[发明专利]基于表情识别的心理健康评估方法、装置和存储介质

权利要求书

1.一种基于表情识别的心理健康评估方法，其特征在于，包括：

获取多个面部图像；每个所述面部图像中携带同一个用户的面部特征；每个所述面部图像的拍摄日期不相同；

通过卷积神经网络分别提取每个所述面部图像中的面部特征，得到面部特征集合；

将所述面部特征集合输入至表情识别模型，获得所述表情识别模型输出的表情集合；所述表情集合包括多个表情，各所述表情与各面部特征一一对应；

根据表情类型与心理健康参数之间的映射关系，分别得到每个所述表情对应的所述心理健康值；

计算各所述心理健康值的平均值；

根据所述平均值、心理健康评价结果和心理健康指导结果之间的映射关系，得到与所述平均值对应的所述心理健康评价结果和所述心理健康指导结果。

2.根据权利要求1所述的基于表情识别的心理健康评估方法，其特征在于，

所述通过卷积神经网络分别提取每个所述面部图像中的面部特征，包括：

通所述过卷积神经网络的卷积层以相同的权重参数分别提取每个所述面部图像中的目标数据；

通过所述卷积神经网络的池化层分别对每个所述目标数据进行去冗余处理，得到每个所述面部图像中的面部特征。

3.根据权利要求1所述的基于表情识别的心理健康评估方法，其特征在于，

在所述获取多个面部图像之后，以及所述通过卷积神经网络分别提取每个所述面部图像中的面部特征之前，所述方法还包括：

对所述面部图像进行平滑滤波处理，得到平滑图像；

对所述平滑图像进行光线补偿处理，得到补偿图像；

对所述补偿图像进行灰度化处理，得到灰度图像；

所述通过卷积神经网络分别提取每个所述面部图像中的面部特征，包括：

通过所述卷积神经网络分别提取每个所述灰度图像中的面部特征。

4.根据权利要求3所述的基于表情识别的心理健康评估方法，其特征在于，

所述平滑滤波处理的算法表达式为：

其中，f(x，y)表示所述面部图像中像素点(x，y)经过平滑滤波处理后的灰度值，x表示横坐标，y表示纵坐标，δ为非0的常数。

5.根据权利要求3或4所述的基于表情识别的心理健康评估方法，其特征在于，

所述灰度化处理的算法表达式为：

其中，h(x,y)表示所述补偿图像中像素点(x，y)的灰度值，g(x,y)表示所述像素点(x，y)经过灰度化处理后的灰度值，h1表示所述像素点(x，y)满足时的最大灰度值，h2表示所述像素点(x，y)满足时的最小灰度值，hist[]表示所述灰度图像的灰度值直方图，N表示所述灰度图像的像素点个数。

6.根据权利要求1至3中任一所述的基于表情识别的心理健康评估方法，其特征在于，

所述表情识别模型的算法表达式为：

其中，t表示所述表情识别模型中的回归器的级联序号，τ_t[]表示所述表情识别模型中的当前级的回归器，每个回归器由多棵回归树组成，S(t)为所述表情识别模型的形状估计；每个回归器τ_t[]根据S(t)和当前输入的面部特征I来预测S(t)的增量

7.根据权利要求2所述的基于表情识别的心理健康评估方法，其特征在于，

所述卷积层为5*5像素宽度的卷积窗。