一种基于深度学习神经网络情绪识别的提前预警系统

技术领域

本发明涉及监测设备技术领域,更具体的说是涉及一种基于深度学习神 经网络情绪识别的提前预警系统。

背景技术

我们基于深度学习神经网络分析和情绪异常的系统预警,所述预警方法 采用深度学习神经网络方法记忆情绪变化进而对系统运行异常提出预警基于 系统运行过程中积累的海量历史数据,从摄像设备中获取人脸；将人脸输入到 训练好的全局神经网络与情绪汇总模型中进行全局的情绪检测分析,获取基 于人脸情绪异常的分析结果；依赖数据人工智能方法深入学习收集到数据自 主交互判断，通过检测结果判断危险率，从人群中发现情绪具有危险以及不 可控的人进而实现危险预警。

发明内容

有鉴于此，本发明提供了一种可以监测人脸情绪信息，并能够实时分析 的一种基于深度学习神经网络情绪识别的提前预警系统。

为实现上述目的，本发明提供如下技术方案，主要包括：数据收集单元、 建模单元、比对单元、控制单元、数据库和执行单元；

数据收集单元，用于获取检测者数据信息；

建模单元，用于将获取的信息进行建模，并生成网络模型；

比对单元，用于使网络模型与数据库的数据进行比对；

控制单元，用于协调各个单元的配合工作；

数据库，用于储存预存表情数据；

执行单元，用于提醒使用者预警信息；

使用步骤：

S1：通过数据收集单元对检测者的图像、声音、体温、心率进行采集，并生 成图像信息、语音信息、体温信息和心率信息；

S2：将收集到的图像信息、语音信息、体温信息和心率信息传递至建模单元， 通过建模单元建立三维网络模型；

S3：将建立的三维网格模型传递至比对单元中，比对单元通过在数据库中调 出储存数据，并于建立的三维网格模型进行比对，生成对比结果；

S4：将对比结果发送至控制单元，通过控制单元进行分析和处理，并下达执 行命令；

S5：执行命令传至执行单元，通过执行单元进行预警。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述数据收集单元包括：可将光摄像机、红外测温仪、非接触心率测量仪； 所述可见光摄像机用于收集人体面部表情、采集人体动态图片以及人体语音 信息；

所述红外测温仪用于收集人体温度；

所述非接触式心率测量仪用于收集人体心率信息。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述建模单元包括单人建模模块和多人建模模块，所述建模单元还包括：单 帧高维图片输入端、编码器、解码器、重建高维图片输出端；所述单帧高维 图片输入端接收可见光摄像机的输入图片，将输入图片经单帧高维图片输入 端处理，再经编码器编码得到低维向量表示，得到的低维向量表示再经解码 器解码后得到高维网格模型，再将高维网格模型经重建高维图片输出端输出 至比对单元。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述比对单元与数据库信息互通，且与控制单元电性信号连接。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述数据库中预存多种类型的情绪网格模型。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述执行单元包括：显示器、工作指示灯和扬声器。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述多种类型的情绪网格模型包括人体痛苦、愤怒、恐惧、厌恶、放松、紧 张的表情的人体网格模型。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述可将光摄像机的分辨率为1920x1080,隔行/60Hz,行频为33.75KHz，其拍 摄的图像为48*48的单通道图片。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述建模单元采用深度神经网格算法进行计算。

优选的，在上述一种基于深度学习神经网络情绪识别的提前预警系统中， 所述可将光摄像头放置于一台有内置摄像头的电脑中，摄像头与检测者的距 离为45厘米。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基 于深度学习神经网络情绪识别的提前预警系统，本发明通过收集人体面部情 绪、语音、体温和心率的信息，再根据收集信息进行建模后进行比对，生成 比对信息，并通过控制单元实时分析处理结果，通过执行单元进行实时预警， 以能够检测单人或多人的情绪状况，并实时分析危险状况。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描 述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明 中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所 有其他实施例，都属于本发明保护的范围。

本发明，主要包括：数据收集单元、建模单元、比对单元、控制单元、 数据库和执行单元；

数据收集单元，用于获取检测者数据信息；

建模单元，用于将获取的信息进行建模，并生成网络模型；

比对单元，用于使网络模型与数据库的数据进行比对；

控制单元，用于协调各个单元的配合工作；

数据库，用于储存预存表情数据；

执行单元，用于提醒使用者预警信息；

使用步骤：

S1：通过数据收集单元对检测者的图像、声音、体温、心率进行采集，并生 成图像信息、语音信息、体温信息和心率信息；

S2：将收集到的图像信息、语音信息、体温信息和心率信息传递至建模单元， 通过建模单元建立三维网络模型；

S3：将建立的三维网格模型传递至比对单元中，比对单元通过在数据库中调 出储存数据，并于建立的三维网格模型进行比对，生成对比结果；

S4：将对比结果发送至控制单元，通过控制单元进行分析和处理，并下达执 行命令；

S5：执行命令传至执行单元，通过执行单元进行预警。

为了进一步优化上述技术方案，数据收集单元包括：可将光摄像机、红 外测温仪、非接触心率测量仪；

所述可见光摄像机用于收集人体面部表情、采集人体动态图片以及人体语音 信息；

所述红外测温仪用于收集人体温度；

所述非接触式心率测量仪用于收集人体心率信息。

为了进一步优化上述技术方案，建模单元包括单人建模模块和多人建模 模块，所述建模单元还包括：单帧高维图片输入端、编码器、解码器、重建 高维图片输出端；所述单帧高维图片输入端接收可见光摄像机的输入图片， 将输入图片经单帧高维图片输入端处理，再经编码器编码得到低维向量表示， 得到的低维向量表示再经解码器解码后得到高维网格模型，再将高维网格模 型经重建高维图片输出端输出至比对单元。

为了进一步优化上述技术方案，比对单元与数据库信息互通，且与控制 单元电性信号连接。

为了进一步优化上述技术方案，数据库中预存多种类型的情绪网格模型。

为了进一步优化上述技术方案，执行单元包括：显示器、工作指示灯和 扬声器。

为了进一步优化上述技术方案，多种类型的情绪网格模型包括人体痛苦、 愤怒、恐惧、厌恶、放松、紧张的表情的人体网格模型。

为了进一步优化上述技术方案，可将光摄像机的分辨率为1920x1080,隔 行/60Hz,行频为33.75KHz，其拍摄的图像为48*48的单通道图片。

为了进一步优化上述技术方案，建模单元采用深度神经网格算法进行计 算。

为了进一步优化上述技术方案，可将光摄像头放置于一台有内置摄像头 的电脑中，摄像头与检测者的距离为45厘米。

为了进一步优化上述技术方案，使用时当检测者进入监测范围内时，通 过可见光摄像机进行人脸信息和语音信息采集，且全程监控通过可见光摄像 机检测者人脸信息，通过红外测温仪检测人体温度，通过非接触式心率测量 仪用于收集人体心率信息，综合上述信息传至建模单元，根据人脸图像信息、 语音信息、体温信息、心率信息进行综合建模，再经比对单元进行比对生成 比对结果，再通过控制单元向执行单元发送命令，通过执行单元在显示屏上 实时显示分析结果，通过指示灯显示处理结果，通过扬声器进行警示。

为了进一步优化上述技术方案，图像信息不仅仅是拍摄人脸图像，还对 人体动作进行拍摄和记录，以分析人体的动作危险程度，当拍摄到多人时， 可通过多人建模模块进行建模，建模后再进行单人比对分析结果，避免在患 者看病时旁人出现危险动作无法及时预警。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都 是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。 对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述 的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用 本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下， 在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例， 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。