一种基于自适应深度度量学习的视频人脸心理健康识别方法技术

本发明专利技术公开一种基于自适应深度度量学习的视频人脸心理健康识别方法，包括底座、延伸座和移动轮，底座的前端固定连接有延伸座，底座的下端均活动连接有移动轮。本发明专利技术结构简单，设计合理，通过设置收集模块和处理模块，在视频人脸捕捉之后，收集模块会对数据进行整理，将无用信息删除，留下被检测人员的微表情数据和动作数据，然后处理模块将数据进行量化，为被检测人员进行心理健康评估，被检测人员能够通过智能电脑得到相应的心理健康评分还有相关说明，并且该识别方法通过设置旋转盘、伸缩杆和移动轮，使得使用人员可以自由调整摄像头的角度和高度，并且能够将装置自由移动，有利于实际的使用。有利于实际的使用。有利于实际的使用。

【技术实现步骤摘要】
一种基于自适应深度度量学习的视频人脸心理健康识别方法


[0001]本专利技术涉及图像识别
，具体为一种基于自适应深度度量学习的视频人脸心理健康识别方法。

技术介绍

[0002]心理健康是指心理的各个方面及活动过程处于一种良好或正常的状态。心理健康的理想状态是保持性格完美、智力正常、认知正确、情感适当、意志合理、态度积极、行为恰当和适应良好的状态。
[0003]但是现有的视频人脸心理健康识别方法无法对人脸数据进行整理，使得会增加更多的无用信息，提高计算难度，降低处理效率，且不能将数据进行量化，导致评估信息过于抽象化，使用人员不能更加直观的得到个人的检测结果，并且现有识别方法实用性不强，摄像头角度固定，摄像头的高度也无法自由调节，在移动装置时也极其耗费体力。

技术实现思路

[0004]本专利技术的目的在于提供一种监室信息交互终端系统守护方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于自适应深度度量学习的视频人脸心理健康识别方法，包括底座、延伸座和移动轮，所述底座的前端固定连接有延伸座，所述底座的下端均活动连接有移动轮；
[0006]所述底座的上端活动连接有旋转盘，所述旋转盘的上端固定连接有伸缩杆，所述伸缩杆的上端固定连接有收集模块，所述收集模块的前端固定连接有主摄像头，所述收集模块的上端固定连接有红外摄像头，所述收集模块的左侧固定连接有左侧板，所述左侧板的上端固定连接有微表情提取模块，所述收集模块的右侧固定连接有右侧板，所述右侧板的上端固定连接有动作提取模块，所述延伸座的上端固定连接有处理模块，所述处理模块的左侧内部固定安装有接线孔，所述处理模块的上端固定连接有智能电脑。
[0007]作为本专利技术的进一步改进，所述收集模块的后侧固定连接有后框，所述后框的内部活动连接有散热风扇，且后框与收集模块为垂直设置。
[0008]作为本专利技术的进一步改进，所述收集模块的内部上端固定连接有数据整理模块，所述数据整理模块的下端固定连接有传输管，所述传输管的下端固定连接有数据传输模块，所述传输管设有三个，且传输管均呈横向等距分布。
[0009]作为本专利技术的进一步改进，所述处理模块的内部底端固定连接有数据量化模块，所述数据量化模块的上端固定连接有传输块。
[0010]作为本专利技术的进一步改进，所述数据分析模块由数据计算模块、数据对比模块、数据评估模块和集成芯片组成，且数据分析模块的上端设有USB接口。
[0011]作为本专利技术的进一步改进，所述收集模块与处理模块通过传输线连接，且传输线的下端连接于接线孔内。
[0012]作为本专利技术的进一步改进，所述微表情提取模块与动作提取模块均大小相同，且微表情提取模块与动作提取模块以收集模块为中心对称分布设置。
[0013]作为本专利技术的进一步改进，所述旋转盘呈圆柱状，所述旋转盘为水平旋转设置，所述旋转盘与伸缩杆为垂直设置，且伸缩杆为上下伸缩设置。
[0014]S1：装置调节，首先转动旋转盘和伸缩杆调节主摄像头的角度和高度，根据外界光线开启红外摄像头进行辅助捕捉；
[0015]S2：数据提取，微表情提取模块和动作提取模块单独提取被检测人员的微表情数据和动作数据，然后传输到收集模块进行整理；
[0016]S3：数据收集，数据整理模块将数据进行分类处理，提取变量信息，删除无用信息，此数据通过传输管传输至数据传输模块，数据传输模块通过传输线将整理后的数据传输到处理模块；
[0017]S4：数据处理，数据量化模块将微表情数据和动作数据进行数字化处理，完成量化，此量化数据通过传输块传输到数据分析模块；
[0018]S5：数据分析，数据计算模块将量化数据进行最终评分，然后数据对比模块将此评分与大数据信息进行对比，数据评估模块会按照最终评分进行评估，评估信息通过数据线导入到智能电脑，最后集成芯片会将被检测人员的信息储存
[0019]与现有技术相比，本专利技术的有益效果是：
[0020]1、通过设置收集模块和处理模块，当使用人员在进行视频人脸捕捉后，收集模块的两侧的微表情提取模块和动作提取模块会单独提取被检测人员的微表情数据和动作数据，然后传输到收集模块进行整理，收集模块内部设有数据整理模块，数据整理模块将被检测人员的微表情数据和动作数据进行分类处理，提取变量信息，将无用信息删除，然后将此数据通过传输管传输到数据传输模块，数据传输模块通过传输线将整理后的数据传输到处理模块，处理模块接收到数据后，处理模块内部的数据量化模块会根据大数据信息将被检测人员的微表情数据和动作数据进行数字化处理，完成量化，此量化数据通过传输块传输到数据分析模块，该数据分析模块由数据计算模块、数据对比模块、数据评估模块和集成芯片组成，数据计算模块将量化数据进行最终评分，数据对比模块将此评分与大数据信息进行对比，数据评估模块会按照最终评分进行评估，评估信息通过数据线导入到智能电脑，使用人员能够通过智能电脑得到相应的心理健康评分还有相关说明，最后集成芯片会将被检测人员的信息储存，使用人员能够更加直观的得到个人的心理健康信息，有利于实际的使用。
[0021]1、通过设置旋转盘、伸缩杆和移动轮，使用人员在进行视频人脸捕捉前，可以根据人员需求通过转动旋转盘和伸缩杆调节主摄像头的角度和高度，提高装置的多样性和适用范围，底座下端设有移动轮，能够便于使用人员将该装置进行收放，提高工作效率，减少人力物力的耗费，当外界光线不足时，可开启红外摄像头进行辅助捕捉，提高数据的可处理性，避免数据无法识别导致评估信息出现较大误差，并且装置在收集模块的后侧设有后框，后框的内部设有散热风扇，散热风扇可以为收集模块进行散热，提高收集模块运行的稳定性，相应的提高最终评测的精确度，有利于实际的使用。
附图说明
[0022]图1为本专利技术整体结构示意图；
[0023]图2为本专利技术整体后视图；
[0024]图3为本专利技术收集模块后视结构示意图；
[0025]图4为本专利技术处理模块内部结构示意图；
[0026]图5为本专利技术数据分析模块内部拆分结构示意图
[0027]图中：1、底座；2、延伸座；3、移动轮；4、旋转盘；5、伸缩杆；6、收集模块；7、主摄像头；8、红外摄像头；9、左侧板；10、右侧板；11、微表情提取模块；12、动作提取模块；13、传输线；14、处理模块；15、接线孔；16、智能电脑；17、后框；18、散热风扇；19、数据整理模块；20、传输管；21、数据传输模块；22、数据量化模块；23、传输块；24、数据分析模块；2401、USB接口；2402、数据计算模块；2403、数据对比模块；2404、数据评估模块；2405、集成芯片。
具体实施方式
[0028]为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应深度度量学习的视频人脸心理健康识别方法，包括底座(1)、延伸座(2)和移动轮(3)，其特征在于，所述底座(1)的前端固定连接有延伸座(2)，所述底座(1)的下端均活动连接有移动轮(3)；所述底座(1)的上端活动连接有旋转盘(4)，所述旋转盘(4)的上端固定连接有伸缩杆(5)，所述伸缩杆(5)的上端固定连接有收集模块(6)，所述收集模块(6)的前端固定连接有主摄像头(7)，所述收集模块(6)的上端固定连接有红外摄像头(8)，所述收集模块(6)的左侧固定连接有左侧板(9)，所述左侧板(9)的上端固定连接有微表情提取模块(11)，所述收集模块(6)的右侧固定连接有右侧板(10)，所述右侧板(10)的上端固定连接有动作提取模块(12)，所述延伸座(2)的上端固定连接有处理模块(14)，所述处理模块(14)的左侧内部固定安装有接线孔(15)，所述处理模块(14)的上端固定连接有智能电脑(16)。2.根据权利要求1所述的基于自适应深度度量学习的视频人脸心理健康识别方法，其特征在于，所述收集模块(6)的后侧固定连接有后框(17)，所述后框(17)的内部活动连接有散热风扇(18)，且后框(17)与收集模块(6)为垂直设置。3.根据权利要求1所述的基于自适应深度度量学习的视频人脸心理健康识别方法，其特征在于，所述收集模块(6)的内部上端固定连接有数据整理模块(19)，所述数据整理模块(19)的下端固定连接有传输管(20)，所述传输管(20)的下端固定连接有数据传输模块(21)，所述传输管(20)设有三个，且传输管(20)均呈横向等距分布。4.根据权利要求1所述的基于自适应深度度量学习的视频人脸心理健康识别方法，其特征在于，所述处理模块(14)的内部底端固定连接有数据量化模块(22)，所述数据量化模块(22)的上端固定连接有传输块(23)，所述传输块(23)的上端固定连接有数据分析模块(24)，且传输块(23)呈圆柱状。5.根据权利要求4所述的基于自适应深度度量学习的视频人脸心理健康识别方法，其特征在于...

【专利技术属性】
技术研发人员：林敏，吴海英，张洪涛，
申请(专利权)人：广东工贸职业技术学院，
类型：发明
国别省市：