本发明涉及信号与信息处理领域，更具体地来说，特别涉及一种视觉感知识别系统。
背景技术：
随着计算机技术的进步，人机交互正在朝着人性化与简单化的方向不断发展，非接触式手势交互逐渐成为人机交互的一个重要方式。与鼠标、键盘、触摸屏等接触式的操作方式相比，非接触式的手势交互更加符合人的自然行为。近年来，随着计算机视觉和图像处理技术的发展，基于机器视觉的手势与计算机交互的方式正在成为新型人机交互方式的主流。然而，现有的手势交互体验并不理想，如何克服环境因素的干扰，准确获取手势信息并进行有效识别，如何设计一种友好、高效的手势交互方式来实现人与计算机之间的直接对话，是目前社会上要解决的技术难题。
目前在人机交互技术领域的研究中，非接触式机器视觉手势交互由于其便于识别，自然、直观、简单的特性，成为非接触式人机交互中的主流操作方式。但这种交互方式无论从技术还是人体生理学角度来说都同样存在局限性，因此一个有效的可以用于评价交互执行效能以及指导改善用户界面设计的工效模型显得至关重要。
费兹原理作为指点操作领域中最著名的工效模型，已经得到了广泛的应用。该模型适用的操作界面维度经历了一维、二维再到三维空间的发展，适用的交互设备也从物理空间中的铁笔发展到了物理—信息交互空间的操纵杆、轨迹球、触摸屏以及鼠标等。费兹原理可适用于非接触式机器视觉手势交互的大部分操作情形，但适用程度相比鼠标等接触式指点设备来说已经有所降低；更进一步的，费兹原理适用于本实验提出的八个操作方向上的中长度距离(30cm-40cm)，并且，根据操作方向的不同，费兹原理也可适用于更短或更长的距离；不仅如此，用户使用该交互方式的最佳操作距离为30cm和40cm，其中，当操作任务的难度系数较小时，操作距离在30cm左右最好，当操作任务的难度系数较大时，操作距离在40cm左右最好。另外，本结论是基于右手操作，实验结果表明向左和向下移动的操作效率偏低，可见手势交互不仅与交互技术有关，也会受到用户身体结构的影响。
现有的如以色列beyondverb的语音识别为基础的情绪识别系统,在排除人种差别的基础上通过语音语调的大规模数据库分析，鉴别新用户的情绪基本指标，其优点是适合当前语音识别与人机交互在商业领域的普及和大规模使用，缺点是使用场景只能在通话和交流中感知很少的情绪特征，更由于情绪语调的可伪装性，使得其准确性和实用价值大打折扣。以微软、affective等公司采用面部微表情识别为基础的五到八种情绪识别技术，可在数字相片和视频中截取用户的表情所反映的心理状态，由于表情不能完整和客观的表达复杂的情绪状态，故其技术不能作为严谨科学手段。还有基于脑电波特征的情绪状态识别方法，如专利号：cn102715911a，其用于医学领域的情绪识别，缺点是需要特殊的接触式仪器放于用户身上，使用场景和使用成本严重受限。
已有的非接触式人机交互情绪识别系统存在上述各种各样的问题，本发明能够解决这些问题。
技术实现要素：
为了克服前述问题，本发明的目的在于提供一种非接触式智能人机交互可以全面直观评估心理和生理对应关系的视觉感知识别系统。
本发明提供一种视觉感知识别系统，包括：
收集高采样率的视频图像中人物的皮肤图像变化并且进行信号放大；
进行一系列滤波处理和数字信号处理，得到需要hr、hrv、br、os生理参数，建立非线性的特征工程；
利用神经网络进行数据建模；
利用weavlet、svm等对心理状况和生理指标之间的对应关系进行分类；
在二维坐标空间类通过lyapunov指数得到较明显的区分度，可用于正向情绪和负向情绪的分类。
前面所述的一种视觉感知识别系统，其特征在于：所述系统信号处理依据容积脉搏波描述法，得到心率的波型描述和定位，以及呼吸的变化信号。
前面所述的一种视觉感知识别系统，其特征在于：所述系统在采集数据不断增加情况下做更多分类维度，具有较好的进化性。
前面所述的一种视觉感知识别系统，其特征在于：所述系统收集信号采用非接触式的方法，不需要佩戴传感器。
前面所述的一种视觉感知识别系统，其特征在于：所述系统使用医学信号代替图像特征做数据基础。
前面所述的一种视觉感知识别系统，其特征在于：所述系统使用非线性的分析方法可以全面直观评估心理和生理的对应关系。
前面所述的一种视觉感知识别系统，其特征在于：所述系统可根据结论需求不同，建立无限种生理和心理对应模型。
本发明的有益效果是生理信号的采集在不依赖穿戴设备和医用传感器，通过视频分析提取足够精度的生理信号。这样就可以通过大量普遍上市的摄像头设备进行信号采集的工作，在无语音、无表情的使用场景下大量的、连续的采集用户的生理信号用于分析。由于视频信号的连续性，给予生理信号的连续性，所以可以弥补语音、面部识别等不能实时分析的缺点，并且生物信号的数据格式完全自主设计，不存在像面部图像、指纹、声音等明文特征被盗用或破解，安全保密性可控。
具体实施方式
1.通过摄像头等视频信号采集设备捕捉人物信号；
2.通过电脑对人物信号进行处理，建立非线性的特征工程；
3.进行数据建模；
4.利用统计学、概率学对weavlet、svm等对心理状况和生理指标之间的对应关系进行分类；
5.在二维坐标空间类通过lyapunov指数得到较明显的区分度，可用于正向情绪和负向情绪的分类。