一种基于AI深度学习整合多模态信息的情感分析方法

一种基于ai深度学习整合多模态信息的情感分析方法
技术领域
1.本发明涉及人工智能技术领域，具体为一种基于ai深度学习整合多模态信息的情感分析方法。


背景技术：

2.人工智能（artificial intelligence），英文缩写为ai。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。从心理学的角度看，兴趣是人对客观事物的一种积极的认识倾向，是一种复杂的个性品质，它推动人去探求新的知识，发展新的能力。在学生学习过程中，兴趣是十分重要的。
3.现有技术中，所使用的ai情感分析在使用过程中具有单一性，由于人的情感可以由多种不同行为进行表现，而现有的ai情感分析只能针对人体的生理反应进行读取信号，不具有全面的代表性，同时现有的ai情感分析不具有自学习功能，在后期使用过程中分析速度慢，效率低，因此需要发明出一种基于ai深度学习整合多模态信息的情感分析方法来解决上述问题。


技术实现要素：

4.（一）解决的技术问题针对现有技术的不足，本发明提供了一种基于ai深度学习整合多模态信息的情感分析方法，具备可以通过摄像头读取人体的面部表情以及通过传感器监测人体的生理状态来进行情感分析，使ai的情感分析具有更全面的代表性，提高的ai情感分析的准确度，同时该ai情感分析具有自学习功能，使得在后期使用过程中，可以更加迅速的进行情感分析，提高分析效率。
5.（二）技术方案为实现上述能够兼容原有系统的松耦合单点登录集成机制，大大减少接入系统的改造量和实现难度，快速实现的异构应用下系统登录集成的方式目的，本发明提供如下技术方案：一种基于平台集成登录和管理的实现方法，包括以下步骤：s1、数据库建立根据用户信息建立情感数据库模型。
6.s2、数据采集令牌通过摄像头采集面部表情，以及通过传感器接收动作信号，将采集到的表情以及动作信号转换为数据信息。
7.s3、信息上传令牌将采集后的数据信息上传到建立的情感数据库中。
8.s4、数据存储令牌将上传后的数据信息存储在数据库中，进行情感数据的积累。
9.s5、信息输入令牌
通过摄像头或传感器进行二次信号捕捉，并将采集到信号转化的数据信息上传到情感数据库中。
10.s6、情感分析令牌通过对数据信号进行情感分析，以及对数据信号与情感数据库内信息进行比对，挑选出与采集到的的数据信号相同的数据信息。
11.s7、同步存储令牌将二次捕捉到的信号以及情感分析后的数据信号进行同步存储记录。
12.s8、信息反馈令牌将情感分析后的数据信号输出，并转换成相对应的动作。
13.优选的，所述步骤s1中的情感数据库模型与大数据库相连接，并与大数据库进行实时信息交换。
14.优选的，所述步骤s2与步骤s5中的摄像头与传感器可以对面部表情以及动作信号进行快速捕捉，其中摄像头可以固定不动，而传感器需要使用者佩戴使用。
15.优选的，所述步骤s2中设置有信息转换器，将动作信号转换成电脑可以进行识别的数据信号，且该数据信号为二进制数据信号。
16.优选的，所述步骤s4中的数据库连接有云存储器，将数据信号同步存储在云端。
17.优选的，所述步骤s6中的情感分析主要将二次捕捉的信号与情感数据库模型内的信号进行比对分析，其主要通过matlab实现信号的快速分析处理。
18.优选的，所述步骤s7中同步存储单元将数据信号分析处的结构与二次采集的信号进行同步存储到一个单元中，便于下次进行快速分析检索，实现系统的自学习。
19.优选的，所述步骤s8中设置有信号转换装置，将最终分析出的数据信号转换成对应行为，并将行为进行输出，完成情感分析。
20.（三）有益效果与现有技术相比，本发明提供了一种基于ai深度学习整合多模态信息的情感分析方法，具备以下有益效果：1、该基于ai深度学习整合多模态信息的情感分析方法，可以通过摄像头读取人体的面部表情以及通过传感器监测人体的生理状态来进行情感分析，使ai的情感分析具有更全面的代表性，提高的ai情感分析的准确度。
21.2、该基于ai深度学习整合多模态信息的情感分析方法，在使用过程中具有自学习功能，可以前期分析结果与输入信息进行同步独立存储，使得在后期使用过程中，可以更加迅速的进行情感分析，提高分析效率。
附图说明
22.图1为本发明步骤示意图。
具体实施方式
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
24.请参阅图1-1，本发明提供一种技术方案：一种基于平台集成登录和管理的实现方法，包括以下步骤：s1、数据库建立根据用户信息建立情感数据库模型，并且该情感数据库模型与大数据库相连接，并与大数据库进行实时信息交换。
25.s2、数据采集令牌通过摄像头采集面部表情，以及通过传感器接收动作信号，将采集到的表情以及动作信号转换为数据信息，摄像头与传感器可以对面部表情以及动作信号进行快速捕捉，其中摄像头可以固定不动，而传感器需要使用者佩戴使用，并且输出端设置有信息转换器，将动作信号转换成电脑可以进行识别的数据信号，且该数据信号为二进制数据信号。
26.s3、信息上传令牌将采集后的数据信息上传到建立的情感数据库中。
27.s4、数据存储令牌将上传后的数据信息存储在数据库中，进行情感数据的积累，数据库连接有云存储器，将数据信号同步存储在云端。
28.s5、信息输入令牌通过摄像头或传感器进行二次信号捕捉，并将采集到信号转化的数据信息上传到情感数据库中，通过摄像头与传感器可以对面部表情以及动作信号进行快速捕捉，其中摄像头可以固定不动，而传感器需要使用者佩戴使用。
29.s6、情感分析令牌通过对数据信号进行情感分析，以及对数据信号与情感数据库内信息进行比对，挑选出与采集到的的数据信号相同的数据信息，将二次捕捉的信号与情感数据库模型内的信号进行比对分析，其主要通过matlab实现信号的快速分析处理。
30.s7、同步存储令牌将二次捕捉到的信号以及情感分析后的数据信号进行同步存储记录，同步存储单元将数据信号分析处的结构与二次采集的信号进行同步存储到一个单元中，便于下次进行快速分析检索，实现系统的自学习。
31.s8、信息反馈令牌将情感分析后的数据信号输出，并转换成相对应的动作，，其输出端设置有信号转换装置，将最终分析出的数据信号转换成对应行为，并将行为进行输出，完成情感分析。
32.该基于ai深度学习整合多模态信息的情感分析方法，具备可以通过摄像头读取人体的面部表情以及通过传感器监测人体的生理状态来进行情感分析，使ai的情感分析具有更全面的代表性，提高的ai情感分析的准确度，同时该ai情感分析具有自学习功能，使得在后期使用过程中，可以更加迅速的进行情感分析，提高分析效率。
33.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。