【技术实现步骤摘要】
基于视频表情行为分析的孤独症谱系障碍自动检测方法及装置
本专利技术涉及24个月以内高危孤独症谱系障碍自动筛查系统，特别是涉及一种基于视频表情行为分析的孤独症谱系障碍自动检测装置。
技术介绍
孤独症谱系障碍是一种神经发育障碍，其特点是社交障碍，语言和非语言交流障碍，以及限制性和重复性行为。在全球范围内，据估计有2480万人患有孤独症。目前，医生在孩子3-4周岁才能确诊是否患有孤独症谱系障碍。然而，这对孤独症谱系障碍幼儿早期干预而言，确诊时间比较晚。大规模自动早期筛查24个月以下的高危孤独症谱系障碍幼儿成为早期干预之前亟待解决的重要难题。目前，传统的高危孤独症谱系障碍幼儿筛查依赖于有经验的医师的问卷和人工访谈，根据多个孤独症相关的评估量表综合确定幼儿是否为高危孤独症谱系障碍。现有的高危孤独症谱系障碍人工评估量表包括婴幼儿沟通及象征性行为发展量表、儿童孤独症评定量表及孤独症儿童行为评定量表。现有的人工评估技术存在以下技术瓶颈：(1)人工量表中的幼儿行为观察依赖于人工评估，行为评估非常耗时且受评估者主观评估结...
【技术保护点】
1.一种基于视频表情行为分析的孤独症谱系障碍自动检测方法，用于24个月以内高危孤独症谱系障碍自动筛查，其特征在于，包括：/nS1、视频采集：在静止脸范式的静止脸期间，采集幼儿和照顾者面对面互动过程中幼儿表情行为视频数据；/nS2、人脸预处理：检测视频中被试幼儿的人脸位置，裁剪出人脸区域，并对不同姿态的人脸进行校正；/nS3、表情行为指标特征提取：从预处理好的人脸图像上提取纹理特征，对输入的纹理特征进行分类，得到人脸运动单元识别结果，再将人脸运动单元识别结果作为输入信号，对其在时间维度上按窗长统计，得到分段表情统计特征，进而作为行为指标特征，具体是：/nS3.1、对人脸图像提...
【技术特征摘要】
1.一种基于视频表情行为分析的孤独症谱系障碍自动检测方法，用于24个月以内高危孤独症谱系障碍自动筛查，其特征在于，包括：
S1、视频采集：在静止脸范式的静止脸期间，采集幼儿和照顾者面对面互动过程中幼儿表情行为视频数据；
S2、人脸预处理：检测视频中被试幼儿的人脸位置，裁剪出人脸区域，并对不同姿态的人脸进行校正；
S3、表情行为指标特征提取：从预处理好的人脸图像上提取纹理特征，对输入的纹理特征进行分类，得到人脸运动单元识别结果，再将人脸运动单元识别结果作为输入信号，对其在时间维度上按窗长统计，得到分段表情统计特征，进而作为行为指标特征，具体是：
S3.1、对人脸图像提取方向梯度直方图特征；
S3.2、人脸运动单元分类：识别人脸的18种人脸运动单元结果；
S3.3、通过分析视频中每一帧图像的18种人脸运动单元结果，表示为每一帧的表情识别结果向量Xi＝[yi1,yi2,…,yij,…,yi18]T，其中，i表示视频的第i帧，yij表示第i帧第j类人脸运动单元识别的结果，yij∈{0,1}，T为视频时长60秒，共计1500帧；
S3.4、由于孤独症谱系障碍幼儿对于照顾者突然的面无表情且无肢体反应所作出的情绪反应和正常幼儿存在差异，对时长为T的视频，按照一定窗长划分为n个视频片段，可观察到两组幼儿表情结果在每一个视频片段级的差异，可以发现与积极情绪相关的人脸运动单元结果AU6和与消极情绪相关的人脸运动单元结果AU17在每个片段的识别结果在两组幼儿表情结果之间存在统计差异，其中，正常发育组中与积极情绪相关的人脸运动单元结果AU6总发生时长的组平均值相较于高危孤独症谱系障碍组的组平均值较低，而与消极情绪相关的人脸运动单元结果AU17总发生时长的组平均值相较于高危孤独症谱系障碍组的组平均值较高，根据这两类人脸运动单元结果AU发生时长的差异可判别高危孤独症谱系障碍组和正常发育组；
S3.5、每一个片段长度为S，第j类人脸运动单元结果AU第k个窗长内的分段统计特征结果整个视频的行为特征矩阵将该矩阵按行拼接转变为向量V∈R1×18n；
S4、高危孤独症谱系障碍风险预测：在分段统计的表情行为指标特征的基础上，采用支持向量机分类器对上述V向量进行训练，训练过程中采用留一个人交叉验证的策略，即每一次留一个人的数据作为测试，剩余人的数据用于训练，实验采用多项式核：
其中γ,r,d为核参数，通过交叉验证策略确定分类器最佳的参数值，在此基础上，将本研究采集的两组幼儿的所有数据用于训练高危孤独症谱系障碍检测模型，对于一个新幼儿，采集该幼儿在静...
【专利技术属性】
技术研发人员：郑文明，唐传高，柯晓燕，仇娜娜，闫思蒙，宗源，
申请(专利权)人：东南大学，
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。