[发明专利]基于面部视频的非接触式焦虑识别方法和装置

说明书

本发明提供了一种基于面部视频的非接触式焦虑识别方法和装置，涉及非接触式焦虑识别技术领域。提出了一种基于面部视频的非接触式焦虑识别方法，充分利用了面部视频，在特征提取阶段构造了面部关键特征点运动轨迹特征、眼部注视特征、头部姿态特征、非接触式心率与呼吸率特征等，从不同外观与非接触式生理角度识别焦虑情绪。并且对多维度特征进行融合降维，利用焦虑患者的典型表征信息，以实现更精准、低干扰的焦虑识别。

技术领域

本发明涉及非接触式焦虑识别技术领域，具体涉及一种基于面部视频的非接触式焦虑识别方法和装置。

背景技术

现有的心理健康指数评估方法及系统，大多数专注于普适性的心理健康评估。

在目前的心理健康评估方法及系统中，比如抑郁情绪识别，现有的检测方法多是通过使用穿戴式设备采集相关的生理信号或量表测试结果作为抑郁识别的指标。且现有的方法多为单次监测。

但是现有技术通过生理信息的测量仍然需要穿戴大量的电极或传感器且自测量表的方法可能存在测试者的主观意愿，暂无基于非接触式特征的焦虑识别相关专利报道。且仅通过一次的监测与分析便判断用户的心理健康风险，极少考虑到心理障碍是一种持久的精神问题，需要结合历史信息进行分析与识别。具体在焦虑筛查方面，主要通过焦虑量表(GAD-7)来进行焦虑识别。暂无基于非接触式特征的焦虑识别相关技术。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于面部视频的非接触式焦虑识别方法和装置，解决了现有的心理健康评估技术中无法针对焦虑进行非接触式识别的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，提供了一种基于面部视频的非接触式焦虑识别方法，该方法包括：

获取被测者在应激场景下的面部视频；

基于面部视频，定位面部特征点、感兴趣区域和面部，得到高清面部图像集；

将高清面部图像集作为焦虑识别网络的输入，通过每个维度对应的3DCNN网络提取构建多维度的特征向量，将多维度的特征向量进行融合，对融合后的特征向量进行时空注意力机制处理，再对时空注意力机制处理后的特征向量进行降维处理，最终通过输出节点输出焦虑识别网络的识别结果。

进一步的，所述基于面部视频，定位面部特征点、感兴趣区域和面部，得到高清面部图像集，包括：

从面部视频中检测面部并定位感兴趣区域，利用面部特征点定位模型，分割出面部图像，并对面部图像进行校准、对齐、补光操作，得到高清面部图像集。

进一步的，所述将高清面部图像集作为焦虑识别网络的输入，通过每个维度对应的3DCNN网络提取构建多维度的特征向量，包括：

构建面部时空特征向量：

基于面部特征点从高清面部图像中获取面部序列，并利用3DCNN网络从面部序列中提取面部时空特征向量；

还包括构建面部运动轨迹特征向量：

获取高清面部图像集中的面部特征点位置信息，基于面部特征点位置信息得到面部运动轨迹序列，并利用3DCNN网络从面部运动轨迹序列中提取面部运动轨迹特征向量；

还包括构建头部位姿特征向量：

获取高清面部图像集中的面部特征点位置信息，基于面部特征点位置信息对头部位置和其偏转朝向进行回归预测，量化头部在空间中三个维度上的旋转位姿角坐标，并提取各维度的速度和加速度特征，得到头部位姿序列，并利用3DCNN网络从头部位姿序列中提取头部位姿特征向量；

还包括构建非接触式生理特征向量：