[发明专利]一种面向独居人群的机器人智能情绪识别治愈方法

权利要求书

1.一种面向独居人群的机器人智能情绪识别治愈方法，其特征是，包括有以下步骤：

S1、使用者佩戴手环，手环的生理特征检测模块实时采集获取使用者的脉搏信号，并根据脉搏信号计算设定的特征指标；

S2、手环进行实时采集监测，当检测到使用者脉搏信号中设定特征指标超出平静状态下基准阈值时，通过特征指标分析子算法获取使用者初步判断情绪类型，并发送初步判断情绪类型信息和情绪检测请求信号至机器人本体；

S3、机器人本体的本体主控模块接收获取手环发送的情绪检测请求信号，启动机器人本体跟随或寻找使用者并通过摄像头抓取拍摄使用者面部图片，进行表情识别算法，根据表情识别结果匹配设定的识别情绪类型，并结合初步判断情绪类型信息确认使用者当前情绪类型；

S4、机器人本体根据确认的使用者当前情绪类型，调用并执行对应治愈动作；

S5、间隔设定时长周期性进行特征指标分析判断，若判定情绪类型维持，则持续执行治愈动作；若判定的情绪类型变化，则重新进行表情识别算法并切换执行对应治愈动作；若检测到使用者恢复平静状态时，机器人恢复至初始状态，以等待下一次表情识别及执行对应治愈动作。

2.根据权利要求1所述的面向独居人群的机器人智能情绪识别治愈方法，其特征是，手环进行采集初判的步骤包括有：

S11、于使用者平静状态下采集脉搏PPG波形，计算获取并保存使用者的各基准特征指标；实时持续采集使用者脉搏PPG波形，通过去噪算法将采集的脉搏PPG波形进行去噪获得脉搏信号；带噪的脉搏信号为f(t)＝s(t)+n(t)，其中，s(t)为脉搏信号，n(t)为噪声，f(t)为带噪脉搏信号；

S12、根据脉搏信号，计算求取脉搏信号的一阶和二阶的差分序列并确定有效波峰，计算对应特征指标；特征指标包括有P-P区间的平均值MEAN、波段平均心率H_R、电压序列均值V_Mean、电压序列最大值V_Max、电压序列最小值V_Min、电压序列中值V_Middle、电压序列标准差V_SDNN；

S21、对比实时采集的特征指标与基准特征指标，若判定在设定时长内监测到使用者实时特征指标P-P区间的平均值MEAN大于基准特征指标的MEAN数值，且实时特征指标的波段平均心率H_R小于基准特征指标的H_R数值，则执行特征指标分析子算法；

S22、进行特征指标分析子算法，根据对应特征指标确定初步判断情绪类型，并通过蓝牙发送发送初步判断情绪类型信息及情绪检测请求信号至机器人本体。

3.根据权利要求2所述的面向独居人群的机器人智能情绪识别治愈方法，其特征是：通过去噪算法获得脉搏信号具体为：

对采集到的脉搏PPG波形进行使用bior3.5作为小波基进行离散小波变换，将脉搏PPG波形做8层分解后获得含有噪声的小波系数ω；

在高频小波系数中设λ为阈值进行量化，若高频小波系数大于λ，则将该小波系数缩小一个单位，对于小于λ的小波系数将其归零；

其中N为数据长度，σ为噪声标准差；

将量化后的小波系数逆小波变化得到去噪后的波形，得到去噪后的脉搏信号。