The present invention provides an autism stereotyped behavior analysis system based on deep learning, which includes a virtual stereotyped behavior comprehensive analysis device, a stereotyped behavior action recognition device and a stereotyped behavior action classification device. It is able to screen patients as early as possible and carry out early intervention treatment through the discovery and analysis of stereotyped behavior when early autism patients are young, and learn multiple actions in depth For the fusion of recognition algorithm, on the basis of self built stereotyped behavior data model and existing video data, only monitoring or video recording is needed to recognize and analyze the stereotyped behavior of autistic patients in complex and multi person scenes, making its cost extremely low, and no additional configuration or fixed scene setup is required.
【技术实现步骤摘要】
一种基于深度学习的自闭症刻板行为分析方法及系统
本专利技术涉及辅助康复训练领域,具体涉及一种基于深度学习的自闭症刻板行为分析方法及系统。
技术介绍
自闭症,又称儿童孤独症,是广泛性发育障碍的一种精神疾病。自闭症没有已知的治愈的方法,只能通过早期的干预训练,提高自闭症患者社交沟通和独立生活的能力。因而对于早期自闭症患者进行筛查、及早发现显得尤为重要。自闭症孩子普遍存在着兴趣狭隘和有重复刻板行为的现象,重复刻板行具体为三类:身体动作的重复和刻板;对物体施加的重复、刻板和仪式行为;重复学习行为和强迫性思维。因此通过动作识别技术,对疑似自闭症孩子的重复刻板行为进行分析,可以有助于实现对早期自闭症患者的筛查和分析。
技术实现思路
本专利技术的目的是提供一种基于深度学习的自闭症刻板行为分析方法及系统,能够在早期自闭症患者年幼时通过刻板行为的发现与分析,及早筛查患者并进行早期干预治疗。为了达到上述目的,本专利技术一方面提供一种基于深度学习的自闭症刻板行为分析方法,包括以下步骤:分析人体动作的视频序列并提取人体骨架模型,获得人体动作信息;将人体动作信息输入刻板行为分析模型,获得自闭症患者典型刻板行为的判断结果;将判断结果输入刻板行为分类模型,获得自闭症患者刻板行为的综合分析和评估。具体的,所述人体动作的视频序列包括学校、家庭、医院等多人场景。具体的,对所述人体动作的视频序列进行采样、修改帧率和宽高比,形成所述视频序列的统一格式化数据。具体的,所述人体 ...
【技术保护点】
1.一种基于深度学习的自闭症刻板行为分析方法,其特征在于,包括以下步骤:/n分析人体动作的视频序列并提取人体骨架模型,获得人体动作信息;/n将人体动作信息输入刻板行为分析模型,获得自闭症患者典型刻板行为的判断结果;/n将判断结果输入刻板行为分类模型,获得自闭症患者刻板行为的综合分析和评估。/n
【技术特征摘要】
1.一种基于深度学习的自闭症刻板行为分析方法,其特征在于,包括以下步骤:
分析人体动作的视频序列并提取人体骨架模型,获得人体动作信息;
将人体动作信息输入刻板行为分析模型,获得自闭症患者典型刻板行为的判断结果;
将判断结果输入刻板行为分类模型,获得自闭症患者刻板行为的综合分析和评估。
2.如权利要求1所述的一种基于深度学习的自闭症刻板行为分析方法,其特征在于,所述人体动作的视频序列包括学校、家庭、医院等多人场景。
3.如权利要求2所述的一种基于深度学习的自闭症刻板行为分析方法,其特征在于,对所述人体动作的视频序列进行采样、修改帧率和宽高比,形成所述视频序列的统一格式化数据。
4.如权利要求1所述的一种基于深度学习的自闭症刻板行为分析方法,其特征在于,所述人体骨架模型包括患者五官、手指、脖子、臀部、四肢、脊椎和肩膀的动作。
5.如权利要求1所述的一种基于深度学习的自闭症刻板行为分析方法,其特征在于,所述刻板行为分析模型包括经过深度学习的第一神经网络;
所述第一神经网络根据经过训练的典型自闭症刻板行为类型对患者动作进行识别,根据识别结果对患者动作进行分类标签;
以典型自闭症刻板行为类型作为权重,根据分类标签对患者动作进行识别准确度的加权平均值计算。
6.如权利要求5所述的一种基于深度学习的自闭症刻板行为分析方法,其特征在于,所述刻板行为分析模型还包括:
所述第一神经...
【专利技术属性】
技术研发人员:杜亚松,陈静,翟广涛,赵晓鑫,祖燕飞,
申请(专利权)人:上海市精神卫生中心上海市心理咨询培训中心,
类型:发明
国别省市:上海;31
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。