[發明專利]一種抑郁癥程度評估方法、系統、裝置及存儲介質

在審

• 申請號: 202110398234.6
• 申請日: 2021-04-14
• 公開（公告）號: CN113517064A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 樊小毛;林宏拓;何顯亮;戴嘉惠;藍連濤
• 申請（專利權）人: 華南師范大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/00;G06K9/62;G06N20/00;G10L25/66
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

1.一種抑郁癥程度評估方法，其特征在于，包括：

獲取第一視頻，所述第一視頻為包含人物表情變化和人物語音的視頻；

隨機截取第一組圖片，所述第一組圖片為所述第一視頻中的連續多幀圖片；

將所述第一組圖片輸入人臉表情識別模型中處理，得到多個表情特征向量；

將多個所述表情特征向量輸入微表情抑郁癥識別模型中處理，得到第一評分；

提取第一音頻，所述第一音頻為所述第一組圖片對應的語音片段；

將所述第一音頻輸入語音抑郁癥識別模型中處理，得到第二評分；

根據所述第一評分和所述第二評分，評估抑郁癥程度。

2.根據權利要求1所述的一種抑郁癥程度評估方法，其特征在于，所述將所述第一組圖片輸入人臉表情識別模型中處理之前，所述方法還包括：

對所述第一組圖片進行預處理，所述預處理包括人臉檢測處理和人臉對齊處理；

將預處理后的所述第一組圖片通過線性反投影算法轉化為LBP圖片；

將所述LBP圖片分成多個局部塊，并提取每個所述局部塊的直方圖；

將每個所述局部塊的直方圖依次連接形成LBP特征的統計直方圖，得到所述第一組圖片對應的一維向量。

3.根據權利要求2所述的一種抑郁癥程度評估方法，其特征在于，所述方法還包括構建所述人臉表情識別模型，包括：

將所述第一組圖片對應的一維向量輸入多層感知機中，構建得到所述人臉表情識別模型。

4.根據權利要求1所述的一種抑郁癥程度評估方法，其特征在于，所述方法還包括構建所述微表情抑郁癥識別模型，包括：

將多個所述表情特征向量按順序拼接成一個第一特征向量；

將所述第一特征向量輸入支持向量機中，構建得到所述微表情抑郁癥識別模型。

5.根據權利要求1所述的一種抑郁癥程度評估方法，其特征在于，所述提取第一音頻之后，所述方法還包括對所述第一音頻進行預處理，包括：

剪去所述第一音頻中的干擾語音片段和靜音片段；

將剪去干擾語音片段和靜音片段后的其余語音片段進行拼接，得到音頻文件；

對所述音頻文件進行裁剪，并使用Python對音頻文件進行特征提取，得到語音特征。

6.根據權利要求5所述的一種抑郁癥程度評估方法，其特征在于，所述方法還包括構建所述語音抑郁癥識別模型，包括：

將所述語音特征進行合并，得到語音特征向量；

將所述語音特征向量進行標記，并輸入支持向量機中，構建得到所述語音抑郁癥識別模型。

7.根據權利要求5所述的一種抑郁癥程度評估方法，其特征在于，所述方法還包括對所述語音抑郁癥識別模型進行訓練和測試，包括：

構建音頻訓練集和音頻測試集；

獲取所述音頻訓練集以對所述語音抑郁癥識別模型進行訓練；

獲取所述測試集以驗證所述語音抑郁癥識別模型是否訓練完成。

8.一種抑郁癥程度評估系統，其特征在于，包括：

獲取模塊，用于獲取第一視頻，所述第一視頻為包含人物表情變化和人物語音的視頻；

截取模塊，用于隨機截取第一組圖片，所述第一組圖片為所述第一視頻中的連續多幀圖片；

第一處理模塊，用于將所述第一組圖片輸入人臉表情識別模型中處理，得到多個表情特征向量；

第二處理模塊，用于將多個所述表情特征向量輸入微表情抑郁癥識別模型中處理，得到第一評分；

提取模塊，用于提取第一音頻，所述第一音頻為所述第一組圖片對應的語音片段；

第三處理模塊，用于將所述第一音頻輸入語音抑郁癥識別模型中處理，得到第二評分；

評估模塊，用于根據所述第一評分和第二評分，評估抑郁癥程度。