[发明专利]一种基于视频中个体步态分析的焦虑感知模型的建立方法

说明书

本发明公开了基于视频中个体步态分析的焦虑感知模型的建立方法，采集多位个体在步行区域连续走路的步态视频数据和心理指标标注数据；在二维空间中对所采集到的步态视频数据中的躯体关键点进行去噪预处理、特征提取，得到时域特征和频域特征；采用主成分分析对所得频域特征进行降维和特征选择，采用序列浮动后向选择算法通过分类器优化所有时域特征和频域特征所组成的特征集，得到优化后的特征子集；采用机器学习中的回归算法，结合优化后的特征子集和多位个体心理指标标注数据进行模型训练和验证，得到个体焦虑感知预测模型。本发明对个体焦虑情绪的自动识别，无需用户自我报告，时效性高，与量表焦虑得分相关系数为0.46，达到中等相关水平。

技术领域

本发明涉及情绪感知技术领域，具体涉及一种基于视频中个体步态分析的焦虑感知模型的建立方法。

背景技术

随着人们生活节奏的加快、生活压力的增大和经济的飞速发展，心理健康问题对人们生活质量的影响也越来越大。随着心理健康问题而酿成的悲剧性事件的数量也在与日俱增。全世界大多数国家，有33％的人在一生中患有某种程度的心理疾病。世界卫生组织对包括中国在内的14个发展中国家的心理健康进行调查显示，不同的国家和地区，有心理健康问题的人群发生率在4.3％-24.4％之间。我国卫生部的数据显示，我国患有重精神和心理障碍疾病的患者达1600多万。患有不同程度精神或心理障碍需要专业人员干的人数则更多，估计达到1.9亿人，也就是说，每10人中至少有1人存在心理问题，需要心理辅导。因此，是否能够及时准确地感知出人们的心理状态就显得及为重要。

由于个体的心理特征、主观感觉，作为内隐变量无法直接测量，目前在传统的心理学、生理学等基础上的诊断方法主要有两种：基于访谈者的症状评估(他评)和访谈者的自我报告(自陈法)。这两种方式对于获取个体心理状态虽然具有可行性，但是在实际操作中，存在以下突出问题：

(1)调查以一种“侵扰式”的方法展开，需要受调查者填写问卷或接受访谈，受到社会赞许性的影响，受访者可能由于一些原因不愿意提供对自己状态的真实描述。

(2)受试者的作答往往是被动的，其对问题的回答由于无法准确描述等原因而与现实情况存在偏差。

(3)需要的调查周期长，并且需要大量人力、物力资源的支持，给调查的及时性、连续性造成了不利影响，由于调查成本较高，收集数据的规模上也有较大的限制。

同时，由于对心理问题的认识不深，很多人没有意识到自己正受到心理问题的困扰，在身心健康出现问题时不知道是否应该求助。因此，建立一种新的研究方法能够便捷准确预测出人们的心理健康状况就迫在眉睫。

发明内容

为了解决上述所存在的技术问题，实现对人们心理情绪状况的准确预测，解决心理上的困扰，为此，本发明提供了一种基于视频中个体步态分析的焦虑感知模型的建立方法。

本发明采用如下技术方案：

步骤1，填写广泛性焦虑障碍量表(GAD-7)，获取多位个体的心理指标标注数据；

步骤2，采集多位个体在步行区域连续走路的全身无遮挡步态视频数据，且与步骤1中所测个体的心理指标标注数据相对应；

步骤3.1，在二维空间中对所采集到的步态视频数据中的躯体关键点进行数据去噪预处理；

步骤4，采用时域分析方法提取步态视频数据的时域特征；采用频域分析方法分别对每个被试的各躯体关键点在二维空间中所形成的步态数据进行傅里叶变换，对每个躯体关键点经傅里叶变换后的系数分别按振幅的大小进行排列，选取振幅较大的前N个系数，同时计算振幅较大的前N个系数所对应的N个频率和N个相位作为频域特征；

步骤5，采用主成分分析对步骤4中所得频域特征进行降维和特征选择，采用序列浮动后向选择(SFBS)算法通过分类器优化所有时域特征和频域特征所组成的特征集，得到优化后的特征子集；