[发明专利]融合肢体语言、微表情和语言的抑郁和自杀倾向识别方法在审

专利信息
申请号: 202010764410.9 申请日: 2020-08-02
公开(公告)号: CN112101097A 公开(公告)日: 2020-12-18
发明(设计)人: 杜广龙 申请(专利权)人: 华南理工大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 何淑珍;江裕强
地址: 510640 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 融合 肢体 语言 表情 抑郁 自杀 倾向 识别 方法
【权利要求书】:

1.融合肢体语言、微表情和语言的抑郁和自杀倾向识别方法,其特征在于,包括以下步骤:

S1、用带有红外摄像头的Kinect来收集视频和音频,并将视频信息和音频信息分别转换为特征文本描述;

S2、将步骤S1中生成的特征文本描述进行信息融合,利用自组织映射(SOM)和补偿层对处理结果进行情感分类;

S3、将步骤S2中得到的可能存在抑郁情绪或者自杀倾向的人员标记,进行观察。

2.根据权利要求1所述的融合肢体语言、微表情和语言的抑郁和自杀倾向识别方法,其特征在于,步骤S1中,所述视频信息包括从视频中提取的肢体动作和面部表情信息,肢体动作包括静态运动和动态运动;所述音频信息包括从语音音频中提取的频谱、韵律和声波信息,频谱信息和韵律信息用于获取语音标志,声波信息用于获取语音内容。

3.根据权利要求2所述的融合肢体语言、微表情和语言的抑郁和自杀倾向识别方法,其特征在于,步骤S1中,特征文本描述的提取具体包括以下步骤:

S1.1、采用卷积神经网络(CNN)完成静态运动的识别,生成静态运动特征文本描述;

S1.2、利用Kinect实时检测人体骨骼数据,计算人体的行为特征,完成动态运动的识别,生成动态运动特征文本描述;

S1.3、使用局部识别的方法完成面部表情的信息识别,生成面部活动特征文本描述;

S1.4、完成语音标志的识别和语音内容的识别,生成语言特征文本描述。

4.根据权利要求3所述的融合肢体语言、微表情和语言的抑郁和自杀倾向识别方法,其特征在于,步骤S1.1中,从收集的视频中选出单帧输入到卷积神经网络(CNN)进行训练和测试;将视频中的所有单独帧输入至训练完成后的卷积神经网络(CNN),得到带有情感特征的静态运动,将带有情感特征的静态运动输入至Softmax分类器中进行分类,完成静态运动的识别;softmax函数,计算公式如下:

其中,Wi为第i类特征文本的权重矩阵,b代表偏置。

5.根据权利要求4所述的融合肢体语言、微表情和语言的抑郁和自杀倾向识别方法,其特征在于,卷积神经网络(CNN)利用部分滤波器计算卷积,即利用输入项的局部子矩阵和局部滤波器进行内积运算,输出为卷积矩阵;卷积神经网络(CNN)中的隐含层包括两个卷积层和两个池化层;

卷积层的计算公式如下:

其中,l表示第l个卷积层,i表示卷积输出矩阵第i个分量的值;j表示对应输出矩阵的个数;j的值在0到N之间变化,其中N表示卷积输出矩阵的数量;f是一个非线性的sigmoid型函数;

池化层使用均值池化,均值池化层的输入来自于上卷积层,输出作为下一个卷积层的输入,计算公式如下:

其中,代表池化过程结束后的局部输出,由上一层大小为n×n的局部小矩阵的均值导出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010764410.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top