【技术实现步骤摘要】
基于联合注意能力测试和音视频行为分析的孤独症早期筛查系统
本专利技术涉及图像处理、语音识别领域,尤其涉及一种基于联合注意能力测试和音视频行为分析的孤独症早期筛查系统,基于联合注意能力测试系统,采集评估者及被试者的音视频多模态数据并加以分析,以评估预测孤独症谱系障碍的系统。
技术介绍
孤独症谱系障碍(AutismSpectrumDisorder,ASD),是一种常见的儿童神经发育障碍性疾病。由于孤独症主要影响社交沟通、行为、兴趣等方面的能力,其筛查评估主要通过经验丰富的专业医疗人员进行人工诊断来实现。然而,这对医疗工作人员的专业度和经验度要求极高,这使得纯人工筛查方式难以被普及。因此,越来越多的科研团队投入到研究如何使用人工智能设备辅助对孤独症尽心评估。其中,使用人工智能装置模仿医疗工作者试验测试的方式对儿童进行测评,是一种有效的方式。而这一类试验中,进行“范式及范式组合的测试”试验能够有效结构化、标准化试验环节,达到规范的试验筛查效果。至今为止,关于孤独症儿童注意力评估的人工智能辅助系统研究,并不多。申请号为CN201811220432.8的中国专利申请“基于非社会性声音刺激行为范式的孤独症初级筛查装置”基于语音处理,计算机视觉,采集被试观测人的面部,眼神以及手势信息并加以分析,以评估孤独症谱系障碍风险系数的早期筛查装置。申请号为CN201811619354.9的中国专利申请“一种用于孤独症共同注意诊断范式的检测系统及使用方法”包括独立摄像头、深度传感器、计算机和目标图片,通过对人体的动作识别、脸部检测和视线追踪,对孤独症共同注意诊断范式进行检测,有效降低 ...
【技术保护点】
1.一种基于联合注意能力测试和音视频行为分析的孤独症早期筛查系统,其特征在于,包括:数据采集模块,用于对联合注意能力测试试验过程中被试者、评估者和道具的音视频多模态数据进行多视角多声道的同步数据采集;预处理模块,用于将所有采集的音视频数据进行同步对齐,采用语音识别检测处理音频数据,检测评估者发出注意力指引指令及互动指令的时间,并以此为起始端点截取视频一段时间后的内容,作为视频分析数据;特征提取模块,用于对预处理获取的多角度多声道音视频数据段落,进行逐帧分析处理,获取语音内容、面部情感、面部朝向、目光、手势、姿势和坐标特征;训练分类模块,用于对提取的特征进行分析,使用机器学习训练并得到针对本测试的孤独症预测分类器模型;预测模块,用于利用分类器模型对新的被试者测试音视频中提取的语音内容、语音情感、面部情感、面部朝向、目光、手势和人物或物体坐标特征进行分析,对被试者的孤独症风险进行评估预测。
【技术特征摘要】
1.一种基于联合注意能力测试和音视频行为分析的孤独症早期筛查系统,其特征在于,包括:数据采集模块,用于对联合注意能力测试试验过程中被试者、评估者和道具的音视频多模态数据进行多视角多声道的同步数据采集;预处理模块,用于将所有采集的音视频数据进行同步对齐,采用语音识别检测处理音频数据,检测评估者发出注意力指引指令及互动指令的时间,并以此为起始端点截取视频一段时间后的内容,作为视频分析数据;特征提取模块,用于对预处理获取的多角度多声道音视频数据段落,进行逐帧分析处理,获取语音内容、面部情感、面部朝向、目光、手势、姿势和坐标特征;训练分类模块,用于对提取的特征进行分析,使用机器学习训练并得到针对本测试的孤独症预测分类器模型;预测模块,用于利用分类器模型对新的被试者测试音视频中提取的语音内容、语音情感、面部情感、面部朝向、目光、手势和人物或物体坐标特征进行分析,对被试者的孤独症风险进行评估预测。2.根据权利要求1所述的孤独症早期筛查系统,其特征在于,所述数据采集模块包括遥控器、多个RGB-D摄像头、麦克风阵列和/或可穿戴麦克风,所述遥控器用于吸引儿童注意力的可控制可动作无声物体、控制动作物体进行动作;多个所述RGB-D摄像头多角度地隐蔽地布置在场景中,同步输出高质量像素的RGB图像和深度图像;所述麦克风阵列和/或可穿戴麦克风采集高质量的多通道的被试者、评估者的语音并抑制噪声和回声。3.根据权利要求1所述的孤独症早期筛查系统,其特征在于,所述特征提取模块包括声纹识别单元、语音识别单元、情感识别单元、坐标估计单元、目光朝向估计单元、手势检测单元、姿态估计单元;所述坐标估计单元对场景中的被试者以及评估者的空间位置进行估计,首先进行人物检测,然后进行人物身份重识别,最后再对人物矩形框进行空间转换进行位置估计;所述语音识别单元将说话者的语音转换为文本内容;所述声纹识别单元根据声纹识别说话人身份;所述情感识别单元对被试者实施语音情感以及面部表情的识别,语音情感识别使用基于深度神经网络提取包含情感信息的特征进行情感的分类,而面部表情同样使用深度神经网络模型,输入被试者的脸部矩形框图像,输出其表情分类;所述目光朝向估计单元对被试者的脸部朝向以及目光注视方向进行估计,能够提取被试者转头反应时间、转头角度、眼神注视方向、眼神注视时间;所述手势检测单元检测被试者的的手指物动作,使用物体检测模型框架进行指东西手势的检测,当被试者出现指物手势的时候,返回该手势的RGB图像矩形框以及增加一次计数;所述姿势识别单元对被试者使用深度神经网络进行估计...
【专利技术属性】
技术研发人员:邹小兵,潘悦然,蔡昆京,
申请(专利权)人:昆山杜克大学,中山大学附属第三医院,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。