一种基于视频图像的非接触式冲动攻击行为预测方法技术

本发明专利技术涉及一种基于视频图像的非接触式冲动攻击行为预测方法，属于安全监测技术领域。本发明专利技术通过使用可见光光源对人体面部进行照射，同时使用普通工业相机采集面部视频信息，通过光电容积描记技术与表情识别技术提取心率变异性以及表情参数信息，进而输入支持向量机随机森林分类模型，通过心率变异性特征参数与人脸表情参数的融合实现冲动攻击行为预测。测。测。

【技术实现步骤摘要】
一种基于视频图像的非接触式冲动攻击行为预测方法


[0001]本专利技术属于安全监测
，涉及图像处理、深度学习等光学技术检测领域，尤其是涉及一种无创检测心率、表情、心率变异性特征参数的方法。

技术介绍

[0002]目前普遍采用的预测方法主要有以下三种类型：量表测量法、行为测量法和神经测量法。其中最为常用的方法为量表法中的Barratt冲动性量表和Eysenck冲动性量表。目前针对冲动攻击行为的预测方法主要以量表法为主，其他测量方式为辅。量表法主要依赖于被测试者对于自身感受的主观认识和判断，由于不同个体对于相同问题的认知与感受不同，因此测量结果受主观影响较大。行为测量法和神经测量法相对客观，但由于其对测量环境和测量设备的要求较高，并不能很好的代替量表测量法。针对上述问题，本专利技术提出了一种基于视频图像的非接触式冲动攻击行为预测方法，提供了一个有实用价值的技术方案，实现非接触式的冲动攻击行为预测。
[0003]该基于视频图像的非接触式冲动攻击行为预测方法的工作原理是利用光在人体皮肤中透射和反射后，出射光的光强变化与心跳周期呈相关性。采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频图像的非接触式冲动攻击行为预测方法，用于非接触式预测冲动攻击行为。其特征在于，该方法由心率变异性与人脸表情参数提取、冲动攻击行为预测模型建立构成；所述心率变异性与人脸表情参数提取方法为光电容积描记技术与残差神经网络人脸表情识别模型；所述冲动攻击行为预测模型由支持向量机随机森林分类模型训练得出。该方法首先进行视频图像采集，由LED光源发出的光照射至受试部位即个体面部，同时利用光电容积描记技术与表情识别提取技术获得心率变异性与人脸表情参数，将心率变异性与人脸表情参数输入冲动攻击行为预测模型即可得到被测对象的冲动攻击性、所述成像设备位于受试部位前50
‑
60cm处，实现了冲动攻击行为的非接触式测量，避免了接触式测量设备穿戴复杂，量表法主观性强等缺点。所述光源包括但不限于白光LED光源，所述人脸表情识别模型包括但不限于残差神经网络模型，所述心率变异性与表情特征参数包括但不限于心率、平均心跳时间、低频与高频功率、人脸面部表情。所述冲动攻击行为预测模型包括但不限于基于残差神经网络人脸表情识别模型与支持向量机分类模型。所述特征提取方...

【专利技术属性】
技术研发人员：董立泉，张博睿，孔令琴，吴小溪，赵跃进，刘明，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：