[發(fā)明專利]一種嬰幼兒依戀類型自動預(yù)測系統(tǒng)及其預(yù)測方法在審
| 申請?zhí)枺?/td> | 201811561925.8 | 申請日: | 2018-12-20 |
| 公開(公告)號: | CN109711310A | 公開(公告)日: | 2019-05-03 |
| 發(fā)明(設(shè)計)人: | 李紅改;崔錦實;王莉;查紅彬 | 申請(專利權(quán))人: | 北京大學(xué) |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62;G06N3/04;A61B5/16 |
| 代理公司: | 北京萬象新悅知識產(chǎn)權(quán)代理有限公司 11360 | 代理人: | 王巖 |
| 地址: | 100871*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 嬰兒 循環(huán)神經(jīng)網(wǎng)絡(luò) 卷積神經(jīng)網(wǎng)絡(luò) 矩陣運算 視頻數(shù)據(jù) 一維序列 預(yù)測系統(tǒng) 嬰幼兒 嬰兒安全座椅 攝像機拍攝 測試 互動行為 流程指示 序列特征 預(yù)測 三維 社區(qū) | ||
1.一種嬰幼兒依戀類型自動預(yù)測系統(tǒng),其特征在于,所述嬰幼兒依戀類型自動預(yù)測系統(tǒng)包括:嬰兒安全座椅、第一攝像機和計算機;其中,嬰兒坐在嬰兒安全座椅上,照料者面對嬰兒;在嬰兒和照料者的側(cè)面設(shè)置第一攝像機,嬰兒和照料者的整個身體位于第一攝像機的成像視野內(nèi);第一攝像機連接至計算機;照料者按照流程指示程序與嬰兒進行互動,第一攝像機拍攝照料者與嬰兒的互動行為,并將視頻傳輸至計算機,得到視頻數(shù)據(jù);對視頻數(shù)據(jù)采用卷積神經(jīng)網(wǎng)絡(luò)得到三維特征,經(jīng)過矩陣運算得到一維序列特征,輸入至預(yù)訓(xùn)練好的循環(huán)神經(jīng)網(wǎng)絡(luò)得到嬰兒的依戀類型。
2.如權(quán)利要求1所述的嬰幼兒依戀類型自動預(yù)測系統(tǒng),其特征在于,還包括第二攝像機和第三攝像機,分別正對嬰兒和照料者的臉部,拍攝嬰兒和照料者的臉部的視頻,第二和第三攝像機分別連接至計算機。
3.一種嬰幼兒依戀類型自動預(yù)測方法,其特征在于,所述自動預(yù)測方法,包括以下步驟:
1)設(shè)計流程指示程序;
2)預(yù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型:
a)收集數(shù)據(jù)庫,數(shù)據(jù)庫包括多個嬰兒與照料者的靜止臉實驗的視頻數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù),并且每一個訓(xùn)練樣本數(shù)據(jù)標(biāo)注有依戀類型標(biāo)簽;
b)對數(shù)據(jù)庫中的訓(xùn)練樣本數(shù)據(jù)利用卷積神經(jīng)網(wǎng)絡(luò),經(jīng)過多個卷積層加池化層運算,得到三維特征;
c)對三維特征經(jīng)過矩陣運算,得到一維序列特征;
d)將一維序列特征輸入到以長短期記憶LSTM為基本單元的循環(huán)神經(jīng)網(wǎng)絡(luò),得到輸出結(jié)果;
e)將輸出結(jié)果與訓(xùn)練樣本數(shù)據(jù)所對應(yīng)的真實的依戀類型標(biāo)簽相比較,調(diào)整循環(huán)神經(jīng)網(wǎng)絡(luò)的層數(shù)、連接方式、參數(shù)、損失函數(shù)和優(yōu)化方式,重復(fù)步驟b)~d),使得輸出結(jié)果與真實的依戀類型標(biāo)簽的差異最小化,得到訓(xùn)練好的循環(huán)神經(jīng)網(wǎng)絡(luò)模型;
3)將被測試的嬰兒放置在嬰兒安全座椅上,照料者面對嬰兒,在嬰兒和照料者的側(cè)面設(shè)置第一攝像機,嬰兒和照料者的整個身體位于第一攝像機的成像視野內(nèi);
4)照料者按照流程指示程序與嬰兒進行互動,第一攝像機拍攝照料者與嬰兒的互動行為,并將視頻傳輸至計算機,計算機得到視頻數(shù)據(jù);
5)對視頻數(shù)據(jù)利用卷積神經(jīng)網(wǎng)絡(luò),經(jīng)過多個卷積層和池化層運算,得到三維特征;
6)對三維特征經(jīng)過矩陣運算,得到一維序列特征;
7)對一維序列特征輸入至預(yù)訓(xùn)練好的循環(huán)神經(jīng)網(wǎng)絡(luò)模型,得到被測試的嬰兒的依戀類型結(jié)果。
4.如權(quán)利要求3所述的自動預(yù)測方法,其特征在于,在步驟2)中,數(shù)據(jù)庫中的訓(xùn)練樣本數(shù)據(jù)的個數(shù)為35個以上。
5.如權(quán)利要求3所述的自動預(yù)測方法,其特征在于,在步驟2)的a)靜止臉實驗中,將明確依戀類型的嬰兒放置在嬰兒安全座椅上,照料者面對嬰兒,在嬰兒和照料者的側(cè)面設(shè)置第一攝像機,嬰兒和照料者的整個身體位于第一攝像機的成像視野內(nèi);照料者按照設(shè)計好的流程指示程序與嬰兒進行互動,第一攝像機拍攝照料者與嬰兒的互動行為,并將視頻傳輸至計算機,計算機得到靜止臉實驗的視頻數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù),對訓(xùn)練樣本數(shù)據(jù)標(biāo)注依戀類型標(biāo)簽。
6.如權(quán)利要求3所述的自動預(yù)測方法,其特征在于,在步驟2)的e)中,連接方式為循環(huán)神經(jīng)網(wǎng)絡(luò)不同的隱藏層之間的輸入與輸出的連接關(guān)系;參數(shù)包括學(xué)習(xí)率、批次規(guī)模、訓(xùn)練輪數(shù)、循環(huán)神經(jīng)網(wǎng)絡(luò)隱藏層的個數(shù)以及訓(xùn)練集與測試集的比例;損失函數(shù)為用于評估輸出結(jié)果與真實依戀類型標(biāo)簽之間的不一致程度的函數(shù);優(yōu)化方式為用于約束網(wǎng)絡(luò)的訓(xùn)練過程,使得訓(xùn)練朝著損失函數(shù)最小化的方向發(fā)展。
7.如權(quán)利要求3所述的自動預(yù)測方法,其特征在于,在步驟4)中,照料者與被測試的嬰兒的互動,與數(shù)據(jù)庫中照料者與嬰兒的互動的流程指示程序完全相同。
8.如權(quán)利要求3所述的自動預(yù)測方法,其特征在于,還包括第二攝像機和第三攝像機,分別正對嬰兒和照料者的臉部,拍攝嬰兒和照料者的臉部的視頻。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京大學(xué),未經(jīng)北京大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811561925.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 用于識別字跡的方法、裝置及計算機可讀介質(zhì)
- 基于層級神經(jīng)網(wǎng)絡(luò)的圖像-句子描述生成系統(tǒng)及方法
- 基于差異循環(huán)神經(jīng)網(wǎng)絡(luò)的意圖識別方法
- 一種基于深度學(xué)習(xí)大規(guī)模病歷的輔助診斷系統(tǒng)
- 一種改進鯨魚算法的循環(huán)神經(jīng)網(wǎng)絡(luò)短期電力負(fù)荷預(yù)測方法
- 基于門控循環(huán)神經(jīng)網(wǎng)絡(luò)的非線性均衡方法
- 一種基于卷積核相似性剪枝的循環(huán)神經(jīng)網(wǎng)絡(luò)模型壓縮方法
- 一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)對動態(tài)磁滯進行補償?shù)姆椒跋到y(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的駕駛?cè)硕嗖僮髌谔卣魈崛》椒?/a>
- 終端卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、存儲介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計方法
- 卷積神經(jīng)網(wǎng)絡(luò)的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、設(shè)備及存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡(luò)的方法
- 卷積神經(jīng)網(wǎng)絡(luò)處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法及檢測裝置





