一种基于心率数据存储和情绪识别打点的建模辅助系统的制作方法

本发明属于数据建模，涉及一种建模辅助系统，特别是一种基于心率数据存储和情绪识别打点的建模辅助系统。

背景技术：

1、近年来，可穿戴设备高速发展，一些厂商通过内置在手表/手环中的ppg传感器，实现了对心率数据的实时监测，进而反映人的生理健康状态。大量的研究结果表明，利用机器学习的方法通过ppg传感器的数据计算心率变异性可以对人的情绪包括“正性”“负性”和“中性”情绪进行精确的判断和预测。这种测量方式对通过心率数据进行情绪识别提供了技术基础和实现可能性。

2、在已有的情绪识别系统的方案中，已经出现了基于可穿戴手环的情绪识别系统及方法。

3、经检索，如中国专利文献公开了一种基于可穿戴手环的情绪识别系统及方法【申请号：cn201811518440.0；公开号：cn109620262a】。该方法包括生理信号采集模块、预处理模块、特征提取模块、情绪分类模块、综合评价模块，可以对手环的数据进行加工进行情绪识别。

4、但是现有技术中对于生理特征的提取和如何准确便利地建模目前还未出现比较成熟的实现方案。

5、现有的情绪建模方案，需要采集大量人群的生理数据和情绪数据，由大量数据进行算法特征地提取，工作量大自动化程度低，而且特征提取的精确度并不是很高。

6、本发明是一套可以对测试人群进行心率数据存储和情绪识别打点的建模辅助系统，本发明通过可穿戴手环的ppg(光电脉搏)传感器采集人体的心率数据，并将此数据通过蓝牙网关实时上传到服务器，对原始数据的分析，通过mqtt协议对心率和生理指标数据进行动态推送，通过特定人群的心率数据进行情绪识别打点并存储打点数据，实现了基于心率的情绪数据的特征提取，为情绪算法建模提供数据基础。

技术实现思路

1、本发明的目的是针对现有的技术存在上述问题，提出了一种基于心率数据存储和情绪识别打点的建模辅助系统，本发明通过硬件和软件相结合的方式，通过ppg传感器连续高频地不间断采集实验个体的心率数据，来得到更为精确的心理变异性数据，并实时动态推送展示不同状态下的心率数据，从而更加方便精确地提取到心率和情绪的特征关系，可以基于更少的实验群体得更准确的建模数据。

2、本发明的目的可通过下列技术方案来实现：

3、一种基于心率数据存储和情绪识别打点的建模辅助系统，包括硬件系统、原始数据处理模块和情绪特征提取模块，其特征在于，具体包括数据源、数据传输模块、原始数据处理模块、mqtt服务端、数据展示/操作端、数据存储模块、情绪建模和情绪算法；

4、数据源将数据输送至数据传输模块，数据传输模块将采集到的数据传输至原始数据处理模块，处理之后的数据通过mqtt协议推送到前端平台，前端进行相关特征提取操作，再将前端分析后的情绪数据持久化到数据存储模块中，以供后续进行情绪建模以及情绪算法消费。

5、进一步的，硬件系统由若干个蓝牙网关、若干个内置ppg传感器的可穿戴手环设备、前端可视化操作平台和数据处理中心组成；人群在蓝牙网关覆盖区域内，可以通过手环实时收集人群的心率数据，收集到的数据通过蓝牙网关或者4g发送给服务器进行原始数据的分析和处理；然后利用前端可视化数据操作平台对处理后的心率数据进行展示和情绪特征的打点、特征提取以及数据的存储分析工作。

6、进一步的，原始数据处理模块采用kafka作为流式处理平台并引入flink的容错机制，进行highlevel地消费kafka数据实现真正的实时流数据处理，可支持毫秒级计算；时流数据导入数据处理模块中的kafka中进行分析消费，并利用kafkamanager和kafkamonitor对kafka集群进行管理和监控，以实时获取topic的消费记录及分区情况，利用kafkamonitor的图形化展示掌握topic消费信息；并将数据发送到给数据处理模型中进行处理，然后将处理之后的数据通过mqtt协议推送到前端平台，前端进行相关特征提取操作，再将前端分析后的情绪数据持久化到数据存储模块中的hdfs中，以供后续的情绪算法消费。

7、进一步的，情绪特征提取模块首先对数据进行预处理，对数据进行降噪和提纯，然后进行特征提取，提取降噪之后的数据的特征，特征包括时域信号sdnn和频域信号hf，并进一步提取ppg、pps及脉率信号pr的picard参数和最大最小值之比ppg_r、pps_r、pr_r；脉动周期的标准差、脉动周期差值的标准差及它们的比值；采用“db8”小波对ppg进行四层小波分解后的各频段能量比，各近似系数和细节系数的最大值、最小值、均值、中值、标准差及总和等特征，然后利用神经网络的方法，进行情绪识别，识别“正性”“中性”“负性”三种基本情绪。

8、与现有技术相比，本基于心率数据存储和情绪识别打点的建模辅助系统具有以下优点：

9、1、本方法通过蓝牙网关与内置蓝牙的移动端，实现了在任何场景下都可以进行大/小规模人群的心率数据采集，并通过大规模实时数据流分析、存储系统，将心率数据的特征与模型匹配，同时提取出了人群的情绪，实现了对不同情绪的人群进行划分，对人群的情绪变化规律进行了特征提取与建模。

10、2、以少量的实验群体数据，完成更加精确的情绪特征提取。

11、3、系统可拓展，兼容不同的实验环境，可同步移植类似的特征提取。

12、4、将大部分通过人工完成的步骤集成在系统中，大大减少工作量。

技术特征：

1.一种基于心率数据存储和情绪识别打点的建模辅助系统，包括硬件系统、原始数据处理模块和情绪特征提取模块，其特征在于，具体包括数据源、数据传输模块、原始数据处理模块、mqtt服务端、数据展示/操作端、数据存储模块、情绪建模和情绪算法；

2.根据权利要求1所述的一种基于心率数据存储和情绪识别打点的建模辅助系统，其特征在于，硬件系统由若干个蓝牙网关、若干个内置ppg传感器的可穿戴手环设备、前端可视化操作平台和数据处理中心组成；人群在蓝牙网关覆盖区域内，可以通过手环实时收集人群的心率数据，收集到的数据通过蓝牙网关或者4g发送给服务器进行原始数据的分析和处理；然后利用前端可视化数据操作平台对处理后的心率数据进行展示和情绪特征的打点、特征提取以及数据的存储分析工作。

3.根据权利要求1所述的一种基于心率数据存储和情绪识别打点的建模辅助系统，其特征在于，原始数据处理模块采用kafka作为流式处理平台并引入fl ink的容错机制，进行highlevel地消费kafka数据实现真正的实时流数据处理，可支持毫秒级计算；时流数据导入数据处理模块中的kafka中进行分析消费，并利用kafkamanager和kafkamonitor对kafka集群进行管理和监控，以实时获取topic的消费记录及分区情况，利用kafkamonitor的图形化展示掌握topic消费信息；并将数据发送到给数据处理模型中进行处理，然后将处理之后的数据通过mqtt协议推送到前端平台，前端进行相关特征提取操作，再将前端分析后的情绪数据持久化到数据存储模块中的hdfs中，以供后续的情绪算法消费。

4.根据权利要求1所述的一种基于心率数据存储和情绪识别打点的建模辅助系统，其特征在于，情绪特征提取模块首先对数据进行预处理，对数据进行降噪和提纯，然后进行特征提取，提取降噪之后的数据的特征，特征包括时域信号sdnn和频域信号hf，并进一步提取ppg、pps及脉率信号pr的picard参数和最大最小值之比ppg_r、pps_r、pr_r；脉动周期的标准差、脉动周期差值的标准差及它们的比值；采用“db8”小波对ppg进行四层小波分解后的各频段能量比，各近似系数和细节系数的最大值、最小值、均值、中值、标准差及总和等特征，然后利用神经网络的方法，进行情绪识别，识别“正性”“中性”“负性”三种基本情绪。

技术总结
本发明提供了一种基于心率数据存储和情绪识别打点的建模辅助系统，属于数据建模技术领域，本发明是一套可以对测试人群进行心率数据存储和情绪识别打点的建模辅助系统，本发明通过可穿戴手环的PPG(光电脉搏)传感器采集人体的心率数据，并将此数据通过蓝牙网关实时上传到服务器，对原始数据的分析，通过MQTT协议对心率和生理指标数据进行动态推送，通过特定人群的心率数据进行情绪识别打点并存储打点数据，实现了基于心率的情绪数据的特征提取，为情绪算法建模提供数据基础。

技术研发人员：魏海宇,陈晓飞,李小琼,刘庆林,辛飞,谢辉,杨晓峰,刘海洋,姜小光,安恩庆
受保护的技术使用者：北京中睿天下信息技术有限公司
技术研发日：
技术公布日：2024/2/19