一种基于人脸图像的情感健康监控方法及手机技术

本发明专利技术涉及一种基于人脸图像的情感健康监控方法，该方法包括步骤：自动采集用户的人脸图像，构造人脸图像的特征向量，完成人脸身份验证，人脸情感分类，情感健康预警，和预警信息发送。本发明专利技术还公开了一种基于人脸图像的情感健康监控手机，包括：用户手机在用检测模块，手机摄像头控制模块，人脸图像采集模块，人脸图像特征向量构造模块，人脸识别模块，人脸情感分类模块，情感健康预警模块，预警信息发送模块，情感档案管理模块，人脸表情分类模型学习模块，人脸识别模型学习模块。本发明专利技术效果是人脸表情采集更自然，情感健康状态的评价更真实，情感健康的监控更方便，更易使用。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于人脸图像的情感健康监控方法，该方法包括步骤：自动采集用户的人脸图像，构造人脸图像的特征向量，完成人脸身份验证，人脸情感分类，情感健康预警，和预警信息发送。本专利技术还公开了一种基于人脸图像的情感健康监控手机，包括：用户手机在用检测模块，手机摄像头控制模块，人脸图像采集模块，人脸图像特征向量构造模块，人脸识别模块，人脸情感分类模块，情感健康预警模块，预警信息发送模块，情感档案管理模块，人脸表情分类模型学习模块，人脸识别模型学习模块。本专利技术效果是人脸表情采集更自然，情感健康状态的评价更真实，情感健康的监控更方便，更易使用。【专利说明】一种基于人脸图像的情感健康监控方法及手机
本专利技术涉及一种基于人脸图像的情感健康监控方法及手机，属于医疗健康、机器 学习和移动互联网
。
技术介绍
情感状态体现了心理的健康状态，目前很多人都面临心理压力，或多或少会出现 一些心理情感问题，表现为烦躁，焦虑，抑郁等，需要及时引导，但是这些表现出来的信号， 对于心理学知识缺乏的人一般很难觉察，因此借助信息技术，自动监测并提醒是很重要的。 人脸表情包含了丰富的情感信息，是我们理解情感的重要途径，因此通过人脸表情分析就 可以实现人类的情感状态判别，进而判断人类的情感健康情况，然后预警。 另一个问题是人脸识别问题，因为健康监控需要实现采集的人脸图像的身份鉴 另IJ，只有与指定情感健康监控对象的身份一致才能实施情感健康的监控，确保监控对象的 一致性。目前人脸识别已经在安全验证、犯罪识别、视频会议、考勤系统等方面得到广泛应 用，因为从人机交互的方式来看，人脸识别更符合人们的理想，能够自动采集到自然的人脸 图像。 手机是人们经常使用的工具，用户使用手机时的人脸表情反映的是用户的自然情 感，因此通过自动采集用户使用手机时的人脸图像，进而通过人脸表情分析就可以判断用 户的情感状态，以此推断情感的健康情况，进而预警。目前国内还没有发现在手机上实现基 于人脸图像的情感健康监控方法。
技术实现思路
本专利技术要解决的技术问题是：目前缺乏对人类情感健康的自动监控方法和设备。 本专利技术涉及一种基于人脸图像的情感健康监控方法，其特征在于该方法包括以下 步骤： 自动采集用户的人脸图像 构造人脸图像的特征向量 利用人脸识别模型完成用户的身份验证，若身份验证不通过，则结束利用人脸情感分类模型预测用户的情感状态 根据情感状态，判断用户情感的健康情况，完成情感健康预警 将健康情况，人脸图像采集时间和健康预警信息发送到预先指定的设备，完成 情感健康的监控。 其中人脸识别模型的获取过程包含以下步骤： (a)采集N个人脸图像及其对应的身份类别 (b)构造每个人脸图像的特征向量 (c)构造训练数据，以人脸图像的特征向量为输入，其对应的身份类别为输出，构 成训练样本集合 (d)采用训练样本集合，学习人脸识别模型 (e)以M倍交叉验证方式选择人脸识别模型的合适参数，进而获得对应参数的人 脸识别模型。 其中人脸情感分类模型的获取过程包含以下步骤： (a)采集N个人脸图像及其对应的情感类别 (b)构造每个人脸图像的特征向量 (c)构造训练数据，以人脸图像的特征向量为输入，其对应的情感类别为输出，构 成训练样本集合 (d)采用训练样本集合，学习人脸情感分类模型 (e)以M倍交叉验证方式选择人脸情感分类模型的合适参数，进而获得对应参数 的人脸情感分类模型。 本专利技术一种基于人脸图像的情感健康监控手机，其特征在于使用了本专利技术所述的 方法，其特征在于手机包括：人脸情感训练样本数据库，人脸识别训练样本数据库，情感健 康档案数据库。用户手机在用检测模块，手机摄像头控制模块，人脸图像采集模块，人脸图 像特征向量构造模块，人脸识别模块，人脸情感分类模块，情感健康预警模块，预警信息发 送模块，情感健康档案管理模块，人脸情感分类模型学习模块，人脸识别模型学习模块。其 中用户手机在用检测模块的输出与手机摄像头控制模块的输入连接，手机摄像头控制模块 的输出与人脸图像采集模块的输入连接，人脸图像采集模块的输出与人脸图像特征向量构 造模块的输入连接，人脸图像特征向量构造模块的输出与人脸识别模块和人脸情感分类模 块的输入连接，人脸识别模型学习模块的输出与人脸识别模块的输入连接，人脸识别模块 和人脸情感分类模型学习模块的输出与人脸情感分类模块的输入连接，人脸情感分类模块 的输出与情感健康预警模块的输入连接，情感健康预警模块的输出与预警信息发送模块的 输入连接，预警信息发送模块的输出与情感健康档案管理模块的输入连接。其中人脸表情 分类模型学习模块和人脸识别模型学习模块是离线独立运行的。 有益效果 与现有技术相比，本专利技术的一种基于人脸图像的情感健康监控方法及手机具有以 下优点： 在用户使用手机时，自动采集人脸图像，不需要用户特别关注，这样采集的人 脸表情更自然，情感健康状态的评价更真实。 仅使用日用手机就能对用户的情感健康状态监控，情感健康的监控更方便和 易用。 能主动让使用者随时了解其情感状态，从而防止忘记自己情感状态的变化， 耽误预防和治疗等带来的问题，同时能为医师提供辅助诊断的参考。 【专利附图】【附图说明】 图1一种基于人脸图像的情感健康监控方法的流程图 图2-种基于人脸图像的情感健康监控手机实施案例的结构图 图3 -种基于人脸图像的情感健康监控手机实施案例的结构图 【具体实施方式】 本专利技术提出的种基于人脸图像的情感健康监控方法及手机，结合附图和实施例说 明如下。 如图1所示，为一种基于人脸图像的情感健康监控方法的流程图，其特征在于该 方法包括以下步骤： 当用户在使用带有照相功能的设备例如智能手机时，自动采集用户的人脸图 像，并以采集人脸图像时的时间为文件名将人脸图像保存为JPEG格式的图片文件。 提取人脸图像的JPEG格式图片文件的图像特征，形成一个人脸图像的特征向 量。 采用支持向量机人脸识别模型对人脸图像的特征向量进行身份识别，当识别 的身份不是情感健康的监控对象时，则结束。 采用支持向量机情感分类模型对人脸图像的特征向量分类，分类的情感类别 为愤怒，高兴，悲伤，惊讶，厌恶，恐惧和平静。 根据情感类别判断用户情感的健康情况。若情感状态为愤怒，悲伤，厌恶，和恐 惧之一，则情感属于不健康状态，否则属于正常情况。同时生成健康情况的预警信息。 将健康情况，人脸图像采集时间，和健康预警信息发送到预先指定的手机，完 成情感健康的监控。 其中支持向量机人脸识别模型的获取过程包含以下步骤： (a)采集1000个人脸图像及其对应的身份类别 (b)构造每个人脸图像的特征向量 (c)构造训练数据，以人脸图像的特征向量为输入，其对应的身份类别为输出，构 成训练样本集合 (d)采用训练样本集合，训练支持向量机，获得支持向量机人脸识别模型 (e)以10倍交叉验证方式选择支持向量机人脸识别模型的合适参数，进而获得对 应参数的支持向量机人脸识别模型。 其中支持向量机情感分类模型的获取过程本文档来自技高网...

【技术保护点】
一种基于人脸图像的情感健康监控方法，其特征在于该方法包括以下步骤：[1]自动采集用户的人脸图像[2]构造人脸图像的特征向量[3]利用人脸识别模型完成用户的身份验证，若身份验证不通过，则结束[4]利用人脸情感分类模型预测用户的情感状态[5]根据情感状态，判断用户情感的健康情况，完成情感健康预警[6]将健康情况，人脸图像的采集时间，和健康预警信息发送到预先指定的设备，完成情感健康的监控。其中人脸识别模型的获取过程包含以下步骤：(a)采集N个人脸图像及其对应的身份类别(b)构造每个人脸图像的特征向量(c)构造训练数据，以人脸图像的特征向量为输入，其对应的身份类别为输出，构成训练样本集合(d)采用训练样本集合，学习人脸识别模型(e)以M倍交叉验证方式选择人脸识别模型的合适参数，进而获得对应参数的人脸识别模型。其中人脸情感分类模型的获取过程包含以下步骤：(a)采集N个人脸图像及其对应的情感类别(b)构造每个人脸图像的特征向量(c)构造训练数据，以人脸图像的特征向量为输入，其对应的情感类别为输出，构成训练样本集合(d)采用训练样本集合，学习人脸情感分类模型(e)以M倍交叉验证方式选择人脸情感分类模型的合适参数，进而获得对应参数的人脸情感分类模型。...

【技术特征摘要】

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：广州华久信息科技有限公司，
类型：发明
国别省市：广东;44