基于脸检测识的心理健康预判方法、系统、设备、介质技术方案

本发明专利技术公开了一种基于脸检测识的心理健康预判方法、系统、设备、介质，属于微表情识别领域；所述方法包括如下步骤：构建人脸检测框架模型、设计检测框架模型任务、构建表情行为量化评估、构建面部表情行为特征、利用合理的五官数据作为混合数据输入，辅助训练模型，提高模型的泛化能力。通过高泛化的模型分析短时间内获取的面部表情行为数据，综合分析人物性格、心理情绪状态，最终做出多维度、可视化的心理画像后，进行有效评估进行心理健康预警；本发明专利技术的方法构建的大数据和表情库，可以进一步拓展放在的未来相关行业应用中。拓展放在的未来相关行业应用中。拓展放在的未来相关行业应用中。

Mental health prediction method, system, equipment and medium based on face detection

【技术实现步骤摘要】
基于脸检测识的心理健康预判方法、系统、设备、介质


[0001]本专利技术涉及微表情识别领域，特别涉及一种基于脸检测识的心理健康预判方法、设备、存储介质。

技术介绍

[0002]近年来心理健康问题频发，社会各界对心理学的需求和认识在直线上升，各领域心理测量需求在急剧增加，传统心理学采用经典测量理论(CTT)，对个体进行按照固定的顺序、题目、数量的答题的结果进行评测，现在测试手段无法对量表的选择、题量巨大、受测者需要40
‑
90分钟的不等的长时作答，常引发不良情绪从而又影响了作答结果等，造成个体测量误差较大。脸检测识技术这几年发展较为迅速，但是脸检技术目前大多数用法还是交通安全、AI换脸技术、信息安全技术中。在脸检测识基础中较少做出挖掘面部表情行为(眼睛注视广度、头部姿势、面部微表情)等，所以这几年来微表情库发展滞后，也较少结合心理学、社会心理学、脑科学等多门学科，对如何利用面部表情行为有效进行预判展开了研究没有较大发展，也较少专利技术出对心理健康进行预判的方案和系统。

技术实现思路

[0003](一)技术方案
[0004]本专利技术通过如下技术方案实现：一种基于脸检测识的心理健康预判方法，所述方法包括如下步骤：
[0005]构建人脸检测框架模型；
[0006]设计检测框架模型任务；
[0007]构建表情行为量化评估；
[0008]构建面部表情行为特征。
[0009]作为上述方案的进一步说明，所述构建人脸检测框架模型为MTCNN级联多任务形式的人脸检测框架MobileNet
‑
V2模型。
[0010]作为上述方案的进一步说明，所述任务包括：人脸分类任务、人脸边框回归任务、关键点检测任务。
[0011]作为上述方案的进一步说明，设计所述关键点检测任务具体包括如下步骤：
[0012]构建106点的密集人脸关键点检测器；
[0013]基于模型的尺寸和优化确定迁移学习类型；
[0014]确定人脸五官的校准位置；
[0015]采用仿射变换进行校准。
[0016]作为上述方案的进一步说明，所述构建表情行为量化评估具体还包括如下步骤：
[0017]训练样本数据库的建立，面部动作单元数据进行标注与解释；
[0018]训练样本数据增强；
[0019]以人脸动作单元为基础，构建脸部人脸关键点，获取人脸关键点数据；
[0020]基于人脸关键点数据，计算人脸关键点参数。
[0021]作为上述方案的进一步说明，所述人脸关键点数据包括：
[0022]眼睛：眼睛高度、眼睛宽度、眼睛斜度、眼睛距离；
[0023]鼻子：鼻子高度、鼻子宽度；
[0024]嘴唇：嘴唇高度、嘴唇宽度、嘴角斜度；
[0025]脸型：脸部宽度、下巴高度；
[0026]所述人脸关键点参数包括：
[0027]眼睛：眼睛高宽比、眼睛距离与瞳距比、眼睛面积比；
[0028]鼻子：鼻子高宽比、鼻子面积比；
[0029]嘴唇：嘴唇高宽比、嘴唇面积比；
[0030]脸部：脸部宽度与下巴高度比。
[0031]作为上述方案的进一步说明，所述构建面部表情行为特征具体还包括如下步骤：
[0032]基于表情行为时间频次比率与表情行为动态变化速率构建心理画像；
[0033]基于心理画像进行有效评估。
[0034]本专利技术还提出一种基于脸检测识的心理健康预判系统，算法集成模块：用于集成一种基于脸检测识的心理健康预判方法中的构建人脸检测框架模型、设计检测框架模型任务、构建表情行为量化评估；
[0035]集成界面模块：用于检测结果的可视化反馈；
[0036]技术封装模块：用于封装系统额外功能单元；
[0037]心理健康预判模块：用于处理一种基于脸检测识的心理健康预判方法中的构建面部表情行为特征。
[0038]本专利技术还提出一种基于脸检测识的心理健康预判设备，其特征在于：包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现一种基于脸检测识的心理健康预判方法。
[0039]本专利技术还提出一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述的一种基于脸检测识的心理健康预判方法。
[0040](三)有益效果
[0041]本专利技术相对于现有技术，具有以下有益效果：
[0042]利用合理的五官数据作为混合数据输入，辅助训练模型，提高模型的泛化能力。通过高泛化的模型分析短时间内获取的面部表情行为数据，综合分析人物性格、心理情绪状态，最终做出多维度、可视化的心理画像后，进行有效评估进行心理健康预警。本专利技术的方法构建的大数据和表情库，可以进一步拓展放在的未来相关行业应用中。
附图说明
[0043]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术新型的其它特征、目的和优点将会变得更明显：
[0044]图1为专利技术方法流程示意图；
[0045]图2为实施例人脸106关键点示意图；
具体实施方式
[0046]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0047]在本专利技术的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0048]实施例
[0049]一种基于脸检测识的心理健康预判方法，所述方法包括如下步骤：
[0050]构建人脸检测框架模型；所述构建人脸检测框架模型为MTCNN级联多任务形式的人脸检测框架MobileNet
‑
V2模型。在本实施例中具体的利用TensorFlow+keras的技术实现MTCNN级联多任务形式的人脸检测框架MobileNet
‑
V2模型。
[0051]设计检测框架模型任务；设计MobileNet
‑
V2模型主要完成三个任务：人脸分类任务、人脸边框回归任务、关键点检测任务。其中关键点检测任务包括如下步骤：
[0052]关键点检测任务目前大部分都是6或者68个关键点，本实施例采用106点的密集人脸关键点检测器，如图2所示；
[0053]考虑模型的尺寸和优化，还有当下对移动端服务的需求，本实施例采用在MobileNet
‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脸检测识的心理健康预判方法，其特征在于，所述方法包括如下步骤：构建人脸检测框架模型；设计检测框架模型任务；构建表情行为量化评估；构建面部表情行为特征。2.根据权利要求1所述的一种基于脸检测识的心理健康预判方法，其特征在于，所述构建人脸检测框架模型为MTCNN级联多任务形式的人脸检测框架MobileNet
‑
V2模型。3.根据权利要求1所述的一种基于脸检测识的心理健康预判方法，其特征在于，所述任务包括：人脸分类任务、人脸边框回归任务、关键点检测任务。4.根据权利要求3所述的一种基于脸检测识的心理健康预判方法，其特征在于，设计所述关键点检测任务具体包括如下步骤：构建106点的密集人脸关键点检测器；基于模型的尺寸和优化确定迁移学习类型；确定人脸五官的校准位置；采用仿射变换进行校准。5.根据权利要求1所述的一种基于脸检测识的心理健康预判方法，其特征在于，所述构建表情行为量化评估具体还包括如下步骤：训练样本数据库的建立，面部动作单元数据进行标注与解释；训练样本数据增强；以人脸动作单元为基础，构建脸部人脸关键点，获取人脸关键点数据；基于人脸关键点数据，计算人脸关键点参数。6.根据权利要求5所述的一种基于脸检测识的心理健康预判方法，其特征在于，所述人脸关键点数据包括：眼睛：眼睛高度、眼睛宽度、眼睛斜度、眼睛距离；鼻子：鼻子高度、鼻子宽度；嘴唇：嘴唇高度、嘴唇宽度、嘴角斜度；脸型：脸部宽度、下巴高度；所述...

【专利技术属性】
技术研发人员：朱薇，郑晓东，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：