基于多光谱成像技术的情感压力和物理压力分类识别研究

Stress , as an important physiological index, has attracted increasing concern. The influence of physical stress and emotional stress on human health and specific diseases has been widely studied over the past decades. Two distinctive stressors may affect health and specific diseases in different ways. Accordingly, efficient classification of ES and PS is favorable to ascertain pathogenic characteristic and diagnostic approach. Moreover, classification information can be utilized to design the daily health plan for mental & physical health. The individual physical stress and emotional stress index can provide useful information (or one of the aspects) for preliminary screening and intent detection. we propose a multispectral imaging-based classification feature extraction method for emotional stress and physical stress. The proposal algorithm can effectively classify the physical stress and emotional stress through deep learning and signal processing algorithm, thereby providing reliable stress classification in the form of noninvasive , noncontact and without background information.

作为重要的生理参数，压力已经被业界广泛关注。物理压力和情感压力对人类健康和特定疾病的影响在过去几十年中得到了广泛的研究。两种独特的压力会以不同的方式影响健康和具体的疾病(症状)。因此，高效的分类物理压力和情感压力有利于确定病原学特征及诊断方法。而且分类信息也可以帮助人们设计日常健康计划以利于生理和心理的健康。此外，个体的物理压力指数和情感压力指数可以为人员初筛或意图检测提供有用的生理信息。本课题采用多光谱成像技术提取实时物理压力和情感压力的分类识别特征信号。通过深度学习和信号处理等算法构建情感压力和物理压力分类模型，使得算法能够实现非接触无干预且无需背景资料的压力分类目标。

压力作为一种重要的生理信号，已被学术界所广泛重视。压力是由心理压力和生理压力反应组成的认知和行为体验过程。压力可以定义为导致身体、情绪或心理紧张的相关类型的变化。此外，压力会影响人们的身心健康，这一点早就得到了各方认可。根据压力源的不同，压力可分为情感压力和物理压力。考虑到它们的不同机制，这两种压力对人体的影响将明显不同。因此应有效地对两种压力进行分类能有利于医学诊断和相关信息提取。从日常生理监测中获得两类压力分类信息可以作为健康状态的有效判断依据。除了医疗应用，压力信息也可以用作安防的初始筛选信息。.在本课题中，我们研发了一种基于多光谱信号的情感压力和物理压力分类方法。该算法基于压力识别来对情感压力和物理压力进行分类。本课题提出了一种情感压力和物理压力的分类模型，该模型可以基于多光谱信号和血氧饱和度进行压力分类，并在此基础上提取了相关分类特征和信号。算法首次提出了基于频域和信号放大的学习模型。通过复合标准获得适当的感兴趣区域，同时感兴趣区域源由信号的通用性和鲁棒性来确定。由此进一步获得感兴趣区域的频域信号。最后将获取的时间序列信号放入到深度学习模型中学习分类特征。通过所提出的模型获取情感压力和物理压力的分类信号，相关实验的分类结果也非常令人鼓舞。