一种利用人体微表情和生理指标进行居民心理健康检测的方法和装置

摘要

本发明公开了一种利用人体微表情和生理指标进行居民心理健康检测的方法和装置，包括以下步骤：S1.通过人脸识别系统对居民进行人脸识别，同时通过人体体征监测系统，对居民的生理指标进行监测；S2.与居民进行沟通交流，采用问答模式，对居民进行提问；S3.在问答过程中，通过人脸识别系统采集居民的面部微表情及其观察居民生理指标的变化情况；S4.通过对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法。本发明通过对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法能够有效地预测和识别居民的心理健康状况，为医护人员提供了重要的参考和治疗方案。

说明书

技术领域

本发明属于心理健康检测技术领域，具体涉及一种利用人体微表情和生理指标进行居民心理健康检测的方法和装置。

背景技术

心理疾病，是指一个人由于精神上的紧张，干扰，而使自己思维上、情感上和行为上，发生了偏离社会生活规范轨道和现象。心理和行为上偏离社会生活规范程度越厉害，心理疾病也就愈严重。现在由于生活压力的增大，越来越多的人会患上抑郁症的心理疾病，抑郁症的初期可能只是表示出情绪低落，过于紧张和焦虑等一般症状出现，但是如果不加以重视，任其发展下去就有可能导致患者的心理畸形，对社会产生报复心态，严重者容易会做出对他人和社会财产造成损失的过激行为。

目前现有的心理健康检测方法还存在一些问题：在心理健康检测时，不能很好的捕捉被检测者的面部表情变化以及生理指标变化，导致不能对被检测者的心理健康情况进行准确的预测和识别，从而导致不方便医护人员提供治疗方案，为此我们提出一种利用人体微表情和生理指标进行居民心理健康检测的方法和装置。

发明内容

本发明的目的在于提供一种利用人体微表情和生理指标进行居民心理健康检测的方法和装置，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种利用人体微表情和生理指标进行居民心理健康检测的方法，包括以下步骤：

S1.通过人脸识别系统对居民进行人脸识别，同时通过人体体征监测系统，对居民的生理指标进行监测；

S2.与居民进行沟通交流，采用问答模式，对居民进行提问；

S3.在问答过程中，通过人脸识别系统采集居民的面部微表情及其观察居民生理指标的变化情况；

S4.通过对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法，对居民的心理健康状况进行预测和识别，以提供相关的干预和治疗措施。

优选的，所述通过人脸识别系统采集居民的面部微表情具体步骤为：

S101.通过视频设备对居民的面部进行识别；

S102.在居民被进行测试提问阶段，采集该居民的实时应激表情信息；

S103.根据所述实时应激表情信息与该居民的基线表情信息，识别该居民的实时应激表情是否为微表情；

S104.根据所述微表情的识别结果，确定本次提问测试中居民的微表情变化。

优选的，所述对居民的生理指标进行监测具体包括以下步骤：

S201.将人体体征监测系统的每个部件安装在居民身体的对应位置；

S202.利用人体体征监测系统采集居民生理指标，并将居民生理指标进行显示；

S203.在问答过程中，观察该居民生理指标的变化情况。

优选的，所述预警机制算法包括基于历史数据的机器学习算法和基于预警阈值的算法，所述基于历史数据的机器学习算法具体为：通过对历史数据的分析和学习，建立预测模型，以预测当前居民的心理健康状况，所述基于历史数据的机器学习算法采用朴素贝叶斯算法或支持向量机算法；所述基于预警阈值的算法具体为：通过设定预警阈值，将居民的微表情和生理指标数据与该阈值进行比较，一旦数据超出阈值范围，触发相应的预警机制，所述预警机制具体为通过短信或邮件等方式通知相关医护人员或家属。

优选的，所述干扰项处理算法包括去除噪声算法和去除外部因素干扰算法，所述去除噪声算法具体为：针对微表情和生理指标数据中的噪声进行去除，利用滤波算法或去噪算法进行处理，以提高数据的准确性和可靠性；所述去除外部因素干扰算法具体为：针对外部环境或因素对数据的干扰进行去除或修正，通过对采集设备的控制或者利用特殊的算法对干扰因素进行修正，以提高数据的可信度和可靠性。

优选的，所述朴素贝叶斯算法是以贝叶斯定理为基础并且假设特征条件之间相互独立的方法，先通过已给定的训练集，以特征词之间独立作为前提假设，学习从输入到输出的联合概率分布，再基于学习到的模型，输入X求出使得后验概率最大的输出Y，具体公式如下：

设有样本数据集D＝{d

朴素贝叶斯基于各特征之间相互独立，在给定类别为y的情况下，上式可以进一步表示为下式：

由以上两式可以计算出后验概率为：

由于P(X)的大小是固定不变的，因此在比较后验概率时，只比较上式的分子部分即可，因此可以得到一个样本数据属于类别y

优选的，所述滤波算法包括一阶滤波算法，所述一阶滤波算法包括以下公式：

Y(n)＝aX(n)+(1-a)Y(n-1)

其中，Y(n)为本次滤波输出值；a为滤波系数；X(n)为本次采样值；Y(n-1)为上次滤波输出值。

本发明还提供了一种利用人体微表情和生理指标进行居民心理健康检测装置，包括人脸识别系统、人体体征监测系统、问答模块和分析模块，所述人脸识别系统用于对居民进行人脸识别，并采集居民的面部微表情；所述人体体征监测系统用于对居民的生理指标进行监测，并显示出居民的生理指标；所述问答模块用于与居民进行沟通交流，采用问答模式，对居民进行提问；所述分析模块用于对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法，对居民的心理健康状况进行预测和识别，以提供相关的干预和治疗措施。

优选的，所述人脸识别系统包括视频设备、表情采集器、微表情识别器和微表情变化分析器，所述视频设备用于对居民的面部进行识别，所述表情采集器用于在居民被进行测试提问阶段，采集该居民的实时应激表情信息，所述微表情识别器用于根据所述实时应激表情信息与该居民的基线表情信息，识别该居民的实时应激表情是否为微表情；所述微表情变化分析器用于根据所述微表情的识别结果，确定本次提问测试中居民的微表情变化。

优选的，所述人体体征监测系统包括心率监测模块、脉搏检测模块、血压检测模块、呼吸检测模块和瞳孔反射检测模块，所述心率监测模块、脉搏检测模块、血压检测模块、呼吸检测模块和瞳孔反射检测模块分别用于监测居民的心率、脉搏血压、呼吸频率和瞳孔反射数据。

与现有技术相比，本发明的有益效果是：

本发明通过对居民进行人脸识别，同时对居民的生理指标进行监测，然后在问答过程中，采集居民的面部微表情及其观察居民生理指标的变化情况，通过对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法能够有效地预测和识别居民的心理健康状况，为医护人员提供了重要的参考和治疗方案。

附图说明

图1为本发明的流程图；

图2为本发明的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明提供一种技术方案：一种利用人体微表情和生理指标进行居民心理健康检测的方法，包括以下步骤：

S1.通过人脸识别系统对居民进行人脸识别，同时通过人体体征监测系统，对居民的生理指标进行监测；

S2.与居民进行沟通交流，采用问答模式，对居民进行提问；

S3.在问答过程中，通过人脸识别系统采集居民的面部微表情及其观察居民生理指标的变化情况；

S4.通过对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法，对居民的心理健康状况进行预测和识别，以提供相关的干预和治疗措施。

本实施例中，优选的，所述通过人脸识别系统采集居民的面部微表情具体步骤为：

S101.通过视频设备对居民的面部进行识别；

S102.在居民被进行测试提问阶段，采集该居民的实时应激表情信息；

S103.根据所述实时应激表情信息与该居民的基线表情信息，识别该居民的实时应激表情是否为微表情；

S104.根据所述微表情的识别结果，确定本次提问测试中居民的微表情变化。

本实施例中，优选的，所述对居民的生理指标进行监测具体包括以下步骤：

S201.将人体体征监测系统的每个部件安装在居民身体的对应位置；

S202.利用人体体征监测系统采集居民生理指标，并将居民生理指标进行显示；

S203.在问答过程中，观察该居民生理指标的变化情况。

本实施例中，优选的，所述预警机制算法包括基于历史数据的机器学习算法和基于预警阈值的算法，所述基于历史数据的机器学习算法具体为：通过对历史数据的分析和学习，建立预测模型，以预测当前居民的心理健康状况，所述基于历史数据的机器学习算法采用朴素贝叶斯算法或支持向量机算法；所述基于预警阈值的算法具体为：通过设定预警阈值，将居民的微表情和生理指标数据与该阈值进行比较，一旦数据超出阈值范围，触发相应的预警机制，所述预警机制具体为通过短信或邮件等方式通知相关医护人员或家属。

本实施例中，优选的，所述干扰项处理算法包括去除噪声算法和去除外部因素干扰算法，所述去除噪声算法具体为：针对微表情和生理指标数据中的噪声进行去除，利用滤波算法或去噪算法进行处理，以提高数据的准确性和可靠性；所述去除外部因素干扰算法具体为：针对外部环境或因素对数据的干扰进行去除或修正，通过对采集设备的控制或者利用特殊的算法对干扰因素进行修正，以提高数据的可信度和可靠性。

本实施例中，优选的，所述朴素贝叶斯算法是以贝叶斯定理为基础并且假设特征条件之间相互独立的方法，先通过已给定的训练集，以特征词之间独立作为前提假设，学习从输入到输出的联合概率分布，再基于学习到的模型，输入X求出使得后验概率最大的输出Y，具体公式如下：

设有样本数据集D＝{d

朴素贝叶斯基于各特征之间相互独立，在给定类别为y的情况下，上式可以进一步表示为下式：

由以上两式可以计算出后验概率为：

由于P(X)的大小是固定不变的，因此在比较后验概率时，只比较上式的分子部分即可，因此可以得到一个样本数据属于类别y

本实施例中，优选的，所述滤波算法包括一阶滤波算法，所述一阶滤波算法包括以下公式：

Y(n)＝aX(n)+(1-a)Y(n-1)

其中，Y(n)为本次滤波输出值；a为滤波系数；X(n)为本次采样值；Y(n-1)为上次滤波输出值。

本发明还提供了一种利用人体微表情和生理指标进行居民心理健康检测装置，包括人脸识别系统、人体体征监测系统、问答模块和分析模块，所述人脸识别系统用于对居民进行人脸识别，并采集居民的面部微表情；所述人体体征监测系统用于对居民的生理指标进行监测，并显示出居民的生理指标；所述问答模块用于与居民进行沟通交流，采用问答模式，对居民进行提问；所述分析模块用于对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法，对居民的心理健康状况进行预测和识别，以提供相关的干预和治疗措施。

本实施例中，优选的，所述人脸识别系统包括视频设备、表情采集器、微表情识别器和微表情变化分析器，所述视频设备用于对居民的面部进行识别，所述表情采集器用于在居民被进行测试提问阶段，采集该居民的实时应激表情信息，所述微表情识别器用于根据所述实时应激表情信息与该居民的基线表情信息，识别该居民的实时应激表情是否为微表情；所述微表情变化分析器用于根据所述微表情的识别结果，确定本次提问测试中居民的微表情变化。

本实施例中，优选的，所述人体体征监测系统包括心率监测模块、脉搏检测模块、血压检测模块、呼吸检测模块和瞳孔反射检测模块，所述心率监测模块、脉搏检测模块、血压检测模块、呼吸检测模块和瞳孔反射检测模块分别用于监测居民的心率、脉搏血压、呼吸频率和瞳孔反射数据。

本发明的原理及优点：

本发明通过对居民进行人脸识别，同时对居民的生理指标进行监测，然后在问答过程中，采集居民的面部微表情及其观察居民生理指标的变化情况，通过对采集到的微表情和生理指标变化情况进行分析，结合预警机制算法和干扰项处理算法能够有效地预测和识别居民的心理健康状况，为医护人员提供了重要的参考和治疗方案。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。