基于身体活动行为模式监测的心理状态评估系统及其方法技术方案

公开了一种基于身体活动行为模式监测的心理状态评估系统及其方法，其采用基于深度学习的人工智能监测技术，以通过对于心理正常学生和待监测学生的身体活动监控视频的特征提取来识别每个监控关键帧中学生的动作标签特征，并进一步对各个监控关键帧中的动作标签特征的时序分布进行上下文语义理解来得到动作模式理解特征表示，再基于心理正常学生和待监测学生的动作模式理解特征的转移矩阵来表示两者之间的差异性特征分布，以此来进行待监测学生的心理状态判断。这样，能够智能且准确地对于学生的心理健康状态进行监测评估。对于学生的心理健康状态进行监测评估。对于学生的心理健康状态进行监测评估。

【技术实现步骤摘要】
基于身体活动行为模式监测的心理状态评估系统及其方法


[0001]本申请涉及健康监测
，且更为具体地，涉及一种基于身体活动行为模式监测的心理状态评估系统及其方法。

技术介绍

[0002]大学生心理健康指的是大学生的心理具有青年中期的许多特点，但作为一个特殊群体，大学生又不能完全等同于社会上的青年。
[0003]大学生心理健康问题严重，其中学业问题、情绪问题、人际关系问题、焦虑问题、情感问题、性健康、特殊群体心理健康问题和大学生活适应问题是目前大学生中普遍存在的心理健康问题,因此大学教育过程中常需要定期的对学生进行心理健康检查和心理疏导。并且，在对于大学生心理健康检查的过程中，通常只是通过采用量表进行测量，其不仅测评方式较为单一，准确度难以把握，而且判断的标准并不是固定不变的。心理健康标准随着时代变迁、文化背景变化而变化。
[0004]因此，期待一种优化的基于身体活动行为模式监测的心理状态评估系统。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于身体活动行为模式监测的心理状态评估系统及其方法。
[0006]相应地，根据本申请的一个方面，提供了一种基于身体活动行为模式监测的心理状态评估系统，其包括：行为数据采集模块，用于获取被标注为心理正常的学生的身体活动视频数据以及待监测学生的身体活动视频数据；关键帧提取模块，用于基于差帧法从所述被标注为心理正常的学生的身体活动视频数据和所述待监测学生的身体活动视频数据中分别提取多个参考身体活动关键帧和多个检测身体活动关键帧；第一动作识别模块，用于将所述多个参考身体活动关键帧通过人体动作识别器以得到多个第一动作标签特征向量；第二动作识别模块，用于将所述多个检测身体活动关键帧通过所述人体动作识别器以得到多个第二动作标签特征向量；动作理解模块，用于将所述多个第一动作标签特征向量和所述多个第二动作标签特征向量输入双向长短期记忆神经网络模型以得到参考动作模式理解特征向量和检测动作模式理解特征向量；差异表示模块，用于计算所述检测动作模式理解特征向量相对于所述参考动作模式理解特征向量的转移矩阵作为分类特征矩阵；以及评估结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待监测学生的心理状态是否正常。
[0007]根据本申请的另一方面，还提供了一种基于身体活动行为模式监测的心理状态评估方法，其包括：获取被标注为心理正常的学生的身体活动视频数据以及待监测学生的身体活动视频数据；基于差帧法从所述被标注为心理正常的学生的身体活动视频数据和所述待监测学生的身体活动视频数据中分别提取多个参考身体活动关键帧和多个检测身体活动关键帧；将所述多个参考身体活动关键帧通过人体动作识别器以得到多个第一动作标签特征向量；将所述多个检测身体活动关键帧通过所述人体动作识别器以得到多个第二动作标签特征向量；将所述多个第一动作标签特征向量和所述多个第二动作标签特征向量输入双向长短期记忆神经网络模型以得到参考动作模式理解特征向量和检测动作模式理解特征向量；计算所述检测动作模式理解特征向量相对于所述参考动作模式理解特征向量的转移矩阵作为分类特征矩阵；将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待监测学生的心理状态是否正常。
[0008]与现有技术相比，本申请提供的基于身体活动行为模式监测的心理状态评估系统及其方法，其采用基于深度学习的人工智能监测技术，以通过对于心理正常学生和待监测学生的身体活动监控视频的特征提取来识别每个监控关键帧中学生的动作标签特征，并进一步对各个监控关键帧中的动作标签特征的时序分布进行上下文语义理解来得到动作模式理解特征表示，再基于心理正常学生和待监测学生的动作模式理解特征的转移矩阵来表示两者之间的差异性特征分布，以此来进行待监测学生的心理状态判断。这样，能够智能且准确地对于学生的心理健康状态进行监测评估。
附图说明
[0009]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0010]图1为根据本申请实施例的基于身体活动行为模式监测的心理状态评估系统的框图。
[0011]图2为根据本申请实施例的基于身体活动行为模式监测的心理状态评估系统的架构示意图。
[0012]图3为根据本申请实施例的基于身体活动行为模式监测的心理状态评估系统中评估结果生成模块的框图。
[0013]图4为根据本申请实施例的基于身体活动行为模式监测的心理状态评估方法的流程图。
[0014]图5为根据本申请实施例的基于身体活动行为模式监测的心理状态评估系统及其方法的场景示意图。
具体实施方式
[0015]下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0016]图1为根据本申请实施例的基于身体活动行为模式监测的心理状态评估系统的框图。图2为根据本申请实施例的基于身体活动行为模式监测的心理状态评估系统的架构示意图。如图1和图2所示，根据本申请实施例的基于身体活动行为模式监测的心理状态评估系统100，包括：行为数据采集模块110，用于获取被标注为心理正常的学生的身体活动视频数据以及待监测学生的身体活动视频数据；关键帧提取模块120，用于基于差帧法从所述被标注为心理正常的学生的身体活动视频数据和所述待监测学生的身体活动视频数据中分别提取多个参考身体活动关键帧和多个检测身体活动关键帧；第一动作识别模块130，用于将所述多个参考身体活动关键帧通过人体动作识别器以得到多个第一动作标签特征向量；第二动作识别模块140，用于将所述多个检测身体活动关键帧通过所述人体动作识别器以得到多个第二动作标签特征向量；动作理解模块150，用于将所述多个第一动作标签特征向量和所述多个第二动作标签特征向量输入双向长短期记忆神经网络模型以得到参考动作模式理解特征向量和检测动作模式理解特征向量；差异表示模块160，用于计算所述检测动作模式理解特征向量相对于所述参考动作模式理解特征向量的转移矩阵作为分类特征矩阵；以及，评估结果生成模块170，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待监测学生的心理状态是否正常。
[0017]在上述基于身体活动行为模式监测的心理状态评估系统100中，所述行为数据采集模块110，用于获取被标注为心理正常的学生的身体活动视频数据以及待监测学生的身体活动视频数据。如上所述，大学生心理健康指的是大学生的心理具有青年中期的许多特点，但作为一个特殊群体，大学生又不能完全等同于社会上的青年。大学生心理健康问题严重，其中学业问题、情绪问题、人际关系问题、焦虑问题、情感问题、性健康、特殊群体心理健本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于身体活动行为模式监测的心理状态评估系统，其特征在于，包括：行为数据采集模块，用于获取被标注为心理正常的学生的身体活动视频数据以及待监测学生的身体活动视频数据；关键帧提取模块，用于基于差帧法从所述被标注为心理正常的学生的身体活动视频数据和所述待监测学生的身体活动视频数据中分别提取多个参考身体活动关键帧和多个检测身体活动关键帧；第一动作识别模块，用于将所述多个参考身体活动关键帧通过人体动作识别器以得到多个第一动作标签特征向量；第二动作识别模块，用于将所述多个检测身体活动关键帧通过所述人体动作识别器以得到多个第二动作标签特征向量；动作理解模块，用于将所述多个第一动作标签特征向量和所述多个第二动作标签特征向量输入双向长短期记忆神经网络模型以得到参考动作模式理解特征向量和检测动作模式理解特征向量；差异表示模块，用于计算所述检测动作模式理解特征向量相对于所述参考动作模式理解特征向量的转移矩阵作为分类特征矩阵；以及评估结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待监测学生的心理状态是否正常。2.根据权利要求1所述的基于身体活动行为模式监测的心理状态评估系统，其特征在于，所述第一动作识别模块，包括：第一图像特征提取单元，用于使用所述人体动作识别器的图像编码器对所述多个参考身体活动关键帧进行编码以得到多个参考身体活动特征图；以及第一动作标签向量生成单元，用于将所述多个参考身体活动特征图输入所述人体动作识别器的分类器以得到所述多个第一动作标签特征向量。3.根据权利要求2所述的基于身体活动行为模式监测的心理状态评估系统，其特征在于，所述第二动作识别模块，包括：第二图像特征提取单元，用于使用所述人体动作识别器的图像编码器对所述多个检测身体活动关键帧进行编码以得到多个检测身体活动特征图；以及第二动作标签向量生成单元，用于将所述多个检测身体活动特征图输入所述人体动作识别器的分类器以得到所述多个第二动作标签特征向量。4.根据权利要求3所述的基于身体活动行为模式监测的心理状态评估系统，其特征在于，所述图像编码器包括作为特征提取器的卷积神经网络模型和与所述卷积神经网络模型级联的非局部神经网络模型。5.根据权利要求4所述的基于身体活动行为模式监测的心理状态评估系统，其特征在于，所述差异表示模块，进一步用于：以如下公式计算所述检测动作模式理解特征向量相对于所述参考动作模式理解特征向量的所述转移矩阵作为分类特征矩阵；其中，所述公式为：其中表示所述检测动作模式理解特征向量，表示所述参考动作模式理解特征向量，表示所述转移矩阵，表示矩阵相乘。
6.根据权利要求5所述的基于身体活动行为模式监测的心理状态评估系统，其特征在于，所述评估结果生成模块，包括：展开单元，用于将所述分类特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。7.根据权利要求6所述的基于身体活动行为模式监测的心理状态评估系统，其特征在于，还包括：用于所述人体动作识别器、所述双向长短期记忆神经网络模型和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练数据获取单元，用于获取被标注为心理正常的学生的...

【专利技术属性】
技术研发人员：董高峰，徐峰，柯小剑，周智君，来忠，凌懿文，周卉，柯陆安，戴捷，诸葛田野，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：