本申請涉及機器人控制領域，且更為具體地，涉及一種基于情感識別的老人智慧陪護機器人及方法。

背景技術：

1、隨著全球人口老齡化趨勢的加劇以及人工智能技術的飛速發展，能夠提供情感交互與精神慰藉的智慧陪護機器人正成為應對社會養老挑戰的重要方向。為了讓機器人能夠真正地理解并服務于老年人，核心在于其必須具備準確識別用戶狀態的能力，特別是情感狀態，從而做出恰當的反饋與行動。因此，構建一套高效、可靠的機器人智能控制方案，使其能夠深度理解老年人的情感需求，已成為該領域發展的必然要求。

2、然而，現有技術中的情感識別方案大多依賴于單一或有限的模態信息，例如，主要通過攝像頭捕捉面部表情、身體姿態，或通過麥克風分析語音語調。這類方法在處理復雜場景時存在一個關鍵且危險的缺陷：它們難以有效區分由負面情緒（如悲傷、憂郁）引發的外在表現和由生理不適（如突發性疼痛、心臟不適）引發的相似表現。例如，一位老人因身體劇痛而緊鎖眉頭、陷入沉默，機器人若僅憑視覺和聽覺信號，極有可能將其誤判為深度憂郁，并啟動預設的音樂播放、講笑話等情緒安撫程序。這種錯誤的干預不僅無法緩解老人的痛苦，反而可能因噪音干擾使其更加煩躁，更嚴重的是，會延誤寶貴的求助時機，造成不可挽回的后果。這種因信號模糊性（即多種內部狀態導致相似的外部表現）而產生的混淆，是當前智慧陪護機器人從情感陪護向健康監護躍升時必須解決的技術瓶頸。此外，即便部分研究嘗試引入心率、皮電等生理信號作為輔助判斷依據，也往往忽略了個體差異性和情境動態性。例如，系統如果沒有建立特定用戶在不同活動（如運動后、靜息時）下的個性化生理數據基線，就很容易將正常波動誤判為異常，導致頻繁的誤報。

3、因此，如何有效融合視聽信號與個性化的生理信號，建立一種能夠精準解構老年人負面狀態背后真實原因，已成為提升智慧陪護機器人服務質量、可靠性與安全性的關鍵。

技術實現思路

1、為解決傳統視聽情感識別中因信號模糊性而無法區分負面情緒與生理不適的根本問題，根據本申請的一方面，提供了一種基于情感識別的老人智慧陪護機器人的控制方法，其包括：獲取目標老年人對象的用戶id、原始視頻數據、原始音頻數據和原始生理數據；基于目標老年人對象的用戶id，從數據庫加載用戶個性化生理基線模型；基于原始視頻數據和原始音頻數據，進行基于視聽信號的負面狀態初篩以得到負面狀態初篩結果和表達特征向量；對原始生理數據進行基于生理基線的異常檢測以得到生理異常得分；對生理異常得分和表達特征向量進行門控融合與狀態歸因以得到最終狀態判定結果；基于最終狀態判定結果，生成機器人執行的控制動作。

2、根據本申請的另一方面，提供了一種基于情感識別的老人智慧陪護機器人，其包括：目標老年人對象數據獲取模塊，用于獲取目標老年人對象的用戶id、原始視頻數據、原始音頻數據和原始生理數據；生理基線模型加載模塊，用于基于目標老年人對象的用戶id，從數據庫加載用戶個性化生理基線模型；負面狀態初篩模塊，用于基于原始視頻數據和原始音頻數據，進行基于視聽信號的負面狀態初篩以得到負面狀態初篩結果和表達特征向量；生理異常得分計算模塊，用于對原始生理數據進行基于生理基線的異常檢測以得到生理異常得分；最終狀態判定模塊，用于對生理異常得分和表達特征向量進行門控融合與狀態歸因以得到最終狀態判定結果；機器人控制動作生成模塊，用于基于最終狀態判定結果，生成機器人執行的控制動作。

3、與現有技術相比，本申請提供的一種基于情感識別的老人智慧陪護機器人及方法，其通過引入個性化的生理數據維度，來解決傳統視聽情感識別中因信號模糊性而無法區分負面情緒與生理不適的根本問題。具體而言，首先利用視頻和音頻數據對老年人的外在表現進行初步判斷，識別出是否存在負面狀態。之后將實時采集的生理數據與預先存儲的該用戶個性化生理基線模型進行比對，從而獲得一個量化的生理異常得分。最終，通過一個門控融合機制，以該生理異常得分作為關鍵判斷依據：若得分顯著偏離基線，則判定為生理不適并觸發相應健康監護動作；反之，則確認為情緒問題，并執行情感安撫。這種方法有效避免了將生理不適誤判為負面情緒的風險，使機器人能夠解構表象背后的真實原因，從而做出精準、安全的決策。

1.一種基于情感識別的老人智慧陪護機器人的控制方法，其特征在于，包括：獲取目標老年人對象的用戶id、原始視頻數據、原始音頻數據和原始生理數據；基于目標老年人對象的用戶id，從數據庫加載用戶個性化生理基線模型；基于原始視頻數據和原始音頻數據，進行基于視聽信號的負面狀態初篩以得到負面狀態初篩結果和表達特征向量；對原始生理數據進行基于生理基線的異常檢測以得到生理異常得分；對生理異常得分和表達特征向量進行門控融合與狀態歸因以得到最終狀態判定結果；基于最終狀態判定結果，生成機器人執行的控制動作。

2.根據權利要求1所述的基于情感識別的老人智慧陪護機器人的控制方法，其特征在于，用戶個性化生理基線模型為用戶在不同情境下的生理數據統計分布。

3.根據權利要求1所述的基于情感識別的老人智慧陪護機器人的控制方法，其特征在于，基于原始視頻數據和原始音頻數據，進行基于視聽信號的負面狀態初篩以得到負面狀態初篩結果和表達特征向量，包括：對原始視頻數據和原始音頻數據進行并行的視聽模態特征提取以得到視覺特征向量和音頻特征向量；對視覺特征向量和音頻特征向量進行特征融合以得到所述表達特征向量；將表達特征向量輸入預訓練的二元分類器以得到所述負面狀態初篩結果，所述負面狀態初篩結果用于表示是否為負面狀態。

4.根據權利要求3所述的基于情感識別的老人智慧陪護機器人的控制方法，其特征在于，對原始視頻數據和原始音頻數據進行并行的視聽模態特征提取以得到視覺特征向量和音頻特征向量，包括：將原始視頻數據輸入人臉檢測模型以得到人臉感興趣區域；將原始視頻數據輸入姿態估計模塊以得到身體關鍵點坐標的集合；將人臉感興趣區域輸入用于面部表情分析的卷積神經網絡以得到面部情感嵌入向量；基于身體關鍵點坐標的集合，計算姿態特征向量；將面部情感嵌入向量和姿態特征向量進行特征拼接以得到視覺特征向量。

5.根據權利要求3所述的基于情感識別的老人智慧陪護機器人的控制方法，其特征在于，將表達特征向量輸入預訓練的二元分類器以得到所述負面狀態初篩結果，包括：所述預訓練的二元分類器以如下公式對表達特征向量進行處理以得到負面狀態概率值，所述公式為：

6.根據權利要求1所述的基于情感識別的老人智慧陪護機器人的控制方法，其特征在于，對原始生理數據進行基于生理基線的異常檢測以得到生理異常得分，包括：從用戶個性化生理基線模型提取均值向量和協方差矩陣；對原始生理數據進行生理特征提取以得到生理特征向量；基于均值向量和協方差矩陣以如下公式對生理特征向量進行處理以得到所述生理異常得分，所述公式為：，其中，為均值向量，為協方差矩陣，為生理特征向量，是生理異常得分。

7.根據權利要求1所述的基于情感識別的老人智慧陪護機器人的控制方法，其特征在于，對生理異常得分和表達特征向量進行門控融合與狀態歸因以得到最終狀態判定結果，包括：響應于生理異常得分大于預設閾值，確定所述最終狀態判定結果為生理不適；響應于生理異常得分小于等于預設閾值，將表達特征向量輸入用于區分不同負面情緒的多分類器以得到所述最終狀態判定結果。

8.一種基于情感識別的老人智慧陪護機器人，其特征在于，包括：目標老年人對象數據獲取模塊，用于獲取目標老年人對象的用戶id、原始視頻數據、原始音頻數據和原始生理數據；生理基線模型加載模塊，用于基于目標老年人對象的用戶id，從數據庫加載用戶個性化生理基線模型；負面狀態初篩模塊，用于基于原始視頻數據和原始音頻數據，進行基于視聽信號的負面狀態初篩以得到負面狀態初篩結果和表達特征向量；生理異常得分計算模塊，用于對原始生理數據進行基于生理基線的異常檢測以得到生理異常得分；最終狀態判定模塊，用于對生理異常得分和表達特征向量進行門控融合與狀態歸因以得到最終狀態判定結果；機器人控制動作生成模塊，用于基于最終狀態判定結果，生成機器人執行的控制動作。