-
公开(公告)号：CN104000602A
公开(公告)日：2014-08-27
申请号：CN201410148099.X
申请日：2014-04-14
Applicant: 北京工业大学
IPC: A61B5/16
CPC classification number: A61B3/112 , A61B3/113 , A61B5/1105 , A61B5/165
Abstract: 情感带宽测定及其情感损伤判别方法涉及认知科学和认知心理学领域。情感带宽是指认知个体受外界刺激所诱发的情感体验的大小范围，包括正性情感带宽、负性情感带宽和正负情感带宽。情感带宽测定的主要方法为：让被测试者观看正性、中性和负性图片任务各8～10秒，同时使用眼动装置获得各个注视点信息；计算被测试者在观看正性、中性和负性图片任务时的瞳孔直径大小；最后计算出被测试者正性情感带宽（正性-中性）、负性情感带宽（负性-中性）和正负情感带宽（正性-负性）。本发明首次提出了情感带宽的概念，解决了传统情感体验心理测量的模糊性和不确定性，给出情感体验的客观标准以及情感损伤的判断方法。
-
公开(公告)号：CN113807427B
公开(公告)日：2025-05-13
申请号：CN202111070317.9
申请日：2021-09-13
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06N3/006 , G06N20/00
Abstract: 本申请公开了一种生物信息的分类方法、装置、储存介质及电子设备，属于生物信息识别领域，其中，生物信息的分类方法包括：获取待分类生物图片；将待分类生物图片输入训练好的机器学习模型中，得到待分类生物图片的分类信息，训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的。该方法利用训练好的机器学习模型进行生物图片的生物信息分类，节省了人工成本的同时，大大提高了分类速度，并且该训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的，分类准确率相较于传统的模型具有更高的准确率。
-
公开(公告)号：CN113610853B
公开(公告)日：2022-01-28
申请号：CN202111178892.0
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/16
Abstract: 本公开提供了一种基于静息态脑功能图像的情绪状态展示方法、装置及系统，该方法包括：获取被测者的静息态脑功能图像；将静息态脑功能图像输入第一网络模型得到情绪指数；对静息态脑功能图像进行特征提取得到初始特征图像；根据情绪指数对初始特征图像中感兴趣的区域进行增强得到目标特征图像；在静息态脑功能图像上叠加目标特征图像得到用于展示情绪状态的脑模式图像。该方法通过第一网络模型得到情绪指数能够初步确认被测者情绪状态的异常风险，通过对静息态脑功能图像进行特征提取和部分增强能够进一步获取与情绪状态相关的图像信息，通过在静息态脑功能图像上叠加目标特征图像得到的脑模式图像能够直观地展示被测者的情绪状态。
-
公开(公告)号：CN113903076A
公开(公告)日：2022-01-07
申请号：CN202111184281.7
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06V40/18 , G06V10/774 , G06K9/62 , G16H50/20 , G06N3/04
Abstract: 本申请公开了一种基于瞳孔波的负性情绪评估的数据处理方法与装置，其中方法包括：使用图像显示设备依次呈示平静情绪图像、快乐情绪图像和负性情绪图像；采集评估对象观看所述平静情绪图像、所述快乐情绪图像和所述负性情绪图像时相应的瞳孔波，得到平静瞳孔波、快乐瞳孔波和负性瞳孔波；根据所述平静瞳孔波、所述快乐瞳孔波和所述负性瞳孔波，分别生成快乐差异波和负性差异波；根据快乐差异波和负性差异波，分别提取快乐信息特征和负性信息特征；将提取的快乐信息特征和负性信息特征输入两层全连接评估模型，获得负性情绪风险指数AR。本申请实施例能够为识别负性情绪早期者提供帮助。
-
公开(公告)号：CN113842145A
公开(公告)日：2021-12-28
申请号：CN202111178895.4
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种基于瞳孔波计算情绪指标的方法、装置及系统，该方法包括：采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；获取情绪指标对应的多个情绪；分别采集被测试者处于每个情绪时的瞳孔波作为情绪瞳孔波；根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。该方法通过采集被测试者的瞳孔波能够得到被测试者瞳孔的动态变化情况，与现有的自评量表和拍照获取被测试者状态图片相比，本公开根据动态的瞳孔的变化情况计算情绪指标能够降低主观因素的影响，进而得到更精准的情绪指标的指数值。
-
Patent Agency Ranking
公开(公告)号：CN104504404B
公开(公告)日：2018-01-12
申请号：CN201510037404.2
申请日：2015-01-23
Applicant: 北京工业大学
CPC classification number: G06K9/62
Abstract: 本发明公开一种基于视觉行为的网上用户类型识别方法及系统，对一个或多个不同类型用户的眼动数据进行采集和处理，获得注视信息数据集与用户类型集，根据注视信息数据集中的注视信息，获得一个或多个眼动特征数据，以形成采样数据集，从中选择眼动特征数据输入支持向量机，训练得到用户类型分类器，完成机器学习过程获得分类器，将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根据分类器识别网上任意用户的用户类型。主要利用眼动追踪技术，获取计算用户浏览网页时三种眼动特征数据，根据眼动特征数据的不同，判断网上用户类型。基于视觉行为的用户识别，能够主动记录网上用户的眼动数据，提取数据简便可靠，准确率高，可信度高。
-
公开(公告)号：CN104200227A
公开(公告)日：2014-12-10
申请号：CN201410441415.2
申请日：2014-09-01
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/0061 , G06K9/42 , G06K9/6232
Abstract: 本发明提供了一种用于人类认知模式识别的特征归一化方法及系统，该方法通过将特征数据按用户分组以形成特征矩阵，基于预定的归一化函数对特征矩阵进行分组参数估计以得到每个分组对应的分组参数，能够基于分组参数对特征矩阵的每个分组分别构建归一化函数，并利用构建的归一化函数对特征矩阵进行分组归一化处理。本方法采用多个归一化函数对认知模式特征数据进行归一化处理，既保留了现有特征整体归一化方法的优点，又减少了特征数据内部分布尺度过大的问题，从而提高了分类正确率，并具有很强的鲁棒性。
-
公开(公告)号：CN120052896A
公开(公告)日：2025-05-30
申请号：CN202510146297.0
申请日：2025-02-10
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于瞳孔波的汉密尔顿抑郁量表评定方法及系统，涉及情绪心理学、人工智能、深度学习技术领域，包括情绪视频显示模块、瞳孔波生成模块、数据预处理模块、量表评定模块；首先，通过情绪视频显示模块，从情绪数据库中选择正性视频和负性视频，并显示播放提供给被评估者观看；其次，通过瞳孔波生成模块，根据眼部图像生成瞳孔波；接着，通过数据预处理模块，对采集的瞳孔波进行预处理；然后，通过量表评定模块，根据评定模型评定汉密尔顿量表值。因此，采用上述一种基于瞳孔波的汉密尔顿抑郁量表评定方法及系统，能够更客观、高效地测量和评定汉密尔顿量表值，为临床抑郁症诊断和疗效评定提供科学依据。
-
公开(公告)号：CN116188605B
公开(公告)日：2023-09-26
申请号：CN202211687009.5
申请日：2022-12-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于静态和动态表情图像的联合表情编码系统，包括图像预处理模块、动态表情图像生成模块、动态权重图像生成模块和联合表情编码图像生成模块。同时公开了一种基于上述系统的联合表情编码方法，采用上述一种基于静态和动态表情图像的联合表情编码系统及其方法，将静态表情图像和动态表情图像按照编码方法合并到一张图像中，使其能够同时表征静态的和动态的表情信息，提高基于面部表情的情感识别能力。
-
公开(公告)号：CN113855021B
公开(公告)日：2023-08-18
申请号：CN202111179593.9
申请日：2021-10-11
Applicant: 北京工业大学
IPC: A61B5/16
Abstract: 本公开提供了一种抑郁倾向评估方法及装置，该方法包括：获取被测者做出情绪决策的反应时间；对反应时间进行特征提取，得到原始特征参数；对原始特征参数进行降维处理得到评估特征参数；将评估特征参数输入预训练的超限学习机模型得到抑郁倾向指数。该方法通过被测者做出情绪决策的反应时间进行抑郁倾向评估能够增加对情绪和反应速度的关注度。与相关技术中的人工评估相比降低主观因素影响，与相关技术中通过生理信号进行评估相比降低了环境及设备噪声，有利于提高抑郁倾向评估的准确性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.019 seconds)
