面向银发群体的情感共调数字儿女陪伴生成方法及系统与流程

摘要: 本发明涉及智能人机交互,具体而言,涉及一种面向银发群体的情感共调数字儿女陪伴生成方法及系统。背景技术:1、随着人口老龄化程度持续加深,独居、空巢老年群体规模不断...
面向银发群体的情感共调数字儿女陪伴生成方法及系统与流程

本发明涉及智能人机交互,具体而言,涉及一种面向银发群体的情感共调数字儿女陪伴生成方法及系统。

背景技术:

1、随着人口老龄化程度持续加深,独居、空巢老年群体规模不断扩大,传统养老模式面临人力陪护资源短缺、陪伴服务同质化、情感关怀缺失等突出问题。多数老年人长期缺乏家人陪伴,易产生孤独、低落、焦虑等负面情绪,身心健康与生活质量受到严重影响,情感陪护与精神慰藉已成为居家养老的核心刚需。

2、当前市面上的老年智能陪护产品功能较为单一,大多仅具备语音播报、紧急呼叫、简单聊天、健康数据监测等基础功能,存在诸多技术短板:

3、数据感知片面:仅单一采集语音或环境数据,未融合语音情感、日常作息、用药、活动等多源信息,无法全面刻画老年人真实状态;

4、情绪识别精度不足:通用语音情感模型未针对老年人语速、音色、发声特点优化,特征处理方式简单,识别准确率低,且缺少对情绪时序变化的跟踪分析;

5、陪伴模式固化:交互内容、语音语调、沟通节奏固定不变,不能结合老人生活习惯、个人偏好及实时情绪动态调整,难以实现情感层面的适配与共情;

6、生活规律挖掘缺失:未对老人长期居家行为进行深度分析,无法构建个性化生活节律模型,陪伴服务脱离老人日常作息与行为习惯;

7、异常情绪处置能力弱:仅简单判定情绪好坏,未对异常情绪进行分级管控,干预策略笼统,同时系统缺乏自主迭代优化能力,长期服务无法适配老人状态的动态变化。

8、数字人陪伴技术虽逐步应用于养老领域,但现有方案普遍存在情感适配性差、个性化程度低、动态演化能力不足等问题,难以扮演“数字儿女”式的精细化、有温度的陪伴角色。针对以上现状,亟需一种融合多源数据感知、精准情感识别、生活节律挖掘、情感动态共调、分级干预与自主迭代优化的陪伴方案,实现面向银发群体的长期、自适应、个性化情感陪伴。

技术实现思路

1、本发明的主要目的在于提供一种面向银发群体的情感共调数字儿女陪伴生成方法及系统,以至少解决现有技术中多源数据关联性差与代际生成交互性弱的技术问题,以搭建高共情双向代际交互场景并同步实现老年健康异常主动预警。

2、为了实现上述目的,提供了一种面向银发群体的情感共调数字儿女陪伴生成方法及系统。

3、第一方面,本发明提供了一种面向银发群体的情感共调数字儿女陪伴生成方法,该生成方法包括:

4、在目标老人的居住空间内布设多维度终端,利用多维度终端同步采集目标老人的原始多源数据,其中,原始多源数据包括原始语音数据与原始生活数据,利用自适应降噪算法对原始语音数据进行处理,以得到处理后语音数据,提取处理后语音数据的原始特征数据,对原始特征数据进行归一化处理,以得到处理后特征数据,对原始生活数据进行时序标准化标记,以得到标记后生活数据,基于处理后特征数据与标记后生活数据构建专属数据集;

5、利用特征加权法对处理后特征数据进行加权,以得到专属特征向量,利用情感分类模型对专属特征向量进行识别,以得到不同的情绪等级、不同情绪等级对应的识别置信度以及情绪时序数据;

6、利用无监督聚类算法对标记后生活数据进行聚类挖掘处理,以得到目标老人的隐性生活数据,基于隐性生活数据构建目标老人的生活节律模型,同时记录目标老人的偏好数据,利用周期性迭代更新法实时更新生活节律模型,以得到动态生活节律模型;

7、利用情感共调算法为不同情绪等级匹配不同的交互状态,基于动态生活节律模型与偏好数据构建专属交互内容,基于交互状态与专属交互内容生成目标老人的专属交互模式,同时采集目标老人与专属交互模式之间产生的交互数据;

8、预设异常情绪阈值,基于识别置信度、情绪时序数据、交互数据与异常情绪阈值,利用异常情绪分级算法将目标老人的异常情绪状态分为不同的异常情绪等级,针对不同的异常情绪等级生成对应的不同干预策略;

9、基于专属数据集、情绪等级、识别置信度、情绪时序数据、隐性生活数据、偏好数据、交互数据与干预策略构建迭代数据集,基于迭代数据集迭代无监督聚类算法、情感共调算法与异常情绪阈值,以得到适配目标老人的自适应数字儿女陪伴模型。

10、具体地,利用多维度终端同步采集目标老人的原始多源数据,利用自适应降噪算法对原始语音数据进行处理,以得到处理后语音数据,提取处理后语音数据的原始特征数据,对原始特征数据进行归一化处理,以得到处理后特征数据,包括:

11、采用多维度终端实时采集目标老人的居家交互语音信号,以得到原始语音数据;

12、采用自适应降噪算法对原始语音数据进行环境杂音过滤、无效空白帧剔除与残缺语音修复处理,以得到处理后语音数据;

13、对处理后语音数据进行特征提取操作,以得到原始特征数据,其中原始特征数据包括mfcc特征、语音基频、语速、语音能量以及语音时长;

14、利用特征量纲归一化法对原始特征数据进行区间校准与维度统一处理,以得到处理后特征数据。

15、具体地,利用多维度终端同步采集目标老人的原始多源数据,对原始生活数据进行时序标准化标记,以得到标记后生活数据,包括:

16、采用多维度终端采集目标老人居家场景下的原始生活数据,其中,原始生活数据包括作息起居数据、用药记录数据、休闲活动数据与人机交互数据;

17、利用时序标准法将原始生活数据进行绑定时间戳、统一时序维度、对齐采集时段与分类归档整理,以得到标记后生活数据。

18、具体地,利用特征加权法对处理后特征数据进行加权,以得到专属特征向量,包括:

19、利用差异化加权法为处理后特征数据分配加权权重;

20、基于加权权重对处理后特征数据进行加权,以生成适配老年情绪识别的专属特征向量。

21、具体地,利用情感分类模型对专属特征向量进行识别,以得到不同的情绪等级、不同情绪等级对应的识别置信度以及情绪时序数据,包括:

22、采集标注有愉悦、平和、孤独、低落、烦躁、焦虑的情感样本数据,基于情感样本数据构建情感训练样本集,基于情感训练样本集训练卷积神经网络,以得到情感分类模型;

23、利用情感分类模型连续逐帧识别专属特征向量,以得到正向情绪、负向情绪与异常情绪三个等级的情绪等级与不同情绪等级对应的识别置信度;

24、将不同情绪等级与对应的时间戳进行绑定,以得到绑定后情绪等级,记录目标老人的情绪波动轨迹与不同异常情绪状态的持续停留时长,融合绑定后情绪等级、情绪波动轨迹与持续停留时长,以得到情绪时序数据。

25、具体地,利用无监督聚类算法对标记后生活数据进行聚类挖掘处理,以得到目标老人的隐性生活数据,基于隐性生活数据构建目标老人的生活节律模型,包括:

26、采用无监督聚类算法对标记后生活数据进行无标注自主学习分析,以挖掘标记后生活数据中的隐性生活数据,其中,隐性生活数据包括作息规律数据、用药周期数据、休闲习惯数据与交互习性数据;

27、基于作息规律数据、用药周期数据、休闲习惯数据与交互习性数据分别构建作息节律模型、用药习惯模型、休闲偏好模型与社交交互模型;

28、整合作息节律模型、用药习惯模型、休闲偏好模型与社交交互模型,以得到目标老人的生活节律模型;

29、通过数据节点标记法标注生活节律模型中的关键关怀节点,其中,关键关怀节点包括目标老人的起居节点、用药节点、健康检测节点、长时间独处节点。

30、具体地,记录目标老人的偏好数据,利用周期性迭代更新法实时更新生活节律模型,以得到动态生活节律模型,包括:

31、持续捕捉目标老人的反馈行为数据,基于反馈行为数据统计目标老人的偏好数据;

32、采集目标老人的新生活数据,对新生活数据进行时序标准化标记,以得到新标记后生活数据;

33、基于新标记后生活数据更新生活节律模型,以得到动态生活节律模型。

34、具体地,利用情感共调算法为不同情绪等级匹配不同的交互状态,包括:

35、利用情感共调算法为不同情绪等级匹配不同的交互状态,其中,为正向情绪匹配轻快舒缓的交互语速、温和亲切的应答语调与常态化沟通节奏;

36、为负向情绪匹配慢速轻柔的交互语速、低沉暖心的应答语调与耐心的沟通节奏;

37、为异常情绪匹配平稳匀速的交互语速、低刺激的应答语调与低频次的沟通节奏。

38、具体地,预设异常情绪阈值,基于识别置信度、情绪时序数据、交互数据与异常情绪阈值,利用异常情绪分级算法将目标老人的异常情绪状态分为不同的异常情绪等级,包括:

39、预设一级识别置信度阈值、二级识别置信度阈值、三级识别置信度阈值、一级持续停留时长阈值、二级持续停留时长阈值、一级交互积极度阈值与二级交互积极度阈值,提取情绪时序数据中的不同异常情绪状态的持续停留时长,将交互数据量化为交互积极度;

40、当二级识别置信度阈值>识别置信度≥一级识别置信度阈值且持续停留时长<一级持续停留时长阈值且交互积极度>一级交互积极度阈值时,判定为轻度异常情绪;

41、当三级识别置信度阈值>识别置信度≥二级识别置信度阈值且二级持续停留时长阈值>持续停留时长≥一级持续停留时长阈值且一级交互积极度阈值>交互积极度≥二级交互积极度阈值时,判定为中度异常情绪;

42、当识别置信度≥三级识别置信度阈值且持续停留时长≥二级持续停留时长阈值且交互积极度<二级交互积极度阈值时,判定为重度异常情绪。

43、第二方面,本发明提供了一种面向银发群体的情感共调数字儿女陪伴生成系统,生成系统应用于第一方面的生成方法,生成系统包括:

44、数据采集与预处理模块,数据采集与预处理模块用于在目标老人的居住空间内布设多维度终端,利用多维度终端同步采集目标老人的原始多源数据,其中,原始多源数据包括原始语音数据与原始生活数据,利用自适应降噪算法对原始语音数据进行处理,以得到处理后语音数据,提取处理后语音数据的原始特征数据,对原始特征数据进行归一化处理,以得到处理后特征数据,对原始生活数据进行时序标准化标记,以得到标记后生活数据,基于处理后特征数据与标记后生活数据构建专属数据集;

45、特征融合与情绪识别模块,与数据采集与预处理模块连接,特征融合与情绪识别模块用于利用特征加权法对处理后特征数据进行加权,以得到专属特征向量,利用情感分类模型对专属特征向量进行识别,以得到不同的情绪等级、不同情绪等级对应的识别置信度以及情绪时序数据;

46、动态生活节律模型构建模块,与特征融合与情绪识别模块连接,动态生活节律模型构建模块用于利用无监督聚类算法对标记后生活数据进行聚类挖掘处理,以得到目标老人的隐性生活数据,基于隐性生活数据构建目标老人的生活节律模型,同时记录目标老人的偏好数据,利用周期性迭代更新法实时更新生活节律模型,以得到动态生活节律模型;

47、个性化交互生成模块,与动态生活节律模型构建模块连接,个性化交互生成模块用于利用情感共调算法为不同情绪等级匹配不同的交互状态,基于动态生活节律模型与偏好数据构建专属交互内容,基于交互状态与专属交互内容生成目标老人的专属交互模式,同时采集目标老人与专属交互模式之间产生的交互数据;

48、异常情绪分级模块,与个性化交互生成模块连接,异常情绪分级模块用于预设异常情绪阈值,基于识别置信度、情绪时序数据、交互数据与异常情绪阈值,利用异常情绪分级算法将目标老人的异常情绪状态分为不同的异常情绪等级,针对不同的异常情绪等级生成对应的不同干预策略;

49、自适应优化模块,与异常情绪分级模块连接,自适应优化模块用于基于专属数据集、情绪等级、识别置信度、情绪时序数据、隐性生活数据、偏好数据、交互数据与干预策略构建迭代数据集,基于迭代数据集迭代无监督聚类算法、情感共调算法与异常情绪阈值,以得到适配目标老人的自适应数字儿女陪伴模型。

50、本技术提供了一种面向银发群体的情感共调数字儿女陪伴生成方法及系统,该方法通过居家多维度终端同步采集老人语音与生活多源数据,经自适应降噪、语音特征提取与归一化处理得到标准化语音特征数据,同时对作息、用药、活动、人机交互等生活数据进行时序标准化标记,构建老人专属数据集。随后采用特征加权方式生成老年适配专属特征向量,通过训练完成的卷积神经网络情感分类模型识别输出老人情绪等级、识别置信度及情绪时序数据。同时利用无监督聚类挖掘老人隐性生活规律,构建并持续迭代更新动态生活节律模型,同步记录用户个人偏好数据。本方法通过情感共调算法针对正向、负向、异常不同情绪等级匹配差异化语速、语调与沟通节奏,结合动态节律模型与用户偏好生成个性化专属交互模式,并采集实时人机交互数据。通过预设多级阈值与异常情绪分级算法,依据识别置信度、情绪持续时长、交互积极度将异常情绪划分为轻、中、重三级并生成对应干预策略。最后整合全维度数据与干预策略构建迭代数据集,持续优化聚类、情感共调及情绪判定阈值,实现对银发群体长期自适应、有温度的数字化儿女式智能陪伴服务。