[发明专利]一种对影视作品在线客观评价的系统及方法

权利要求书

1.一种对影视作品在线客观评价的系统，其特征在于：包括影视显示模块、信号采集模块、信号预处理模块、特征提取模块、情绪分类模块、结果显示模块；

所述的影视显示模块，用于播放调查者希望评测的影视作品；

所述的信号采集模块，包括摄像设备和电极帽，该电极帽用于采集被测对象的脑电波信号，该摄像设备用于采集被测对象的面部表情图像或视频，并将采集到的脑电波信号发送至信号预处理模块，将面部表情图像/视频发送给情感分析模块；

所述的信号预处理模块，对从信号采集模块得到原始的脑电波信号进行预处理,该预处理包括去除脑电波信号中不可用的信号量、滤波、信号缺失处理、归一化处理；

所述的特征提取模块，用于接收来自信号预处理模块经过预处理的脑电波信号，利用主成分分析法PCA对预处理后的脑电波信号进行降维处理，并将处理后的脑电波信号发送至情感分析模块；

所述的情感分析模块，接收来自特征提取模块的脑电波信号，用机器学习的方法构建SVM情感分类器，对该脑电波信号进行情感极性分类，将该情感极性分为积极或者消极，对接收来自信号采集模块中摄像设备采集的被测者的面部表情图像或视频进行面部识别，将该面部识别的结果作为辅助，用于对分类后的脑电波信号进行精分类，最终将脑电波信号标签为积极或消极后，作为情感分析模块的分析结果输出至结果显示模块。

2.根据权利要求1所述的一种对影视作品在线客观评价的系统，其特征在于：所述的机器学习的方法选用基于聚类核的半监督学习方法，包括如下步骤：

步骤1、在标记样本和未标记样本上，建立加权无向图，给出了基于图的情感分类问题的数学模型；

步骤2、按照现有的聚类核算法，求解基于该加权无向图的半监督聚类核，作为构建分类器的核函数；

步骤3、将步骤2的核函数用于SVM情感分类器的训练上，将训练好的SVM情感分类器用于对脑电波信号进行情感极性分类。

3.根据权利要求1、2所述任意一种对影视作品在线客观评价的系统进行在线客观评价的方法，其特征在于包括如下步骤：

步骤1、被测对象佩戴好信号采集模块，使得信号采集模块中的电极帽可以采集被测对象的脑电波信号，信号采集模块中的摄像设备可以采集被测对象的面部表情图像或视频；

步骤2、调查者在影视显示模块上播放想要评测的影视作品；通过被测对象佩戴的电极帽和摄像设备分别获取被测对象在观看该影视作品时产生的脑电波信号和面部表情图像或视频，并将采集到的脑电波信号发送至信号预处理模块，将面部表情图像或视频发送给情感分析模块；

步骤3、信号预处理模块对获取到的脑电波信号进行预处理后发送给特征提取模块，该特征提取模块对预处理后的脑电波信号进行降维处理；

步骤4、所述的情感分析模块，接收来自特征提取模块的脑电波信号，用机器学习的方法构建的SVM情感分类器，对该脑电波信号进行情感极性分类，将该情感极性分为积极或者消极，对接收来自信号采集模块中摄像设备采集的被测者的面部表情图像或视频数据进行面部识别，将该面部识别的结果作为辅助，用于对SVM情感分类器分类后的脑电波信号进行精分类，最终脑电波信号被标签为积极或消极后，作为情感分析模块的分析结果输出至结果显示模块；

步骤5、汇总被测对象对该播放的影视作品的情感极性分类，得到被测对象在观看该影视作品的情感是积极的或者消极的分析结果，作为调查者对影视作品进行修改的参考。