[發明專利]一種基于視頻眼動和心率分析的恐懼緊張情緒識別方法

在審

• 申請號: 201911107613.4
• 申請日: 2019-11-13
• 公開（公告）號: CN112790750A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 張飛虎
• 申請（專利權）人: 北京卡爾斯通科技有限公司
• 主分類號: A61B5/024
• 分類號: A61B5/024;A61B5/16;G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于視頻眼動和心率分析的恐懼緊張情緒識別方法，其特征在于：具體包括以下步驟：

S1、拍攝采集受測者正對鏡頭的視頻樣本；

S2、首先檢測人臉以及眼部所在位置，利用已訓練好的深度卷積神經網絡進行視線方向的估計，輸出人臉在三維世界下的視線方向估計，得到視線方程；

S3、檢測人臉額頭天庭位置，采用rPPG遠程光電體積掃描技術進行遠距離非接觸式心率估計，rPPG利用反射的周圍光來測量皮膚的細微亮度變化，而皮膚的細微亮度變化是因為心臟跳動導致了血液流動，因此，通過rPPG技術能夠得到類似血容量脈搏（BVP）的信號，此信號用于預測心率，然后提出基于深度學習的心率估計模型；

S4、將步驟S1至步驟S3得到眼部位置信息以及心率特征信息向量輸入Relief-SVM算法框架中進行處理；

S5、恐懼緊張情緒特征分類，恐懼緊張的特征提取是根據恐懼狀態設計任務范式，并全程記錄被試人員的面部情感特征和生理行為特征。

2.根據權利要求1所述的一種基于視頻眼動和心率分析的恐懼緊張情緒識別方法，其特征在于：所述步驟S3中的rPPG技術具體為：假設實驗環境的光照強度恒定，設為常量，血液容積對自然光強度的吸收量為，通過攝像頭拍攝觀測得到的光強度為，可以得到： 其中，和具有相同的周期和頻率。

3.根據權利要求1所述的一種基于視頻眼動和心率分析的恐懼緊張情緒識別方法，其特征在于：所述步驟S3中提出的基于深度學習的心率估計模型對于一段人臉視頻序列的處理過程如下：

a1、首先將其分割成多段短視頻序列，對每段短視頻中的人臉進行對齊操作；

a2、然后，從步驟a1對齊人臉序列中提出時空特征，每一段時空特征圖表示心律信號；

a3、使用這些心律信號作為輸入，通過一個訓練好的卷積神經網絡，用來預測每個短視頻中人的心率；

a4、最后用所有短視頻片段的平均心率作為該段視頻的輸出心率。

4.根據權利要求1所述的一種基于視頻眼動和心率分析的恐懼緊張情緒識別方法，其特征在于：所述步驟S4中Relief-SVM算法框架的處理步驟為：

b1、初始化特征權重值；

b2、利用Relief計算出每個維度的特征的權重，淘汰掉權重值較小的特征；

b3、 將選擇后的特征向量利用分類器進行分類計算；

b4、 得到分類結果，并與實際結果進行比對，計算識別率；

b5、調整參數，直到取得最優識別率，最終完成算法模型。

5.根據權利要求1所述的一種基于視頻眼動和心率分析的恐懼緊張情緒識別方法，其特征在于：所述步驟S4中Relef算法的輸入和輸出為屬性值向量和樣本量，輸出為對每個屬性的權值估計的流程如下：

設初始權值向量W[A]=0；

For i =1:m do begin；

隨機選擇一個樣本R；

找到同類最近點H和非同類最近點M；

Or A=1，特征維度 do；

W[A]= W[A]–diff(A,R,H)/m+diff(A,R,M)/m；

End。

6.根據權利要求1所述的一種基于視頻眼動和心率分析的恐懼緊張情緒識別方法，其特征在于：所述步驟S4中SVM算法是采用核函數為高斯核函數的最小二乘支持向量機算法。