System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及一种抑郁识别系统。
技术介绍
1、抑郁症是现在最常见的一种心理疾病,表现为持续的悲伤、兴趣丧失和精力缺乏等情感障碍。2019年世界卫生组织who披露,全球有3.8%的人口 (约2.8亿人)患有抑郁症。
2、目前主流的筛查手段为抑郁评测量表,如:汉密尔顿抑郁量表(hamd)、贝克抑郁量表(bdi)、病人健康问卷抑郁自评量表(phq-9)等。该类抑郁评测量表虽然可以简单便捷的反映出测试者的主观感受,但严重依赖于测试者的认知水平、主观情绪和配合度,导致抑郁筛查存在较高的漏检和误检。
3、现在基于计算机视觉的抑郁识别技术是研究的热点,通过对人脸图像和视频的分析,挖掘情绪特征,预测目标人员的抑郁风险,可以为抑郁识别提供较为客观的指标。
4、然而,现有基于计算机视觉的抑郁识别技术的输入为一张图片或一段视频,只能反映出测试者在测试时的情感状态,与长期情绪低落的抑郁状态存在一定的偏差,导致识别精度不高;另外,现有图像或视频采集方案大多都是针对单人或少数几人的,无法满足同时记录教室内所有学生情绪变化的要求。
技术实现思路
1、本专利技术的目的在于提供一种抑郁识别系统,以解决目前抑郁识别精度不高、无法同时记录教室内所有学生的情绪变化的技术问题。
2、为解决上述技术问题,本专利技术实施例提供一种抑郁识别系统,包括:
3、视频采集装置,设置于教室内,用于采集目标区域的视频;其中,所述目标区域至少覆盖所有学生的座位,所述
4、处理装置,用于对所述视频的图像进行密集人群的人脸检测、人脸识别以及人头区域分割,确定所述图像中每一头部区域图像对应的身份;其中,所述头部区域图像包括人脸;
5、所述处理装置,还用于提取所述图像中每一头部区域图像对应的图像特征;其中,所述图像特征包括面部表情及头部姿态的关键特征信息;
6、所述处理装置,还用于:
7、将一段视频中同一身份的图像特征融合为一个段情感特征;
8、将第一时间段内同一身份的多个段情感特征融合为一个章情感特征;
9、将第二时间段内同一身份的多个章情感特征融合为一个节情感特征;其中,所述第二时间段包含所述第一时间段;
10、根据每一身份的节情感特征,确定每一身份对应的抑郁识别结果。
11、进一步的,所述对所述视频的图像进行密集人群的人脸检测、人脸识别以及人头区域分割,确定所述图像中每一头部区域图像对应的身份,包括:
12、对所述视频的图像进行密集人群人脸检测,得到多个人脸区域图像与所述人脸区域图像对应的人脸坐标;
13、对所述多个人脸区域图像进行人脸识别,确定每一人脸区域图像对应的身份;
14、根据所述人脸坐标对所述图像进行人头区域分割,得到多个头部区域图像;
15、根据所述人脸坐标,确定每一头部区域图像对应的身份。
16、进一步的,所述对所述视频的图像进行密集人群人脸检测,具体为:
17、采用retinaface模型对所述视频的图像进行密集人群人脸检测;
18、所述根据所述人脸坐标对所述图像进行人头区域分割,具体为:
19、采用arcface模型对所述多个人脸区域图像进行人脸识别,确定每一人脸区域图像对应的身份。
20、进一步的,所述提取所述图像中每一头部区域图像对应的图像特征,包括:
21、对每一头部区域图像进行脸部特征点检测、头部姿势估计、脸部动作单位识别和注视估计,得到所述图像特征。
22、进一步的,所述对每一头部区域图像进行脸部特征点检测、头部姿势估计、脸部动作单位识别和注视估计,得到所述图像特征;包括:
23、采用openface模型对每一头部区域图像进行脸部特征点检测、头部姿势估计、脸部动作单位识别和注视估计,得到所述图像特征。
24、进一步的,所述将一段视频中同一身份的图像特征融合为一个段情感特征,包括:
25、将学习好的第一学习向量、一段视频内同一身份的图像特征以及与所述图像特征对应的位置编码向量输入到段特征提取融合网络,得到一个段情感特征;
26、所述将第一时间段内同一身份的多个段情感特征融合为一个章情感特征,包括:
27、将学习好的第二学习向量、第一时间段内同一身份的多个段情感特征以及与所述段情感特征对应的位置编码向量输入到章特征提取融合网络,得到一个章情感特征;
28、所述将第二时间段内同一身份的多个章情感特征融合为一个节情感特征,包括:
29、将学习好的第三学习向量、第二时间段内同一身份的多个章情感特征以及与所述章情感特征对应的位置编码向量输入到节特征提取融合网络,得到一个节情感特征。
30、进一步的,所述段特征提取融合网络、章特征提取融合网络以及节特征提取融合网络均为transformer encoder网络。
31、进一步的,所述处理装置还用于:
32、将所述图像特征按时间进行标记,将一段视频的图像特征汇总为一段特征信息,并将所述段特征信息存储到存储装置中;
33、将第一时间段内的段特征信息汇总为一章特征信息,并将所述章特征信息存储到存储装置中;
34、将第二时间段内的章特征信息汇总为一节特征信息,并将所述节特征信息存储到存储装置中。
35、进一步的于,所述处理装置,还用于根据上下课时间,将所述段情感特征与上下课进行关联。
36、进一步的,所述视频采集装置包括单主控soc、以及与所述单主控soc 连接的第一4k远焦摄像头和第二4k远焦摄像头,所述第一4k远焦摄像头的视场角的中心线与所述第二4k远焦摄像头的视场角的中心线形成夹角。
37、本申请实施例提供的一种抑郁识别系统,包括:视频采集装置,设置于教室内,用于采集目标区域的视频;其中,所述目标区域至少覆盖所有学生的座位,所述视频由多帧图像组成;处理装置,用于对所述视频的图像进行密集人群的人脸检测、人脸识别以及人头区域分割,确定所述图像中每一头部区域图像对应的身份;其中,所述头部区域图像包括人脸;所述处理装置,还用于提取所述图像中每一头部区域图像对应的图像特征;其中,所述图像特征包括面部表情及头部姿态的关键特征信息;所述处理装置,还用于:将一段视频中同一身份的图像特征融合为一个段情感特征;将第一时间段内同一身份的多个段情感特征融合为一个章情感特征;将第二时间段内同一身份的多个章情感特征融合为一个节情感特征;根据每一身份的节情感特征,确定每一身份对应的抑郁识别结果。本专利技术实施例通过对所有学生进行人脸检测和人脸识别,并针对每一学生,将提取到的表示情绪的特征融合成一个段情感特征,将第一时间段内同一身份的多个段情感特征融合为一个章情感特征,将第二时间段内同一身份的多个章情感特征融合为一个节情感特征,其中,所述第二时间段包含所述第本文档来自技高网...
【技术保护点】
1.一种抑郁识别系统,其特征在于,包括:
2.根据权利要求1所述的抑郁识别系统,其特征在于,所述对所述视频的图像进行密集人群的人脸检测、人脸识别以及人头区域分割,确定所述图像中每一头部区域图像对应的身份,包括:
3.根据权利要求2所述的抑郁识别系统,其特征在于,所述对所述视频的图像进行密集人群人脸检测,具体为:
4.根据权利要求1所述的抑郁识别系统,其特征在于,所述提取所述图像中每一头部区域图像对应的图像特征,包括:
5.根据权利要求4所述的抑郁识别系统,其特征在于,所述对每一头部区域图像进行脸部特征点检测、头部姿势估计、脸部动作单位识别和注视估计,得到所述图像特征;包括:
6.根据权利要求1所述的抑郁识别系统,其特征在于,所述将一段视频中同一身份的图像特征融合为一个段情感特征,包括:
7.根据权利要求6所述的抑郁识别系统,其特征在于,所述段特征提取融合网络、章特征提取融合网络以及节特征提取融合网络均为transformer encoder网络。
8.根据权利要求1所述的抑郁识别系统,其特征在于,
9.根据权利要求1所述的抑郁识别系统,其特征在于,所述处理装置,还用于根据上下课时间,将所述段情感特征与上下课进行关联。
10.根据权利要求1所述的抑郁识别系统,其特征在于,所述视频采集装置包括单主控SOC、以及与所述单主控SOC连接的第一4K远焦摄像头和第二4K远焦摄像头,所述第一4K远焦摄像头的视场角的中心线与所述第二4K远焦摄像头的视场角的中心线形成夹角。
...【技术特征摘要】
1.一种抑郁识别系统,其特征在于,包括:
2.根据权利要求1所述的抑郁识别系统,其特征在于,所述对所述视频的图像进行密集人群的人脸检测、人脸识别以及人头区域分割,确定所述图像中每一头部区域图像对应的身份,包括:
3.根据权利要求2所述的抑郁识别系统,其特征在于,所述对所述视频的图像进行密集人群人脸检测,具体为:
4.根据权利要求1所述的抑郁识别系统,其特征在于,所述提取所述图像中每一头部区域图像对应的图像特征,包括:
5.根据权利要求4所述的抑郁识别系统,其特征在于,所述对每一头部区域图像进行脸部特征点检测、头部姿势估计、脸部动作单位识别和注视估计,得到所述图像特征;包括:
6.根据权利要求1所述的抑郁识别系统,其特征在于,所述将一段...
【专利技术属性】
技术研发人员:黎安伟,刘宏波,
申请(专利权)人:广州视源电子科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。