[发明专利]基于面部特征的抑郁症识别系统

说明书

本发明公开了基于面部特征的抑郁症识别系统；其中，系统包括：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。

技术领域

本发明涉及抑郁症识别技术领域，特别是涉及基于面部特征的抑郁症识别系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

面部表情是人与人沟通的过程中最丰富的部分，是内心情绪的反映。研究表明，抑郁症患者的面部模仿能力与正常人有着明显的差异。目前医生主要通过不同的量表和临床访谈来判断患者是否患有抑郁症以及抑郁症的严重程度。然而这取决于医生的主观经验以及患者的认知能力，具有一定程度的局限性。

随着计算机视觉技术的发展与完善，借助计算机视觉技术辅助医生进行抑郁症识别或早期筛查成为了一种可能。因此，如何利用面部特征高效、准确地识别抑郁症成为行业内亟待解决的问题。

发明内容

为了解决现有技术的不足，本发明提供了基于面部特征的抑郁症识别系统；该方法根据抑郁症患者的面部表情自愿模仿图像提取出面部特征，设计了带有动态注意力的抑郁症识别神经网络模型，并对其进行了训练和评估。

基于面部特征的抑郁症识别系统，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。

与现有技术相比，本发明的有益效果是：

(1)本发明根据抑郁症患者的面部模仿能力的下降，提取出面部动作单元、眼睛注视估计和二维与三维关键点位置等面部几何特征，构建了一个高效的抑郁症识别方法，为抑郁症的早期识别和辅助临床诊疗提供便捷可靠的筛查手段；

(2)本发明是基于残差神经网络，加入了内外双层动态注意力机制，构建了基于面部特征的抑郁症识别神经网络模型。位置编码生成器PEG(Positional EncodingGenerator)能生成隐式的位置编码来为权重变化模块提供位置信息，权重变化模块把注意力放在了重要的特征上，能有效越过训练瓶颈，动态调整模型的输入，有效地避免了无关特征对抑郁症识别的干扰，提高了抑郁症识别的效率，本发明对抑郁症测试集的识别准确率高达85％以上。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为实施例一的方法流程图；

图2为实施例一的混淆矩阵；

图3为实施例一的抑郁症识别神经网络模型内部结构示意图。

具体实施方式