《基于皮肤电信号的情绪状态测评方法及系统.pdf》由会员分享，可在线阅读，更多相关《基于皮肤电信号的情绪状态测评方法及系统.pdf（14页珍藏版）》请在专利查询网上搜索。
1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310898204.0(22)申请日 2023.07.21(71)申请人 上海迎智正能文化发展有限公司地址 200120 上海市浦东新区海阳路681弄9号203室(72)发明人 王妍宋成锐梁祎婷(74)专利代理机构 北京纪凯知识产权代理有限公司 11245专利代理师 赵旭(51)Int.Cl.A61B 5/16(2006.01)G16H 15/00(2018.01)G16H 50/30(2018.01)G06V 40/16(2022.01)G06N 3/084(2023.01)G06N 3/。
2、126(2023.01)A61B 5/0533(2021.01)A61B 5/00(2006.01)(54)发明名称一种基于皮肤电信号的情绪状态测评方法及系统(57)摘要本发明提供了一种基于皮肤电信号的情绪状态测评方法及系统，属于涉及情绪测评技术领域。本发明的方案通过对被测者在经历叙述过程中的皮肤电信号进行采集来分析其测评阶段的情绪及情绪变化，获得更有参考价值的情绪测评报告。权利要求书2页 说明书10页 附图1页CN 116602681 A2023.08.18CN 116602681 A1.一种基于皮肤电信号的情绪状态测评方法，其特征在于，包括如下步骤：获取被测者在测评状态下的皮肤电信号，将所。
3、述皮肤电信号输入人工神经网络，得到若干第一情绪类型及对应的第一情绪测评值；获取所述被测者的测评关联数据，根据所述测评关联数据对部分所述第一情绪类型对应的所述第一情绪测评值进行修正，得到第二情绪测评值；根据所述第一情绪类型和所述第一情绪测评值、所述第二情绪测评值生成情绪测评报告。2.根据权利要求1所述的一种基于皮肤电信号的情绪状态测评方法，其特征在于：所述获取被测者在测评状态下的皮肤电信号，包括：根据测评目的确定若干测评叙述项目，根据若干所述测评叙述项目得出所述测评状态；指引所述被测者依照所述测评叙述项目进行经历叙述，获取被测者在该测评状态下的所述皮肤电信号。3.根据权利要求1所述的一种基于皮肤。
4、电信号的情绪状态测评方法，其特征在于：在将所述皮肤电信号输入人工神经网络之前，还包括：S1：获取样本人群若干情绪类型的皮肤电信号，并对数据进行降噪处理，构成第一样本集；S2：从所述第一样本集中提取若干统计特征值，将特征值进行归一化处理以使各特征值的取值范围限定在（0，1）之间，构成第二样本集，将若干所述情绪类型的皮肤电信号数据划分为训练集和验证集；S3：选取人工神经网络作为情绪识别模型，初始化各个神经元节点的权值和阈值；S4：在运行遗传算法时，将若干所述情绪类型的训练集数据作为输入，对人工神经网络进行训练，通过训练调整各个神经元之间的连接权值；S5：使用验证集测试人工神经网络，优化神经元节点的。
5、权值和阈值。4.根据权利要求2所述的一种基于皮肤电信号的情绪状态测评方法，其特征在于：所述获取所述被测者的测评关联数据，根据所述测评关联数据对部分所述第一情绪类型对应的所述第一情绪测评值进行修正，得到第二情绪测评值，包括：根据所述测评叙述项目确定第一测评关联数据，以及所述第一情绪类型中的若干第二情绪类型；根据所述第一测评关联数据确定第一修正系数，根据所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值。5.根据权利要求4所述的一种基于皮肤电信号的情绪状态测评方法，其特征在于：所述方法还包括：根据所述测评叙述项目确定第二测评关联数据，根据所述第二测评关联数据确。
6、定第二修正系数；则所述根据所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值，具体为：根据所述第二修正系数和所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值。权利要求书1/2 页2CN 116602681 A26.根据权利要求4或5所述的一种基于皮肤电信号的情绪状态测评方法，其特征在于：所述根据所述第一情绪类型和所述第一情绪测评值、所述第二情绪测评值生成情绪测评报告，包括：构建情绪波动坐标系，该坐标系x轴为时刻，y轴为情绪测评值；将各所述第一情绪类型、所述第二情绪类型分别按照所述第一情绪测评值、所述第二情绪测评值映射。
7、至该坐标系，得到情绪走势图，根据所述情绪走势图生成所述情绪测评报告。7.根据权利要求6所述的一种基于皮肤电信号的情绪状态测评方法，其特征在于：所述根据所述第一情绪类型和所述第一情绪测评值、所述第二情绪测评值生成情绪测评报告，还包括：将所述被测者的所述情绪测评报告的至少一部分与常模群体的情绪测评报告作对比，据此判断所述被测者是否有情绪异常现象。8.一种基于皮肤电信号的情绪状态测评系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块电连接；所述存储模块，用于存储可执行的计算机程序代码；所述获取模块，用于获取被测者在测评状态下的皮肤电信号及测评关联数据，并传输给所述处理模。
8、块；其特征在于：所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如权利要求17任一项所述的方法。9.一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；其特征在于：所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求17任一项所述的方法。10.一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求17任一项所述的方法。权利要求书2/2 页3CN 116602681 A3一种基于皮肤电信号的情绪状态测评方法及系统技术领域0001本发明涉及情绪测评技术领域，具体而言，涉及一种基于皮肤电信号的情绪状态。
9、测评方法、系统、电子设备及计算机存储介质。背景技术0002目前大多通过对于面部表情及语音语调来识别人员的情绪，虽然这一种情绪识别的方法操作便捷，但对于那些因某些原因而无法正确表达情绪的患者来说，显然并不适用。本发明旨在解决该技术问题。发明内容0003为解决上述技术问题至少之一，本发明具体提供了一种基于皮肤电信号的情绪状态测评方法、系统、电子设备及计算机存储介质。0004本发明的第一方面提供了一种基于皮肤电信号的情绪状态测评方法，包括如下步骤：获取被测者在测评状态下的皮肤电信号，将所述皮肤电信号输入人工神经网络，得到若干第一情绪类型及对应的第一情绪测评值；获取所述被测者的测评关联数据，根据所述测。
10、评关联数据对部分所述第一情绪类型对应的所述第一情绪测评值进行修正，得到第二情绪测评值；根据所述第一情绪类型和所述第一情绪测评值、所述第二情绪测评值生成情绪测评报告。0005进一步地，所述获取被测者在测评状态下的皮肤电信号，包括：根据测评目的确定若干测评叙述项目，根据若干所述测评叙述项目得出所述测评状态；指引所述被测者依照所述测评叙述项目进行经历叙述，获取被测者在该测评状态下的所述皮肤电信号。0006进一步地，在将所述皮肤电信号输入人工神经网络之前，还包括：S1：获取样本人群若干情绪类型的皮肤电信号，并对数据进行降噪处理，构成第一样本集；S2：从所述第一样本集中提取若干统计特征值，将特征值进行归。
11、一化处理以使各特征值的取值范围限定在（0，1）之间，构成第二样本集，将若干所述情绪类型的皮肤电信号数据划分为训练集和验证集；S3：选取人工神经网络作为情绪识别模型，初始化各个神经元节点的权值和阈值；S4：在运行遗传算法时，将若干所述情绪类型的训练集数据作为输入，对人工神经网络进行训练，通过训练调整各个神经元之间的连接权值；S5：使用验证集测试人工神经网络，优化神经元节点的权值和阈值。0007进一步地，所述获取所述被测者的测评关联数据，根据所述测评关联数据对部分说明书1/10 页4CN 116602681 A4所述第一情绪类型对应的所述第一情绪测评值进行修正，得到第二情绪测评值，包括：根据所述测。
12、评叙述项目确定第一测评关联数据，以及所述第一情绪类型中的若干第二情绪类型；根据所述第一测评关联数据确定第一修正系数，根据所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值。0008进一步地，所述方法还包括：根据所述测评叙述项目确定第二测评关联数据，根据所述第二测评关联数据确定第二修正系数；则所述根据所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值，具体为：根据所述第二修正系数和所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值。0009进一步地，所述根据所述第一情绪类型和所述第一。
13、情绪测评值、所述第二情绪测评值生成情绪测评报告，包括：构建情绪波动坐标系，该坐标系x轴为时刻，y轴为情绪测评值；将各所述第一情绪类型、所述第二情绪类型分别按照所述第一情绪测评值、所述第二情绪测评值映射至该坐标系，得到情绪走势图，根据所述情绪走势图生成所述情绪测评报告。0010进一步地，所述根据所述第一情绪类型和所述第一情绪测评值、所述第二情绪测评值生成情绪测评报告，还包括：将所述被测者的所述情绪测评报告的至少一部分与常模群体的情绪测评报告作对比，据此判断所述被测者是否有情绪异常现象。0011本发明的第二方面提供了一种基于皮肤电信号的情绪状态测评系统，包括获取模块、处理模块、存储模块；所述处理模。
14、块与所述获取模块、所述存储模块电连接；所述存储模块，用于存储可执行的计算机程序代码；所述获取模块，用于获取被测者在测评状态下的皮肤电信号及测评关联数据，并传输给所述处理模块；所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。0012本发明的第三方面提供了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。0013本发明的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。0014本发明。
15、的有益效果在于：1）有别于基于面部表情和语音语调来识别人员的情绪的传统方式，本发明使用皮肤电信号来识别人类的四种情绪类型，即快乐、愤怒、恐惧和悲伤；2）本发明使用人工神经网络来分析被测者的皮肤电信号相关的多个特征，通过综合分析可以快速得到更为准确的情绪类型；说明书2/10 页5CN 116602681 A53）本发明还进一步考虑了被测者的测评关联数据，据此对人工神经网络预测得出的部分情绪类型的情绪测评值进行修正，从而可以降低某些因素的干扰，从而获得更为准确的情绪测评报告，使得测评人员可以从中得出更有参考价值的数据。0015应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，。
16、也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明0016为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。0017图1是本发明实施例公开的一种基于皮肤电信号的情绪状态测评方法的结构示意图。0018图2是本发明实施例公开的一种基于皮肤电信号的情绪状态测评系统的结构示意图。具体实施方式0019以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各。
17、种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。0020皮肤是最大的身体器官，是机体与环境之间的主要界面。它是各种过程的重要组成部分，包括免疫系统、感觉器官活动、温度调节、维生素生产和情感交流。丰富的神经分布于皮肤并支配它，使其有了如此复杂的功能。尤其是汗腺自主神经的活动反映在表面可测量的皮肤电导变化上，被称为皮肤电活动（electrodermal activity，EDA）。EDA结合了基底皮肤传导水平（skin cond。
18、uction level，SCL）的缓慢变化和更快速的瞬态活动，也就是皮肤电导反应（skin conductance reaction，SCRs），也被称为皮肤电反应（galvanic skin response，皮肤电信号）。EDA反映出自主神经系统中交感神经系统的活动，而且汗腺没有副交感神经支配。交感神经系统支配着皮肤表面的汗腺，其活动变化能够引起人体皮肤的电导改变。本发明正是创新性的使用皮肤电信号来识别人类的五种情绪类型，即快乐、愤怒、恐惧、悲伤、平静。0021参阅图1所示流程示意图，本发明实施例提供了一种基于皮肤电信号的情绪状态测评方法，包括如下步骤：获取被测者在测评状态下的皮肤电信号。
19、，将所述皮肤电信号输入人工神经网络，得到若干第一情绪类型及对应的第一情绪测评值；获取所述被测者的测评关联数据，根据所述测评关联数据对部分所述第一情绪类型对应的所述第一情绪测评值进行修正，得到第二情绪测评值；根据所述第一情绪类型和所述第一情绪测评值、所述第二情绪测评值生成情绪测评报告。说明书3/10 页6CN 116602681 A60022本发明采集被测者的皮肤电信号，并使用人工神经网络来识别该被测者的情绪类型（快乐、愤怒、恐惧、悲伤），人工神经网络可以从皮肤电信号中提取得出多种皮肤电反应特征，通过综合分析可以快速得到更为准确的情绪类型。同时，本发明还进一步考虑了被测者的测评关联数据，据此对人。
20、工神经网络预测得出的部分情绪类型的情绪测评值进行修正，从而可以降低某些因素的干扰，从而获得更为准确的情绪测评报告，使得测评人员可以从中得出更有参考价值的数据。0023对于本发明方案的部分基础技术细节，描述如下：1）本发明主要采用美国BIOPAC公司生产的多通道生理信号记录仪MP150采集皮肤电反应信号。采集信号时，被试坐在专用的实验椅上，电极连接在被试非惯用手的食指和中指上，并将电极导线用医用胶带固定在被试手腕上，以降低被试身体活动时对信号造成的干扰。在采集皮肤电反应信号之前，还应当给被测试者充分的时间来平复心情，然后采集5分钟的皮肤电信号，作为被试平静状态下的信号；5分钟的平静生理信号采集结。
21、束之后，再正式在测评状态下采集皮肤电信号。00242）在采集皮肤电信号原始数据时，皮肤电信号会受生理信号记录仪噪声和其他因素造成的噪声如环境中的电磁于扰或其他生理信号的干扰。所以要对皮肤电信号进行去噪处理，加强有用信息，并复原由干扰信息造成的信息退化。本发明采取小波变换对皮肤电信号进行去噪，小波变换（Wavelet Transform，简称WT）是一种窗口大小（即窗口面积）固定但形状可以改变（时间窗和频率窗都可改变）的时频局域化的信号分析方法。小波变换具有在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，因此具有对信号的自适应性，非常适用于皮肤。
22、电信号的分析。00253）从皮肤电信号中提取原始特征，再将原始特征输入至人工神经网络。在进行特征提取时，可参考德国奥格斯堡大学采用的特征提取方法。从信号的时域和频域中提取了最能代表皮肤电信号变化的统计值作为情感识别研究的原始特征。在时域中，提取了皮肤电信号的最大值、最小值、标准差、一阶差分标准差、一阶差分最小值比率、二阶差分标准差、二阶差分最小值比率等22个时域特征。为了提取皮肤电信号的频域特征，先对皮肤电信号进行离散傅里叶（DFT）变换，然后计算频率均值、中值、标准差、最大值、最小值、最大最小差值，得到6个频域特征。具体特征值见表1所示。提取的28个统计特征的取值范围处在不同的数量级，为了方。
23、便统一比较，规范数据的统计分布，便于后续的数据处理和分析，需要对原始特征进行了归一化处理，使各值的取值范围限定在（0，1）之间。0026表1 皮肤电反应原始特征集详细列表特征编号特征名称特征描述1scmean皮肤电信号的均值2scmedian皮肤电信号的中值3scstd皮肤电信号的标准差4scmin皮肤电信号的最小值5scmax皮肤电信号的最大值6scrange皮肤电信号的范围7ScminRatio皮肤电信号的最小值比率8ScmaxRatio皮肤电信号的最大值比率说明书4/10 页7CN 116602681 A79sc1Diffmean皮肤电信号的一阶差分均值10sclDiffmedian皮肤。
24、电信号的一阶差分中值11sclDiffstd皮肤电信号的一阶差分标准差12sclDiffmin皮肤电信号的一阶差分最小值13sclDiffmax皮肤电信号的一阶差分最大值14sclDiffrange皮肤电信号的一阶差分范围15sclDiffminRatio皮肤电信号的一阶差分最小值比率16sclDiffmaxRatio皮肤电信号的一阶差分最大值比率17sc2Diffstd皮肤电信号的二阶差分标准差18sc2Diffmin皮肤电信号的二阶差分最小值19sc2Diffmax皮肤电信号的二阶差分最大值20sc2Diffrange皮肤电信号的二阶差分最大最小值之差21sc2DiffminRatio皮肤。
25、电信号的二阶差分最小值比率22c2DiffmaxRatio皮肤电信号的二阶差分最大值比率23scfftmean皮肤电信号的频域均值24scfftmedian皮肤电信号的频域中值25scfftstd皮肤电信号的频域标准差26scfftmin皮肤电信号的频域最小值27scfftmax皮肤电信号的频域最大值28scfftrange皮肤电信号的频域最大最小值之差4）目前情绪识别模式系统有Fisher分类器、支持向量机（SVM）、K近邻（KNN）、人工神经网络（ANN）等几种。其中，人工神经网络是由大量的简单处理单元相互连接形成的一种网络系统。人工神经网络具有并行处理、分布式存储、自组织、自学习等优点，。
26、但是也存在学习收敛速度慢、易陷入局部最小值等缺点。为此，本发明引入遗传算法对BP神经网络进行优化，采用遗传算法优化的BP神经网络实现情感分类。0027进一步地，所述获取被测者在测评状态下的皮肤电信号，包括：根据测评目的确定若干测评叙述项目，根据若干所述测评叙述项目得出所述测评状态；指引所述被测者依照所述测评叙述项目进行经历叙述，获取被测者在该测评状态下的所述皮肤电信号。0028在本实施例中，测试方对于被测者的情绪测评具有不同的目的，例如员工招聘、精神状态评估、目标客户筛选等。本发明的方案可基于测评目的而自动确定出若干个测评叙述项目，测评叙述项目指的是被测者需要自我叙述的相关经历内容，例如创业经。
27、历、研发经历、销售经历、情感经历、学习经历、荣誉经历等，当然还可以包括对于某些事件的观点态度等，其用于向被测试者呈现情感诱发素材。通过适当的方式指引被测者按照确定出的测评叙述项目进行经历叙述，在此过程中对被测者的皮肤电信号进行获取。0029需要说明的是，测评状态可以将被测者开始进行经历叙述的时刻作为起始时刻，也可以将测评叙述项目的开始指引的时刻作为起始时刻，这样可以将被测者在得知测评叙述项目至开始叙述这一时段的情绪变化对应的皮肤电信号采集得到，有利于人工神经网络说明书5/10 页8CN 116602681 A8获得更准确的情绪类型。0030进一步地，在将所述皮肤电信号输入人工神经网络之前，还包。
28、括：S1：获取样本人群若干情绪类型（快乐、愤怒、恐惧、悲伤、平静）的皮肤电信号，并对数据进行降噪处理，构成第一样本集；由MP150采集到的皮肤电信号容易受到工频干扰、基线漂移、肌电干扰、电极接触噪声、运动伪迹等多种因素的影响，因此，需要设计相应的滤波器进行滤波。本系统采取sym4小波对皮肤电信号进行三层分解，然后用wedncmp函数实现信号去噪，最终构成第一样本集。0031S2：从所述第一样本集中提取若干统计特征值，将特征值进行归一化处理以使各特征值的取值范围限定在（0，1）之间，构成第二样本集，将若干所述情绪类型的皮肤电信号数据划分为训练集和验证集；具体地，可按预设比例5:1将上述5种情绪的。
29、皮肤电信号数据划分为训练集和验证集。0032S3：选取人工神经网络作为情绪识别模型，初始化各个神经元节点的权值和阈值；例如，搭建一个输入节点数为28、输出节点数为5、隐含层节点数为11的三层人工神经网络。网络的隐含层神经元的传递函数可采用tansig函数，输出层神经元的传递函数可采用logsig函数。对神经网络的权值和阈值编码，得到初始种群。0033S4：在运行遗传算法时，将若干所述情绪类型的训练集数据作为输入，对人工神经网络进行训练，通过训练调整各个神经元之间的连接权值；计算初始种群中每个染色体的适应度值，判断算法终止条件是否满足，如果满足，则输出初始种群中适应度最大的个体作为结果；如果不满。
30、足，则解码得到权值和阈值，将权值和阈值赋给新建的人工神经网络，使用训练样本训练网络，计算网络的输出误差，调整每层节点的权值，并保存。检查网络的误差是否达到精度要求，若满足要求，则训练结束；如果不满足要求，则继续输入训练样本集。0034S5：使用验证集测试人工神经网络，优化神经元节点的权值和阈值。0035使用验证样本集测试网络，调整预测误差，计算适应度，选择适应度高的个体进行复制、交叉、变异，组成新群体，判断算法终止条件是否满足，如果满足，则解码得到最佳的神经网络权值和阈值；如果不满足，则解码得到权值和阈值，将权值和阈值赋给新建的BP网络，继续使用训练样本训练网络，重复上述步骤，直至得到最佳的神。
31、经网络权值和阈值，确定情绪状态预测模型的结构。0036遗传算法在运行过程中，可将种群规模设置为60、最大进化代数设置为80，选择率设置为0.08、交叉率设置为0.7、变异率设置为0.01。使用样本数据训练神经网络的过程中，训练次数可设置为1000，训练目标可设置为0.01，学习速率可设置为0.1。0037进一步地，所述获取所述被测者的测评关联数据，根据所述测评关联数据对部分所述第一情绪类型对应的所述第一情绪测评值进行修正，得到第二情绪测评值，包括：根据所述测评叙述项目确定第一测评关联数据，以及所述第一情绪类型中的若干第二情绪类型（即第一情绪类型中的一部分）；根据所述第一测评关联数据确定第一修正。
32、系数，根据所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值。说明书6/10 页9CN 116602681 A90038在本实施例中，第一测评关联数据指的是与测评叙述项目对应的该被测者的真实经历的距今时长，真实经历可以通过预先调研（如被测者填写的测试申请表）得出，也可在被测者叙述完成之后识别确定。例如测评叙述项目为情感经历，则该情感经历距今时长越长，则其对当下情绪类型的第一情绪测评值的影响越小，反之则越大。换言之，较早前的经历因过于久远，其对被测者当下情绪的测评值的影响较低，较晚的经历则因距今不远而对被测者当下情绪的测评值的影响较高。通过上述方式，本发明将。
33、第一情绪类型中的一部分（即第二情绪类型）的情绪测评值进行了修正，从而得到了更为准确的情绪测评值。显然，修正系数与距今时长正相关，即距今时长越大，修正系数越大，其将第一情绪测评值修正的越小。0039需要说明的是，本发明中的情绪测评值指的是各情绪类型对应的强烈程度，例如快乐、愤怒、恐惧、悲伤各包括五个等级的情绪测评值，平静的情绪测评值可以设置为固定值并将其作为其它情绪的基准。以及，前述涉及的“当下”指的是在后的各测评叙述项目阶段。0040进一步地，所述方法还包括：根据所述测评叙述项目确定第二测评关联数据，根据所述第二测评关联数据确定第二修正系数；则所述根据所述第一修正系数将对应的所述第二情绪类型对。
34、应的所述第一情绪测评值修正为所述第二情绪测评值，具体为：根据所述第二修正系数和所述第一修正系数将对应的所述第二情绪类型对应的所述第一情绪测评值修正为所述第二情绪测评值。0041在本实施例中，第二测评关联数据指的是各测评叙述项目过程中产生的情绪相互之间的关联性，其可用于分析前述确定出的多个测评叙述项目中产生的情绪相互之间是否会有惯性影响（即在先的情绪是否会影响在后的皮肤电信号）。例如，测评叙述项目A为情感经历、测评叙述项目B为学习经历、测评叙述项目C为旅游经历、测评叙述项目D为工作经历，测评叙述项目E为荣誉经历，若确定出的测评项目依次为BACED，则被测者在叙述情感经历A时产生的情绪类型，可能会。
35、对叙述旅游经历C、工作经历D时的情绪（主要影响其中的皮肤电信号中的某些关键特征，如皮肤电信号的最大值、最大值比率等）产生一定程度的惯性影响，导致C、D项目阶段的皮肤电信号的部分特征比真实值高，且对“距离”更近的C的影响更大；而荣誉经历E与情感经历A的关联度较低，学习经历B位于情感经历A之前，则二者不受情感经历A的情绪的影响，也即，E、B阶段采集的皮肤电信号基本可以真实反映各自阶段的情绪影响。0042于是，本发明综合以上两个方面的因素来对情绪测评值进行修正，从而提高了各情绪类型对应的情绪测评值的准确性，利于后续的分析使用。0043进一步地，所述根据所述第一情绪类型和所述第一情绪测评值、所述第二情。
36、绪测评值生成情绪测评报告，包括：构建情绪波动坐标系，该坐标系x轴为时刻，y轴为情绪测评值；将各所述第一情绪类型、所述第二情绪类型分别按照所述第一情绪测评值、所述第二情绪测评值映射至该坐标系，得到情绪走势图，根据所述情绪走势图生成所述情绪测评报告。说明书7/10 页10CN 116602681 A100044在本实施例中，通过前述方式识别出了被测者在整个评测过程中所产生的多种情绪类型，并且对每种情绪类型还进行了程度评估即情绪测评值。然后将各情绪类型按照评测时间顺序分别映射到坐标系中即可得到以情绪走势图来表示的情绪测评报告。测评人员可以基于测评目的从该情绪走势图中分析得出相关的情绪评估结论，以及，。
37、还可以在情绪走势图中附加对应的测评叙述项目，给不同情绪类型配置不同的颜色等，以及标注明显的情绪变化节点、消极情绪（愤怒、恐惧、悲伤）的持续时间等，更利于进行情绪分析使用。另外，可以给不同情绪类型设置不同的情绪测评值的分值段，例如，“快乐”的分值段为80100、愤怒的分值段为6080、恐惧的分值段为4060、悲伤的分值段为2040、平静的分值段为020，这样得出的情绪走势图中各情绪类型不会存在水平交叉，使得情绪走势图更直观。0045当然，除了情绪走势图以外，还可以辅以或单独以数据表或文字结论或视频图像等的方式来生成情绪测评报告，本发明对此不限定。0046进一步地，所述根据所述第一情绪类型和所述第。
38、一情绪测评值、所述第二情绪测评值生成情绪测评报告，还包括：将所述被测者的所述情绪测评报告的至少一部分与常模群体的情绪测评报告作对比，据此判断所述被测者是否有情绪异常现象。0047在本实施例中，情绪测评机构在对多个被测者进行情绪测评之后，可以将具有相同测评叙述项目（项目及排序均相同）的情绪测评报告中的情绪走势图（每个项目对应的走势大体相同）进行拟合。在被测者的情绪走势图与拟合的情绪走势图的至少一部分差距过大时，可判定差距过大部分对应的情绪类型可能是情绪异常，可将该情况附加于情绪测评报告中，使测评人员进行关注及原因分析。0048如图2所示，本发明实施例的一种基于皮肤电信号的情绪状态测评系统，包括获。
39、取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；所述存储模块，用于存储可执行的计算机程序代码；所述获取模块，用于获取被测者在测评状态下的皮肤电信号及测评关联数据，并传输给所述处理模块；所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。0049本发明实施例还公开了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前述实施例所述的方法。0050本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如。
40、前述实施例所述的方法。0051本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装说明书8/10 页11CN 116602681 A11置接收数据和指令，。
41、并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。0052用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程负载均衡装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。0053在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结。
42、合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CDROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。0054为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴。
43、极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。0055可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网。
44、络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。0056计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(Virtual Privat。
45、e Server，或简称VPS)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。0057应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。0058上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开说明书9/10 页12CN 116602681 A12的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。说明书10/10 页13CN 116602681 A13图1图2说明书附图1/1 页14CN 116602681 A14。