[发明专利]一种基于面部微表情动态识别的抑郁倾向检测方法

说明书

本发明公开了一种基于面部微表情动态识别的抑郁倾向检测方法，包括：S1，采集人脸的面部微表情视频，并提取每个面部微表情视频的动态图像；S2，将动态图像输入到已经训练好的微表情识别模型中，微表情识别模型输出动态图像所属的类别；S3，根据动态图像所属的类别判断是否含有消极情绪；若有，则所属表情类别为消极的，记为有抑郁倾向。本发明能够是能够识别出高压环境工作者的消极情绪，从而能够更准确的判断是否有抑郁倾向。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于面部微表情动态识别的抑郁倾向检测方法。

背景技术

在日常的社交生活中，面部表情能够提供人的情感信息，普通的面部表情维持4～5秒，是很容易被肉眼所捕捉。面部微表情是一种自发的、难以捕获的能够表达人的真实情感和心理状态的面部表情，持续时间在1/3～1/25秒，与正常的面部表情相比，面部微表情的肌肉运动幅度较小，持续时间更短，发生区域有限。而识别面部微表情任务能够用在一些特殊场景，例如科研人员的情绪监测、参与重大抗疫的医务人员情绪监测。现在人们对于这些在高压工作环境下的工作者的心理状态都有所忽视。但是，目前科研人员的心理疾病也处于一种多发的状态，主要表现有焦虑症、抑郁症等心理疾病。

大部分现有的抑郁情绪的识别主要在集中在压抑这一类的情绪的识别，这样识别出来的结果不够准确。因为但是除了压抑，比如生气、轻视、厌恶、恐惧、悲伤这类消极情绪也能导致抑郁情绪。如果工作人员长时间且多次检测出消极情绪，那可以认为该工作者的抑郁倾向更高，可以及时的进行心理疏导，对于保障工作者健康有着重大意义。此外光靠人来进行面部微表情识别的并不能保证准确率，远远达不到应用的要求，近几年来计算机视觉技术发展迅猛，利用计算机技术实现面部微表情识别也是大势所趋。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于面部微表情动态识别的抑郁倾向检测方法，采用了一种动态识别的方式识别面部微表情从而更准确判断抑郁倾向。因为面部微表情是一种自发的、难以控制的表达真实情绪的表情，所以本方法选择面部微表情作为特征来识别，以此得到真实情绪。针对抑郁倾向，本方法考虑了多种消极情绪，不只局限于压抑情绪，方法上构建了面部微表情识别模型对面部微表情进行识别，针对面部微表情的难识别性，获取面部微表情视频的动态图形，代替原视频帧作为模型的输入，改进了卷积过程，提出吸聚、局部响应归一化过程，获得良好的面部微表情识别效果。

本发明的目的通过以下的技术方案实现：

一种基于面部微表情动态识别的抑郁倾向检测方法，包括：

S1，采集人脸的面部微表情视频，并提取每个面部微表情视频的动态图像；

S2，将动态图像输入到已经训练好的微表情识别模型中，微表情识别模型输出动态图像所属的类别；

S3，根据动态图像所属的类别判断是否含有消极情绪；若有，则所属表情类别为消极的，记为有抑郁倾向。

优选地，微表情识别模型的训练包括：采集训练的面部微表情视频样本，获取对应的情绪类别；根据面部微表情视频样本获取每个面部微表情视频的动态图像；构建微表情识别模型，将动态图像输入微表情识别模型进行训练。

优选地，将动态图像输入微表情识别模型进行训练之后还包括：表情识别模型输出情绪类别，将输出的情绪类别和获取的对应的情绪类别进行对比，判定表情识别模型的准确性。

优选地，在步骤S1中面部微表情包括：压抑、生气、轻视、厌恶、恐惧、悲伤、高兴、惊讶和其他，其中压抑、生气、轻视、厌恶、恐惧、悲伤为消极情绪。

优选地，提取每个面部微表情视频的动态图像包括：将面部微表情视频输入到动态图像模型，获取动态图像。