学前儿童心理健康智能机器人辅助监测系统设计

针对当前心理健康智能机器人对学前儿童的语音情感识别准确率低，导致无法有效地对儿童进行心理辅导监测的问题，提出构建一个基于注意力机制Attention+长短期神经网络LSTM的学前儿童情感识别模型。该模型采用LSTM神经网络对原始语音中的时序关系进行保留，并在LSTM基础上，加入注意力机制，将传统遗忘门、输出门转换为注意力门，得到基于深度注意力门的Attention+LSTM模型，通过此模型对儿童语音情感特征进行深度挖掘，从而实现儿童语音情感准确识别。通过实验分析发现，在CASIA、e NTERFACE和GEMEP三个儿童情感语料库中，本模型的平均识别率(UAR)分别为90.6%,81.5%和51%,比传统LSTM模型分别高出了0.6%、5.65%和2.5%。由此可知，相较于传统LSTM模型，本模型可提升学前儿童的语音情感识别率，此模型可在心理健康智能机器人中进行应用，可实现儿童心理有效辅导和监测。