力检测方法和系统、计算机设备、计算机存储介质。
背景技术
随着经济和社会的不断发展,生活节奏加快,竞争日趋增加,人们面临的压力也随之变大,压力类型越来越多,为用户尤其是精神病患者等存在精神障碍的人造成不同程度的心理压力。用户心理压力通常有一个从轻到重的过程,若用户所承受的心理压力长期处理高压力或超高压力状态,这样用户面临的心理压力很有可能超出其心理承受力,严重影响心理健康甚至是生理健康。若能对存在精神障碍的用户进行心理压力检测,获知其心理所承受的压力程度,便可以及时获知用户处于高压力获知超高压力的心理状态,进行有效的心理疏导或者采取其他形式的处理措施,能对相关心理疾病起到预防作用。传统方案通常需要专业人员依据用户行为进行相应心理压力评估,确定用户当时承受的心理压力,上述评估过程容易受到评估者专业性、用户行为随机性等因素的干扰,从而影响评估准确性。
发明内容
基于此,有必要针对传统方案所确定的用户心理压力准确性容易受到其他因素干扰的技术问题,提供一种心理压力检测方法和系统、计算机设备、计算机存储介质。
一种心理压力检测方法,包括:
采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值;
根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系;其中,所述压力分割平面为将用户心电信号划分为表征不同心理压力的两类心电信号的平面;
将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,根据所述第一压力信号和第二压力信号检测用户的心理压力。
上述心理压力检测方法,通过采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值,以根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系,从而将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,使上述第一压力信号可以表征用户一种程度的心理压力,第二压力信号可以表征用户另一种程度的心理压力,以便根据第一压力信号和第二压力信号对用户的心理压力进行准确检测,上述心理压力的检测过程可以以用户心电信号为依据,避免外界因素的干扰,具有较高的准确性。
在其中一个实施例中,所述压力分割平面一侧高于压力分割平面另一侧;所述第一压力信号对应的心理压力大于第二压力信号对应的心理压力。
本实施例中能对在第一检测时段中表征较高心理压力的心电信号和表征较低心理压力的心电信号进行准确识别,可以依据上述第一压力信号和第二压力信号检测第一检测时段中用户的高心理压力时间和低心理压力时间,检测精度高。
在其中一个实施例中,所述根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系的过程之前,还包括:
分别设置所述压力分割平面的法向量参数和位移项参数;
根据所述法向量参数、位移项参数以及各个心电信号的信号幅值构造约束条件和目标函数;
根据所述约束条件和目标函数求解使所述目标函数取到最小值的法向量最优解和位移项最优解;
根据所述法向量最优解和位移项最优解确定压力分割平面。
作为一个实施例,所述压力分割平面的确定方程包括:
ω*Tx+γ*=0
式中,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,表示约束条件系数,ω*表示压力分割平面的法向量最优解,γ*表示压力分割平面的位移项最优解,n表示心电信号的个数,上标T表示求转置。
本实施例可以依据相应用户的心电信号确定压力分割平面,提高了所确定的压力分割平面的准确性。
作为一个实施例,所述约束条件包括:
yi(ωTxi+γ)≥1,
所述目标函数包括:
其中,表示求的最小值,符号||||表示求向量模值,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,ω表示压力分割平面的法向量参数,γ表示压力分割平面的位移项参数。
作为一个实施例,所述根据所述约束条件和目标函数求解使所述目标函数取到最小值的法向量最优解和位移项最优解的过程包括:
根据所述约束条件和目标函数构建拉格朗日函数,通过求解所述拉格朗日函数确定使所述目标函数取到最小值的法向量最优解和位移项最优解。
本实施例通过构建拉格朗日函数获取法向量最优解和位移项最优解,可以保证所得到的法向量最优解和位移项最优解的准确性。
在其中一个实施例中,所述采集用户在第一检测时段的多个离散的心电信号的过程包括:
采集用户在第一检测时段的连续心电信号,对所述连续心电信号进行采样,并将采样得到的信号进行滤波处理,确定多个离散的心电信号。
本实施例对于心电信号进行采样、滤波等处理,可以滤除噪声干扰,保证检测所使用的心电信号的有效性。
一种心理压力检测系统,包括:
采集模块,用于采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值;
第一确定模块,用于根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系;其中,所述压力分割平面为将用户心电信号划分为表征不同心理压力的两类心电信号的平面;
检测模块,用于将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,根据所述第一压力信号和第二压力信号检测用户的心理压力。
上述心理压力检测系统,通过采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值,以根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系,从而将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,使上述第一压力信号可以表征用户一种程度的心理压力,第二压力信号可以表征用户另一种程度的心理压力,以便根据第一压力信号和第二压力信号对用户的心理压力进行准确检测,上述心理压力的检测过程可以以用户心电信号为依据,避免外界因素的干扰,具有较高的准确性。
一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例提供的心理压力检测方法。
一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述任一实施例提供的心理压力检测方法。
根据本发明的心理压力检测方法,本发明还提供一种计算机设备和计算机存储介质,用于通过程序实现上述心理压力检测方法。上述计算机设备和计算机存储介质能够以用户的心电信号为依据,可以避免外界因素的干扰,准确性高。
附图说明
图1为一个实施例的心理压力检测方法流程图;
图2为一个实施例的心电信号划分示意图;
图3为一个实施例的心理压力检测系统结构示意图;
图4为一个实施例的计算机系统模块图。
具体实施方式
为使本发明的目的、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的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
需要说明的是,本发明实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本发明实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
参考图1所示,图1为一个实施例的心理压力检测方法流程图,包括:
S10,采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值;
上述第一检测时段为需要对用户进行心理压力检测的时段,如当前时刻向前30分钟等时段等等。上述步骤可以通过智能手环等可穿戴的智能传感设备采集用户的心电信号,具体可以先采集用户在第一检测时段的连续心电信号,对上述连续心电信号依次进行采样和去噪,确定用户在第一检测时段的多个离散的心电信号。
S20,根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系;其中,所述压力分割平面为将用户心电信号划分为表征不同心理压力的两类心电信号的平面;
上述压力分割平面可以为心电信号所在坐标系中的平面,其可以将心电信号划分为表征较高心理压力的第一类心电信号(第一压力信号)和表征较低心理压力的第二类心电信号(第二压力信号)。具体地,可以依据心电信号的信号幅值确定心电信号与压力分割平面的位置关系,即将某信号幅值与压力分割平面在产生该信号幅值对应的心电信号的时间上的取值进行比较,若该信号幅值大于压力分割平面上相应的取值,则相应的心电信号位于高于压力分割平面的一侧,若该信号幅值小于压力分割平面上相应的取值,则相应的心电信号位于低于压力分割平面的一侧。
S30,将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,根据所述第一压力信号和第二压力信号检测用户的心理压力。
上述第一压力信号表明相应用户处于一种程度的心理压力,第二压力信号表明相应用户处于另一种程度的心理压力,具体地,位于压力分割平面较高(表征信号幅值的坐标轴正方向)一侧的心电信号为较大心理压力所对应的心电信号,位于压力分割平面较低(表征信号幅值的坐标轴负方向)一侧的心电信号为较低心理压力所对应的心电信号。
在一个实施例中,可以将与第一检测时段连续的一个时段(如第一检测时段之前的半小时或者第一检测时段之后的半小时等等)确定为第二检测时段,采集该用户在第二检测时段的多个离散的心电信号,识别各个心电信号的信号幅值,再依据上述步骤S20和S30将第二检测时段的多个的心电信号划分为第三压力信号和第四压力信号,根据上述第一压力信号、第二压力信号、第三压力信号和第四压力信号检测用户的心理压力。具体地,若上述第一压力信号、第二压力信号、第三压力信号和第四压力信号为存在信号幅值存在交集(如第一压力信号与第三压力信号分别对应的信号幅值存在交集,第二压力信号与第四压力信号分别对应的信号幅值存在交集)的两类心电信号,则用户在上述第一检测时段和第二检测时段具有较高心理压力和较低心理压力两种压力状态;若上述第一压力信号、第二压力信号、第三压力信号和第四压力信号为具有明显间距(四类心电信号的幅值均不存在交集)的四类心电信号,则用户在上述第一检测时段和第二检测时段可能具有正常压力、轻微压力、高压力和超高压力四种压力状态。
本发明提供的心理压力检测方法,通过采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值,以根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系,从而将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,使上述第一压力信号可以表征用户一种程度的心理压力,第二压力信号可以表征用户另一种程度的心理压力,以便根据第一压力信号和第二压力信号对用户的心理压力进行准确检测,上述心理压力的检测过程可以以用户心电信号为依据,避免外界因素的干扰,具有较高的准确性。
在一个实施例中,所述压力分割平面一侧高于压力分割平面另一侧;所述第一压力信号对应的心理压力大于第二压力信号对应的心理压力。
上述压力分割平面心电信号所在坐标系中的平面,压力分割平面在表征信号幅值的坐标轴正方向的一侧高于其在表征信号幅值的坐标轴负方向的一侧。
本实施例中能对在第一检测时段中表征较高心理压力的心电信号和表征较低心理压力的心电信号进行准确识别,可以依据上述第一压力信号和第二压力信号检测第一检测时段中用户的高心理压力时间和低心理压力时间,检测精度高。
在一个实施例中,所述根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系的过程之前,还包括:
分别设置所述压力分割平面的法向量参数和位移项参数;
根据所述法向量参数、位移项参数以及各个心电信号的信号幅值构造约束条件和目标函数;
根据所述约束条件和目标函数求解使所述目标函数取到最小值的法向量最优解和位移项最优解;
根据所述法向量最优解和位移项最优解确定压力分割平面。
作为一个实施例,所述压力分割平面的确定方程包括:
ω*Tx+γ*=0
式中,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,表示约束条件系数,ω*表示压力分割平面的法向量最优解,γ*表示压力分割平面的位移项最优解,n表示心电信号的个数,上标T表示求转置。
上述压力参数可以根据相应心电信号的信号幅值进行设置,如设置为1或者-1以简化后续的计算过程,具体地,可以预先将n个心电信号根据信号幅值特征划分为两类信号,将一类信号的压力参数确定为1,将另一类信号的压力参数确定为-1。
本实施例可以依据相应用户的心电信号确定压力分割平面,提高了所确定的压力分割平面的准确性。
作为一个实施例,所述约束条件包括:
yi(ωTxi+γ)≥1,
所述目标函数包括:
其中,表示求的最小值,符号||||表示求向量模值,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,ω表示压力分割平面的法向量参数,γ表示压力分割平面的位移项参数。
上述约束条件包括不等式约束条件,可以利用拉格朗日乘子法来求解,以保证求解过程的准确性。
作为一个实施例,所述根据所述约束条件和目标函数求解使所述目标函数取到最小值的法向量最优解和位移项最优解的过程包括:
根据所述约束条件和目标函数构建拉格朗日函数,通过求解所述拉格朗日函数确定使所述目标函数取到最小值的法向量最优解和位移项最优解。
本实施例通过构建拉格朗日函数获取法向量最优解和位移项最优解,可以保证所得到的法向量最优解和位移项最优解的准确性。
作为一个实施例,上述拉格朗日函数可以为:
上述拉格朗日函数所对应的极小极大化问题包括:
将拉格朗日函数L(ω,γ,α)分别对ω,γ求偏导,并分别令各个偏导函数等于零得到:
对拉格朗日函数进行化简得到:
将式(3)、(4)代入到式(5)中可以得到:
使用SMO算法求出可以求出α的最优解(约束条件系数):
将α的最优解α*代入式(3)可以得到:
将α的最优解α*代入压力分割平面的确定方程可以得到:
因而压力分割平面为:
ω*Tx+γ*=0。
作为一个实施例,确定约束条件和目标函数的过程可以包括:
根据法向量参数ω和位移项参数γ确定压力分割平面:
y(x)=ωTx+γ=0 (7)
某数据点到压力分割平面的垂直距离为;
参考图2所示,将n个心电信号根据信号幅值特征划分为两类信号:圆形信号和三角形信号,将圆形信号的压力参数确定为+1,规定其为正样本,将三角形信号的压力参数确定为-1,规定其为负样本,第i个心电信号的压力参数(样本标签)yi为:
在圆形信号和三角形信号的间隔区域(图2所示两条虚线之间的区域)最大的情况下,使压力分割平面(图2实线所示)正好处于间隔区域的中轴线上,相应的虚线上对应的样本点到分割平面(即压力分割平面)的距离为d,那么对于所有分类标签(即压力参数)为1和-1样本点,它们到直线的距离都大于等于d,因此可以得到如下公式:
将上述式(9)两边除以d,用ω表示用γ表示式(9)可以变成如下形式:
对式(10)进行变换可以得到约束条件:
符号表示任意一个;
优化目标是最大化d,用图2虚线上的样本点求解d的最大化问题对应的目标函数为:
对于任意虚线上的数据点,均有:xi|ωTx+γ|=1,因而上述目标函数可以进一步化简:
为了在进行优化的过程中对目标函数求导时比较方便,且不影响优化问题最后的求解,||ω||的最小化问题可以等效为:
因此,上述约束条件和目标函数分别为:
yi(ωTxi+γ)≥1,
在一个实施例中,所述采集用户在第一检测时段的多个离散的心电信号的过程包括:
采集用户在第一检测时段的连续心电信号,对所述连续心电信号进行采样,并将采样得到的信号进行滤波处理,确定多个离散的心电信号。
上述采样频率可以依据相应的检测精度设置。本实施例对于心电信号进行采样、滤波等处理,可以滤除噪声干扰,保证检测所使用的心电信号的有效性。
作为一个实施例,在采集心电信号时,还可以采集用户的呼吸信号,根据呼吸信号的特点,信号幅值的大小确定呼吸信号的上升和下降阶段,即吸气与呼吸阶段,并可根据相邻上升、下降阶段判断波峰与波谷点,进而得到吸气时间、呼气时间、呼吸周期等呼吸信号基本特征。将上述呼吸信号基本特征与各类心电信号(如第一压力信号、第二压力信号、第三压力信号和/或第四压力信号)相结合,对用户的心理压力程度进行准确识别,以检测用户心理压力处于正常压力、轻微压力、高压力,还是超高压力,进而依据检测结果采取相应措施。
参考图3,图3所示为一个实施例的心理压力检测系统结构示意图,包括:
采集模块10,用于采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值;
第一确定模块20,用于根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系;其中,所述压力分割平面为将用户心电信号划分为表征不同心理压力的两类心电信号的平面;
检测模块30,用于将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,根据所述第一压力信号和第二压力信号检测用户的心理压力。
在一个实施例中,所述压力分割平面一侧高于压力分割平面另一侧;所述第一压力信号对应的心理压力大于第二压力信号对应的心理压力。
在一个实施例中,所述心理压力检测系统结构还包括:
设置模块,用于分别设置所述压力分割平面的法向量参数和位移项参数;
构造模块,用于根据所述法向量参数、位移项参数以及各个心电信号的信号幅值构造约束条件和目标函数;
求解模块,用于根据所述约束条件和目标函数求解使所述目标函数取到最小值的法向量最优解和位移项最优解;
第二确定模块,用于根据所述法向量最优解和位移项最优解确定压力分割平面。
作为一个实施例,所述压力分割平面的确定方程包括:
ω*Tx+γ*=0
式中,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,表示约束条件系数,ω*表示压力分割平面的法向量最优解,γ*表示压力分割平面的位移项最优解,n表示心电信号的个数,上标T表示求转置。
作为一个实施例,所述约束条件包括:
yi(ωTxi+γ)≥1,
所述目标函数包括:
其中,表示求的最小值,符号||||表示求向量模值,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,ω表示压力分割平面的法向量参数,γ表示压力分割平面的位移项参数。
作为一个实施例,所述求解模块进一步用于:
根据所述约束条件和目标函数构建拉格朗日函数,通过求解所述拉格朗日函数确定使所述目标函数取到最小值的法向量最优解和位移项最优解。
在一个实施例中,所述采集模块进一步用于:
采集用户在第一检测时段的连续心电信号,对所述连续心电信号进行采样,并将采样得到的信号进行滤波处理,确定多个离散的心电信号。
图4为能实现本发明实施例的一个计算机系统1000的模块图。该计算机系统1000只是一个适用于本发明的计算机环境的示例,不能认为是提出了对本发明的使用范围的任何限制。计算机系统1000也不能解释为需要依赖于或具有图示的示例性的计算机系统1000中的一个或多个部件的组合。
图4中示出的计算机系统1000是一个适合用于本发明的计算机系统的例子。具有不同子系统配置的其它架构也可以使用。例如有大众所熟知的台式计算机、笔记本等类似设备可以适用于本发明的一些实施例。但不限于以上所列举的设备。
如图4所示,计算机系统1000包括处理器1010、存储器1020和系统总线1022。包括存储器1020和处理器1010在内的各种系统组件连接到系统总线1022上。处理器1010是一个用来通过计算机系统中基本的算术和逻辑运算来执行计算机程序指令的硬件。存储器1020是一个用于临时或永久性存储计算程序或数据(例如,程序状态信息)的物理设备。系统总线1020可以为以下几种类型的总线结构中的任意一种,包括存储器总线或存储控制器、外设总线和局部总线。处理器1010和存储器1020可以通过系统总线1022进行数据通信。其中存储器1020包括只读存储器(ROM)或闪存(图中都未示出),以及随机存取存储器(RAM),RAM通常是指加载了操作系统和应用程序的主存储器。
计算机系统1000还包括显示接口1030(例如,图形处理单元)、显示设备1040(例如,液晶显示器)、音频接口1050(例如,声卡)以及音频设备1060(例如,扬声器)。显示设备1040可以用于各类心电信号的显示。
计算机系统1000一般包括一个存储设备1070。存储设备1070可以从多种计算机可读介质中选择,计算机可读介质是指可以通过计算机系统1000访问的任何可利用的介质,包括移动的和固定的两种介质。例如,计算机可读介质包括但不限于,闪速存储器(微型SD卡),CD-ROM,数字通用光盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁存储设备,或者可用于存储所需信息并可由计算机系统1000访问的任何其它介质。
计算机系统1000还包括输入装置1080和输入接口1090(例如,IO控制器)。用户可以通过输入装置1080,如键盘、鼠标、显示装置1040上的触摸面板设备,输入指令和信息到计算机系统1000中。输入装置1080通常是通过输入接口1090连接到系统总线1022上的,但也可以通过其它接口或总线结构相连接,如通用串行总线(USB)。
计算机系统1000可在网络环境中与一个或者多个网络设备进行逻辑连接。网络设备可以是个人电脑、服务器、路由器、平板电脑或者其它公共网络节点。计算机系统1000通过局域网(LAN)接口1100或者移动通信单元1110与网络设备相连接。局域网(LAN)是指在有限区域内,例如家庭、学校、计算机实验室、或者使用网络媒体的办公楼,互联组成的计算机网络。WiFi和双绞线布线以太网是最常用的构建局域网的两种技术。WiFi是一种能使计算机系统1000间交换数据或通过无线电波连接到无线网络的技术。移动通信单元1110能在一个广阔的地理区域内移动的同时通过无线电通信线路接听和拨打电话。除了通话以外,移动通信单元1110也支持在提供移动数据服务的2G,3G或4G蜂窝通信系统中进行互联网访问。
应当指出的是,其它包括比计算机系统1000更多或更少的子系统的计算机系统也能适用于发明。如上面详细描述的,适用于本发明的计算机系统1000能执行心理压力检测方法的指定操作。计算机系统1000通过处理器1010运行在计算机可读介质中的软件指令的形式来执行这些操作。这些软件指令可以从存储设备1070或者通过局域网接口1100从另一设备读入到存储器1020中。存储在存储器1020中的软件指令使得处理器1010执行上述的心理压力检测方法。此外,通过硬件电路或者硬件电路结合软件指令也能同样实现本发明。因此,实现本发明并不限于任何特定硬件电路和软件的组合。
本发明的心理压力检测系统与本发明的心理压力检测方法一一对应,在上述心理压力检测方法的实施例阐述的技术特征及其有益效果均适用于心理压力检测系统的实施例中。
基于如上所述的示例,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行所述程序时实现如上述各实施例中的任意一种心理压力检测方法。
上述计算机设备,通过所述处理器上运行的计算机程序,实现了心理压力检测准确性的提升。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性的计算机可读取存储介质中,如本发明实施例中,该程序可存储于计算机系统的存储介质中,并被该计算机系统中的至少一个处理器执行,以实现包括如上述心理压力检测方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
据此,在一个实施例中还提供一种计算机存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述各实施例中的任意一种心理压力检测方法。
上述计算机存储介质,通过其存储的计算机程序,能够以用户心电信号为依据检测相应用户的心理压力,提高了检测准确性。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种心理压力检测方法,其特征在于,包括:
采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值;
根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系;其中,所述压力分割平面为将用户心电信号划分为表征不同心理压力的两类心电信号的平面;
将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,根据所述第一压力信号和第二压力信号检测用户的心理压力。
2.根据权利要求1所述的心理压力检测方法,其特征在于,所述压力分割平面一侧高于压力分割平面另一侧;所述第一压力信号对应的心理压力大于第二压力信号对应的心理压力。
3.根据权利要求1所述的心理压力检测方法,其特征在于,所述根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系的过程之前,还包括:
分别设置所述压力分割平面的法向量参数和位移项参数;
根据所述法向量参数、位移项参数以及各个心电信号的信号幅值构造约束条件和目标函数;
根据所述约束条件和目标函数求解使所述目标函数取到最小值的法向量最优解和位移项最优解;
根据所述法向量最优解和位移项最优解确定压力分割平面。
4.根据权利要求3所述的心理压力检测方法,其特征在于,所述压力分割平面的确定方程包括:
ω*Tx+γ*=0
式中,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,表示约束条件系数,ω*表示压力分割平面的法向量最优解,γ*表示压力分割平面的位移项最优解,n表示心电信号的个数,上标T表示求转置。
5.根据权利要求3所述的心理压力检测方法,其特征在于,所述约束条件包括:
yi(ωTxi+γ)≥1,
所述目标函数包括:
其中,表示求的最小值,符号|| ||表示求向量模值,xi表示第i个心电信号的信号幅值,yi表示第i个心电信号的压力参数,ω表示压力分割平面的法向量参数,γ表示压力分割平面的位移项参数。
6.根据权利要求5所述的心理压力检测方法,其特征在于,所述根据所述约束条件和目标函数求解使所述目标函数取到最小值的法向量最优解和位移项最优解的过程包括:
根据所述约束条件和目标函数构建拉格朗日函数,通过求解所述拉格朗日函数确定使所述目标函数取到最小值的法向量最优解和位移项最优解。
7.根据权利要求1至6任一项所述的心理压力检测方法,其特征在于,所述采集用户在第一检测时段的多个离散的心电信号的过程包括:
采集用户在第一检测时段的连续心电信号,对所述连续心电信号进行采样,并将采样得到的信号进行滤波处理,确定多个离散的心电信号。
8.一种心理压力检测系统,其特征在于,包括:
采集模块,用于采集用户在第一检测时段的多个离散的心电信号,识别各个心电信号的信号幅值;
第一确定模块,用于根据所述信号幅值确定各个心电信号与所述压力分割平面的位置关系;其中,所述压力分割平面为将用户心电信号划分为表征不同心理压力的两类心电信号的平面;
检测模块,用于将位于所述压力分割平面一侧的心电信号确定为第一压力信号,将位于所述压力分割平面另一侧的心电信号确定为第二压力信号,根据所述第一压力信号和第二压力信号检测用户的心理压力。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的心理压力检测方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7任意一项所述的心理压力检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810883313.4A CN109157230A (zh) | 2018-08-06 | 2018-08-06 | 心理压力检测方法和系统、计算机设备、计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810883313.4A CN109157230A (zh) | 2018-08-06 | 2018-08-06 | 心理压力检测方法和系统、计算机设备、计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109157230A true CN109157230A (zh) | 2019-01-08 |
Family
ID=64898878
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810883313.4A Pending CN109157230A (zh) | 2018-08-06 | 2018-08-06 | 心理压力检测方法和系统、计算机设备、计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109157230A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103584872A (zh) * | 2013-10-29 | 2014-02-19 | 燕山大学 | 一种基于多生理参数融合的心理压力评估方法 |
| WO2016108754A1 (en) * | 2014-12-30 | 2016-07-07 | Nitto Denko Corporation | Method and apparatus for deriving a mental state of a subject |
-
2018
- 2018-08-06 CN CN201810883313.4A patent/CN109157230A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103584872A (zh) * | 2013-10-29 | 2014-02-19 | 燕山大学 | 一种基于多生理参数融合的心理压力评估方法 |
| WO2016108754A1 (en) * | 2014-12-30 | 2016-07-07 | Nitto Denko Corporation | Method and apparatus for deriving a mental state of a subject |
Non-Patent Citations (2)
| Title |
|---|
| HAN, L,ET AL: "Detecting work-related stress with a wearable device", 《COMPUTERS IN INDUSTRY》 * |
| 黄发良,等: "用于分类的支持向量机", 《广西师范学院学报(自然科学版)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10980429B2 (en) | Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time | |
| US9380956B2 (en) | Method and apparatus for classifying cardiac arrhythmia | |
| CN110461215B (zh) | 使用便携式设备确定健康标志 | |
| US20170220923A1 (en) | Gesture classification apparatus and method using emg signal | |
| EP3165158B1 (en) | Signal feature extracting apparatus | |
| WO2021253709A1 (zh) | 心电图心搏分类方法、装置、电子设备和介质 | |
| US20130211271A1 (en) | Method and apparatus for eliminating motion artifacts of bio signal using personalized bio signal pattern | |
| CN105705079A (zh) | 用于处理生理信号的设备、方法和系统 | |
| TWI519276B (zh) | 心電圖學訊號擷取方法 | |
| CN114048773A (zh) | 一种基于迁移学习和WiFi的行为识别方法及系统 | |
| KR101977745B1 (ko) | 심장 부정맥을 분류하기 위한 방법 및 장치 | |
| CN113633268A (zh) | 生理信号检测方法、装置和数据处理设备 | |
| Paula Rocha et al. | Beyond long memory in heart rate variability: an approach based on fractionally integrated autoregressive moving average time series models with conditional heteroscedasticity | |
| CN109864705A (zh) | 对脉搏波进行滤波的方法、装置和计算机设备 | |
| Luongo et al. | Hybrid machine learning to localize atrial flutter substrates using the surface 12-lead electrocardiogram | |
| EP4216814A1 (en) | Method and system for non-contact vital sign monitoring | |
| KR102688647B1 (ko) | 신호 처리 방법, 신호 필터링 장치 및 신호 처리 장치 | |
| US20170049376A1 (en) | Methods and apparatuses for detecting motion disorder symptoms based on sensor data | |
| CN109157230A (zh) | 心理压力检测方法和系统、计算机设备、计算机存储介质 | |
| JP6875864B2 (ja) | 波形表示装置、波形表示方法、プログラム及び記憶媒体 | |
| CN114652324A (zh) | 一种单心拍分类方法、装置、设备及计算机可读存储介质 | |
| CN112244865A (zh) | 动态心电图分析方法、装置、计算机设备和存储介质 | |
| CN114469040A (zh) | 心率检测方法及装置、存储介质及电子设备 | |
| Kher et al. | RPCA-based detection and quantification of motion artifacts in ECG signals | |
| CN110584650A (zh) | 一种基于hrv的驾驶舒适度量化方法、装置和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190108 |
|
| RJ01 | Rejection of invention patent application after publication |