[发明专利]基于面部特征的抑郁症识别系统

权利要求书

1.基于面部特征的抑郁症识别系统，其特征是，包括：

获取模块，其被配置为：获取受试者的面部表情图像；

预处理模块，其被配置为：对采集的面部表情图像进行人脸检测，得到人脸区域图像；将检测到的人脸区域图像进行人脸对齐处理，得到对齐后的人脸区域图像；将对齐后的人脸区域图像进行特征提取，提取出若干种人脸几何特征；

特征融合模块，其被配置为：将所有的人脸几何特征进行特征融合，得到融合后的人脸几何特征；

抑郁症识别模块，其被配置为：将人脸几何特征，输入到训练后的抑郁症识别神经网络模型中，输出最终的抑郁症识别结果。

2.如权利要求1所述的基于面部特征的抑郁症识别系统，其特征是，所述对采集的面部表情图像进行人脸检测，得到人脸区域图像，具体包括：

将采集到的面部表情图像转换成灰度图，使用OpenCV库加载Haar级联分类器进行人脸检测，将图像中包含完整人脸的部分裁剪成224×224的正方形图像。

3.如权利要求1所述的基于面部特征的抑郁症识别系统，其特征是，所述将检测到的人脸区域图像进行人脸对齐处理，得到对齐后的人脸区域图像，具体包括：

使用Dlib库提供的68点关键点信息检测的模型来实现人脸对齐操作。

4.如权利要求1所述的基于面部特征的抑郁症识别系统，其特征是，所述将对齐后的人脸区域图像进行特征提取，提取出若干种人脸几何特征，具体包括：

使用开源工具OpenFace 2.0对面部表情图像进行面部特征提取，获得若干种面部几何特征，并存储在csv文件里；其中，若干种面部几何特征，包括：面部动作单元、眼睛注视估计、二维关键点位与三维关键点位置。

5.如权利要求1所述的基于面部特征的抑郁症识别系统，其特征是，所述将所有的人脸几何特征进行特征融合，得到融合后的人脸几何特征，特征融合的方式采用串联融合。

6.如权利要求1所述的基于面部特征的抑郁症识别系统，其特征是，所述将人脸几何特征，输入到训练后的抑郁症识别神经网络模型中，输出最终的抑郁症识别结果，其中，训练后的的抑郁症识别神经网络模型，具体网络结构包括：

依次连接的输入层、第一卷积块、第一压缩激励模块SE1、第二卷积块、第二压缩激励模块SE2、第三卷积块、第三压缩激励模块SE2、第四卷积块、第四压缩激励模块SE2、第五卷积块、第五压缩激励模块SE2、位置编码生成器PEG和平均池化层，所述平均池化层的输出端分别与权重变化模块的输入端和全连接层D1的输入端连接，权重变化模块的输出端还与输入层的输入端连接。

7.如权利要求6所述的基于面部特征的抑郁症识别系统，其特征是，其中，第一卷积块，包括一层卷积层conv1；

其中，第二卷积块，包括依次连接的卷积层conv2_1、卷积层conv2_2和卷积层conv2_3；

其中，第三卷积块，包括依次连接的卷积层conv3_1、卷积层conv3_2、卷积层conv3_3和卷积层conv3_4；

其中，第四卷积块，包括依次连接的卷积层conv4_1、卷积层conv4_2、卷积层conv4_3、卷积层conv4_4、卷积层conv4_5和卷积层conv4_6；

其中，第五卷积块，包括依次连接的卷积层conv5_1、卷积层conv5_2和卷积层conv5_3。

8.如权利要求6所述的基于面部特征的抑郁症识别系统，其特征是，所述第一压缩激励模块SE1、第二压缩激励模块SE2、第三压缩激励模块SE3、第四压缩激励模块SE4和第五压缩激励模块SE5，其内部结构是一致的；其中，第一压缩激励模块SE1，包括：依次连接的全局平均池化层、全连接层c1和全连接层c2；其中全局平均池化层作为压缩部分，用于对特征进行压缩；其中，全连接层c1和全连接层c2作为激励部分，全连接层c1用于压缩特征，全连接层c2用于恢复特征。