[发明专利]基于面部特征点与面部运动单元的抑郁检测方法和系统

说明书

本发明提供了一种基于面部特征点与面部运动单元的抑郁检测方法和系统，涉及抑郁状态检测技术领域。基于临床半结构化抑郁访谈视频，提取面部运动单元数据和面部特征点数据；对面部运动单元数据进行标准化处理，得到面部运动单元特征向量；对面部特征点数据降维，并利用通道注意力机制对降维后的面部特征点数据进行处理，得到面部特征点特征向量；将面部运动单元特征向量与面部特征点特征向量进行融合，并利用空间注意力分配注意力权重，得到面部融合特征向量；将面部融合特征向量输入特征展平层，得到抑郁状态检测结果。实现了基于诊疗过程中采集到的监测数据进行抑郁状态检测。

技术领域

本发明涉及抑郁状态检测技术领域，具体涉及一种基于面部特征点与面部运动单元的抑郁检测方法和系统。

背景技术

《2020抑郁症患者群体调查报告》显示，在中国登记的581万名严重精神障碍患者中，超过60％的抑郁症患者是通过网络上的抑郁自测问卷结果初次意识到自身可能存在抑郁状态。但当患者处于抑郁状态时，往往无法进行正确的自我评价，容易出现夸大或弱化自身抑郁状态的现象。由于至今尚未有任何明确的生物学指标能够可靠地诊断和预测抑郁症，抑郁症的诊断仍然高度依赖医生与患者之间的交流与观察，但专业机构中心理医疗资源有限、诊疗成本高昂，导致多数患者在未出现明显躯体症状前没有意愿主动寻求帮助

计算机视觉技术以其客观性、方便性与低成本等优点被广泛应用于抑郁状态的分析与检测领域，包含大量情感信息的面部被作为研究重点。

然而对用于检测抑郁状态的面部特征处理方法，现有的特征大多从单维度中提取，并未充分挖掘出特征的时序性特点，无法全面提供患者处于抑郁状态下的动态变化信息。且大量从诊疗过程中采集到的监测数据是非线性、非平稳的，现有的特征提取方法易导致特征冗余，无法提取与抑郁状态检测高度相关特征，影响抑郁检测效果。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于面部特征点与面部运动单元的抑郁检测方法和系统，解决了如何基于诊疗过程中采集到的监测数据进行抑郁状态检测的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，提供了一种基于面部特征点与面部运动单元的抑郁检测方法，该方法包括：

基于临床半结构化抑郁访谈视频，提取面部运动单元数据和面部特征点数据；

对面部运动单元数据进行标准化处理，得到面部运动单元特征向量；

对面部特征点数据降维，并利用通道注意力机制对降维后的面部特征点数据进行处理，得到面部特征点特征向量；

将面部运动单元特征向量与面部特征点特征向量进行融合，并利用空间注意力分配注意力权重，得到面部融合特征向量；

将面部融合特征向量输入特征展平层，得到抑郁状态检测结果。

进一步的，所述基于临床半结构化抑郁访谈视频，提取面部运动单元数据和面部特征点数据，包括：

通过点分布模型追踪视频中人脸，通过选择缩放进行人脸对齐操作；再利用可变型部件模型提取面部外观特征与几何特征；最后，使用支持向量机与支持向量回归检测各面部运动单元的出现的概率，且当概率大于阈值时，表示出现该运动单元。

进一步的，所述对面部运动单元数据进行标准化处理，得到面部运动单元特征向量，包括：

以时间序列索引最短的样本视频长度为标准，按比例将其余样本视频缩放至同一尺度；

通过softmax函数将同一样本内各运动单元统计数值压缩至(0,1)区间内，得到各面部运动单元之间的数量相对关系；