基于电子心理沙盘和时序特征的心理状态分析系统及方法技术方案

本发明专利技术属于心理状态分析领域，具体涉及了一种基于电子心理沙盘和时序特征的心理状态分析系统及方法，旨在解决现有技术不考虑被试者电子沙盘制作中的时序特征，并且多层级步骤带来了累积误差，导致心理状态分析结果准确性较低的问题。本发明专利技术包括：被试者进行电子沙盘操作；采集沙盘操作中的电子沙盘数据；对数据中挖沙、堆沙、抚平地形操作、沙具放置、沙具调整数据进行坐标转换，将数据中沙具数量、电子沙盘制作持续总时间、沙具移动次数归一化；提取转换后的坐标向量的时序特征；将时序特征与归一化特征融合，并进行心理状态分析获得对应的心理状态。本发明专利技术结合时序特征和端到端网络结构，减少误差累积，提升心理状态分析结果的准确性和精度。准确性和精度。准确性和精度。

【技术实现步骤摘要】
基于电子心理沙盘和时序特征的心理状态分析系统及方法


[0001]本专利技术属于心理状态分析领域，具体涉及了一种基于电子心理沙盘和时序特征的心理状态分析系统及方法。

技术介绍

[0002]近年来随着计算机技术、多媒体技术的发展，依靠3D技术来营造心理沙盘环境的电子心理沙盘，通过让来访者在丰富、灵性的沙具王国中，对内在世界进行外显性投射。电子心理沙盘解决了传统沙盘空间占地大和操作过程自动记录的问题，但是这些电子沙盘作品仍然需要沙盘心理分析师一个一个的进行分析。
[0003]随着机器学习和深度学习的发展，一些文献提出从电子沙盘采集数据，包括沙盘作品地形图像数据、沙盘作品中的摆放沙具信息数据、文本描述数据以及语音描述数据等，之后从数据提取特征(心理分词)并用机器学习或深度学习的方法进行预测模型生成，通过预测模型得到多个不同心理的预测结果，再将结果作为输入预测或分类得到心理状态[1]，然而其使用的数据均来自沙盘的最终结果，未考虑被试的过程特征，并且采用多层级的步骤，每一步的输出都会产生相应的误差，因此对于最后预测心理状态的过程存在有累积误差，对预测结果有较大的影响。
[0004]以下文献是与本专利技术相关的技术背景资料：
[0005][1]韩易静，一种基于电子心理沙盘的心理评估装置、方法及系统，2020.06.19，CN111524578 A.

技术实现思路

[0006]为了解决现有技术中的上述问题，即现有技术不考虑被试者电子沙盘制作中的时序特征，并且多层级步骤带来了累积误差，导致心理状态分析结果准确性较低的问题，本专利技术提供了一种基于电子心理沙盘和时序特征的心理状态分析系统，该心理状态分析系统包括以下模块：
[0007]电子心理沙盘操作端，用于被试者进行电子沙盘操作，并产生电子沙盘数据；
[0008]沙盘数据采集模块，用于采集被试者进行电子沙盘操作产生的沙盘数据；所述沙盘数据包括挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据、沙具数量、电子沙盘制作持续总时间、沙具移动次数；
[0009]沙盘数据特征提取模块，用于将所述挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据根据不同动作标志的三维坐标值按照时间顺序进行坐标转换，获得坐标向量；还用于对所述沙具数量、电子沙盘制作持续总时间、沙具移动次数进行归一化处理，获得归一化特征；
[0010]时序特征分析模块，用于根据所述坐标向量，通过训练好的时序特征分析模型，获得对应的时序特征；
[0011]心理状态分析模块，用于融合所述归一化特征和所述时序特征，并通过训练好的
心理状态分析模型，获得对应的心理状态。
[0012]在一些优选的实施例中，所述挖沙、堆沙、抚平地形操作数据、沙具放置数据分别包括挖沙堆沙、抚平地形操作、沙具放置对应的动作持续时间、动作标志、坐标值。
[0013]在一些优选的实施例中，所述沙具调整数据包括沙具调整对应的动作持续时间、动作标志、动作变化量。
[0014]在一些优选的实施例中，所述时序特征分析模型为LSTM网络、Transformer网络中的一种。
[0015]在一些优选的实施例中，所述心理状态分析模型为分类预测网络、SVM分类器、GBDT分类器中的一种。
[0016]在一些优选的实施例中，所述坐标向量还可以通过坐标降维获取，其方法为：
[0017]将所述挖沙操作数组、沙具放置数组、沙具调整数组的三维坐标值转换为一维距离值：
[0018][0019]其中，(x
n
，y
n
，z
n
)降维操作前的任一点的三维坐标值，D
n
为对应的一维距离值，(x，y，z)代表为指定参考点的三维坐标值。
[0020]在一些优选的实施例中，“将所述挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据根据不同动作标志的三维坐标值按照时间顺序进行坐标转换，获得坐标向量”之后，还设置有坐标向量对齐操作，其方法为：
[0021]以所述挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据中动作标志对应的时间长度最长的数据的长度为标准长度，在其他数据后进行空位补0操作，直至所有坐标向量的长度均为标准长度。
[0022]本专利技术的另一方面，提出了一种基于电子心理沙盘和时序特征的心理状态分析方法，基于上述的基于电子心理沙盘和时序特征的心理状态分析系统，该心理状态分析方法包括：
[0023]步骤S10，采集被试者进行电子沙盘操作产生的沙盘数据；所述沙盘数据包括挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据、沙具数量、电子沙盘制作持续总时间、沙具移动次数；
[0024]步骤S20，将所述挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据根据不同动作标志的三维坐标值按照时间顺序进行坐标转换，获得坐标向量；对所述沙具数量、电子沙盘制作持续总时间、沙具移动次数进行归一化处理，获得归一化特征；
[0025]步骤S30，根据所述坐标向量，通过训练好的时序特征分析模型，获得对应的时序特征；
[0026]步骤S40，融合所述归一化特征和所述时序特征，并通过训练好的心理状态分析模型，获得对应的心理状态。
[0027]本专利技术的第三方面，提出了一种设备，包括：
[0028]至少一个处理器；以及
[0029]与至少一个所述处理器通信连接的存储器；其中，
[0030]所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行
以实现上述的基于电子心理沙盘和时序特征的心理状态分析方法。
[0031]本专利技术的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述的基于电子心理沙盘和时序特征的心理状态分析方法。
[0032]本专利技术的有益效果：
[0033](1)本专利技术基于电子心理沙盘和时序特征的心理状态分析系统，充分考虑电子沙盘操作中时序特征，将时序特征与提取的特征向量融合，完善了特征的完整性，从而进一步提升了后续心理状态分析结果的准确性和精度。
[0034](2)本专利技术基于电子心理沙盘和时序特征的心理状态分析系统，不同于现有技术采用的多层级结构，每一步的输出都会产生相应的误差，从而对于最后预测心理状态的步骤的输入是有累积误差的，本专利技术采用端到端的网络架构，减少了误差的累积，大大提升了后续心理状态分析结果的准确性和精度。
附图说明
[0035]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0036]图1是本专利技术基于电子心理沙盘和时序特征的心理状态分析系统的组成示意图；
[0037]图2是本专利技术基于电子心理沙盘和时序特征的心理状态分析系统一种实施例的时序特征提取示意图；
[0038]图3是本专利技术基于电子心理沙盘和时序特征的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电子心理沙盘和时序特征的心理状态分析系统，其特征在于，该心理状态分析系统包括以下模块：电子心理沙盘操作端，用于被试者进行电子沙盘操作，并产生电子沙盘数据；沙盘数据采集模块，用于采集被试者进行电子沙盘操作产生的沙盘数据；所述沙盘数据包括挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据、沙具数量、电子沙盘制作持续总时间、沙具移动次数；沙盘数据特征提取模块，用于将所述挖沙、堆沙、抚平地形操作数据、沙具放置数据、沙具调整数据根据不同动作标志的三维坐标值按照时间顺序进行坐标转换，获得坐标向量；还用于对所述沙具数量、电子沙盘制作持续总时间、沙具移动次数进行归一化处理，获得归一化特征；时序特征分析模块，用于根据所述坐标向量，通过训练好的时序特征分析模型，获得对应的时序特征；心理状态分析模块，用于融合所述归一化特征和所述时序特征，并通过训练好的心理状态分析模型，获得对应的心理状态。2.根据权利要求1所述的基于电子心理沙盘和时序特征的心理状态分析系统，其特征在于，所述挖沙、堆沙、抚平地形操作数据、沙具放置数据分别包括挖沙堆沙、抚平地形操作、沙具放置对应的动作持续时间、动作标志、坐标值。3.根据权利要求1所述的基于电子心理沙盘和时序特征的心理状态分析系统，其特征在于，所述沙具调整数据包括沙具调整对应的动作持续时间、动作标志、动作变化量。4.根据权利要求1所述的基于电子心理沙盘和时序特征的心理状态分析系统，其特征在于，所述时序特征分析模型为LSTM网络、Transformer网络中的一种。5.根据权利要求1所述的基于电子心理沙盘和时序特征的心理状态分析系统，其特征在于，所述心理状态分析模型为分类预测网络、SVM分类器、GBDT分类器中的一种。6.根据权利要求1所述的基于电子心理沙盘和时序特征的心理状态分析系统，其特征在于，所述坐标向量还可以通过坐标降维获取，其方法为：将所述挖沙操作数组、沙具放置数组、沙具调整数组的三维坐标值转换为一维距离值：其中，(x
n
,y
n
,z
n
)降...

【专利技术属性】
技术研发人员：黄凯奇，康运锋，陈晓棠，高天一，姜宇，郑若琳，张岩，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：