[發(fā)明專利]隨訪數(shù)據(jù)處理方法、裝置、存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201710681325.4
• 申請(qǐng)日: 2017-08-10
• 公開（公告）號(hào): CN107577991B
• 公開（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 張小云;趙宏磊
• 申請(qǐng)（專利權(quán)）人: 深圳市心上信息技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06F16/783;G06K9/62
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 謝曲曲

1.一種隨訪數(shù)據(jù)處理方法，所述方法包括：

從隨訪視頻中提取表情特征，對(duì)所述表情特征進(jìn)行分類識(shí)別得到對(duì)應(yīng)的精神狀態(tài)；隨訪視頻指的是隨訪員對(duì)患者以視頻聊天的方式進(jìn)行隨訪時(shí)所錄制并保存的視頻；

從所述隨訪視頻中獲取音頻數(shù)據(jù)，對(duì)所述音頻數(shù)據(jù)進(jìn)行特征提取，得到對(duì)應(yīng)的音頻特征；

獲取所述隨訪視頻對(duì)應(yīng)的主觀感覺(jué)記錄信息；

根據(jù)所述精神狀態(tài)、音頻特征、主觀感覺(jué)記錄信息采用分類算法進(jìn)行分類識(shí)別，得到分類結(jié)果，所述分類結(jié)果對(duì)應(yīng)的候選分類至少包括第一分類和第二分類；

獲取多次隨訪對(duì)應(yīng)的分類結(jié)果集合及分類結(jié)果集合中各個(gè)分類結(jié)果對(duì)應(yīng)的隨訪時(shí)間信息；

根據(jù)所述分類結(jié)果集合及隨訪時(shí)間信息，生成分類結(jié)果動(dòng)態(tài)變化曲線；

獲取多次隨訪對(duì)應(yīng)的第一參數(shù)集合及第一參數(shù)集合中各個(gè)第一參數(shù)對(duì)應(yīng)的隨訪時(shí)間信息，所述第一參數(shù)包括精神狀態(tài)；

根據(jù)所述隨訪時(shí)間信息及第一參數(shù)集合，生成第一變化曲線。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述精神狀態(tài)、音頻特征、主觀感覺(jué)記錄信息采用分類算法進(jìn)行分類識(shí)別，得到分類結(jié)果的步驟包括：

對(duì)所述精神狀態(tài)、音頻特征、主觀感覺(jué)記錄信息進(jìn)行特征組合，得到組合特征；

對(duì)所述組合特征進(jìn)行特征融合或選擇，得到最優(yōu)特征集；

將所述最優(yōu)特征集依次輸入多個(gè)分類器，得到多個(gè)分類結(jié)果；

將所述多個(gè)分類結(jié)果進(jìn)行決策融合得到最終的分類結(jié)果。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從隨訪視頻中提取表情特征的步驟包括：

對(duì)所述隨訪視頻進(jìn)行人臉檢測(cè)，得到人臉圖像；

對(duì)所述人臉圖像采用特征提取算法提取表情特征，所述表情特征包括人臉器官、紋理區(qū)域以及預(yù)定義的特征點(diǎn)中的至少一種。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取多次隨訪對(duì)應(yīng)的第二參數(shù)集合及第二參數(shù)集合中各個(gè)第二參數(shù)對(duì)應(yīng)的隨訪時(shí)間信息，所述第二參數(shù)包括音頻特征、主觀感覺(jué)記錄信息中的至少一種；

將所述第二參數(shù)集合中各個(gè)第二參數(shù)根據(jù)預(yù)設(shè)的標(biāo)準(zhǔn)進(jìn)行計(jì)算得到對(duì)應(yīng)的計(jì)算結(jié)果；

根據(jù)所述計(jì)算結(jié)果及隨訪時(shí)間信息，生成第二變化曲線。

5.一種隨訪數(shù)據(jù)處理裝置，其特征在于，所述裝置包括：

精神狀態(tài)獲取模塊，用于從隨訪視頻中提取表情特征，對(duì)所述表情特征進(jìn)行分類識(shí)別得到對(duì)應(yīng)的精神狀態(tài)；隨訪視頻指的是隨訪員對(duì)患者以視頻聊天的方式進(jìn)行隨訪時(shí)所錄制并保存的視頻；

音頻特征獲取模塊，用于從所述隨訪視頻中獲取音頻數(shù)據(jù)，對(duì)所述音頻數(shù)據(jù)進(jìn)行特征提取，得到對(duì)應(yīng)的音頻特征；

主觀感覺(jué)記錄信息獲取模塊，用于獲取所述隨訪視頻對(duì)應(yīng)的主觀感覺(jué)記錄信息；

分類識(shí)別模塊，用于根據(jù)所述精神狀態(tài)、音頻特征、主觀感覺(jué)記錄信息采用分類算法進(jìn)行分類識(shí)別，得到分類結(jié)果，所述分類結(jié)果對(duì)應(yīng)的候選分類至少包括第一分類和第二分類；

第三獲取模塊，用于獲取多次隨訪對(duì)應(yīng)的分類結(jié)果集合及分類結(jié)果集合中各個(gè)分類結(jié)果對(duì)應(yīng)的隨訪時(shí)間信息；

分類結(jié)果動(dòng)態(tài)變化曲線生成模塊，根據(jù)分類結(jié)果集合及隨訪時(shí)間信息，生成分類結(jié)果動(dòng)態(tài)變化曲線；

第一獲取模塊，用于獲取多次隨訪對(duì)應(yīng)的第一參數(shù)集合及第一參數(shù)集合中各個(gè)第一參數(shù)對(duì)應(yīng)的隨訪時(shí)間信息，第一參數(shù)包括精神狀態(tài)；

第一變化曲線生成模塊，用于根據(jù)隨訪時(shí)間信息及第一參數(shù)集合，生成第一變化曲線。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述分類識(shí)別模塊包括：

特征組合單元，用于對(duì)所述精神狀態(tài)、音頻特征、主觀感覺(jué)記錄信息進(jìn)行特征組合，得到組合特征；

特征融合單元，用于對(duì)所述組合特征進(jìn)行特征融合或選擇，得到最優(yōu)特征集；

分類識(shí)別單元，用于將所述最優(yōu)特征集依次輸入多個(gè)分類器，得到多個(gè)分類結(jié)果；

決策融合單元，用于將所述多個(gè)分類結(jié)果進(jìn)行決策融合得到最終的分類結(jié)果。