[发明专利]面部红外热图的灌注优化及人工智能情绪监测方法

权利要求书

1.一种面部红外热图的灌注优化及人工智能情绪监测方法，其特征在于，包括：

获取目标个体的面部红外视频；所述面部红外视频包括多帧面部红外视频图像；

针对每帧面部红外视频图像，获取该帧面部红外视频图像中额头部位的多个特征点的温度信息，基于所述多个特征点的温度信息，确定该帧面部红外视频图像对应的额头平均温度信息，并基于该帧面部红外视频图像对应的额头平均温度信息，确定该帧面部红外视频图像对应的血液灌注值，基于确定的所述血液灌注值，确定该帧面部红外视频图像对应的血液灌注伪彩色图；

利用CNN-BiGRU_Attention网络模型对每帧面部红外视频图像对应的血液灌注伪彩色图进行处理，分别得到每帧面部红外视频图像对应的空间特征向量矩阵；

针对每帧面部红外视频图像，将该帧面部红外视频图像对应的血液灌注伪彩色图对应的数据进行数据清洗，并将清洗后的数据转化BiGRU层能够处理的矩阵向量；对转化得到的矩阵向量进行语义编码，并基于语义编码得到的数据，确定该帧面部红外视频图像对应的权重系数，并利用BiGRU层，基于确定权重系数，确定该帧面部红外视频图像对应的时间特征向量矩阵；

将每帧面部红外视频图像对应的时间特征向量矩阵，和每帧面部红外视频图像对应的空间特征向量矩阵，利用全连接层进行拼接，并利用softmax函数对拼接得到的数据进行处理，确定目标个体针对每种预设情绪的概率特征信息；

将所述概率特征信息发送给客户端和显示端进行显示；

所述基于该帧面部红外视频图像对应的额头平均温度信息，确定该帧面部红外视频图像对应的血液灌注值，包括：

利用如下公式计算该帧面部红外视频图像对应的血液灌注值：

PI＝0.073*e^0.3846T/856

式中，PI表示该帧面部红外视频图像对应的血液灌注值，T表示该帧面部红外视频图像对应的额头平均温度信息；

利用上述公式计算得到的血液灌注值具有r²＝0.986的高置信度；

所述对转化得到的矩阵向量进行语义编码，包括：

利用如下公式对化得到的矩阵向量进行语义编码：

h_ij＝BiGRU(c_ij)

式中，h_ij表示语义编码得到的数据，c_ij表示转化得到的矩阵向量；

所述基于语义编码得到的数据，确定该帧面部红外视频图像对应的权重系数，包括：

利用如下公式计算该帧面部红外视频图像对应的权重系数：

表示随机初始化的注意力矩阵，Attention机制矩阵s_ij由attention机制分配的不同概率权重与各个隐层状态的乘积的累加和，使用softmax函数做归一化操作得到。

2.根据权利要求1所述的方法，其特征在于，所述基于确定的所述血液灌注值，确定该帧面部红外视频图像对应的血液灌注伪彩色图，包括：

利用python中的opencv模块对所述血液灌注值进行处理，得到该帧面部红外视频图像对应的血液灌注伪彩色图。

3.根据权利要求1所述的方法，其特征在于，所述CNN-BiGRU_Attention网络模型包括3个卷积层，2个池化层和1个全连接层。卷积层设置了1个5*5和2个3*3的规格，2个池化层分别设置为Maxpooling和Global Average Pooling。