一种基于rPPG的心理抑郁智能识别方法及系统与流程

本申请涉及心理异常情绪检测领域，具体而言，涉及一种基于rppg的心理抑郁智能识别方法与系统。

背景技术：

1、目前，心理抑郁是一种常见的心理健康问题，几乎影响着全球各个年龄段的人群，从全球范围来说，心理抑郁是全球范围内的一种常见心理健康问题，据估计，全球有数亿人受到心理抑郁的影响。根据世界卫生组织(who)的数据，抑郁症是全球领先的致残原因之一。从不同年龄段来说，心理抑郁可以影响各个年龄段的人群，包括儿童、青少年、成年人和老年人，其中在青少年和成年人中尤为常见。从性别差异来说，研究表明，女性比男性更容易受到心理抑郁的影响。这可能与生物学因素、社会文化因素以及个体心理和情感因素等多种因素相关。传统的心理抑郁相关疾病的确诊与评估通常为线下心理诊所中心理医生进行评估，这种方式对越来越多的患者来说，通常需要排队才能获取心理医生的治疗，会出现心理抑郁相关疾病不能及时确诊的问题，因此，在心理健康管理和心理抑郁干预中，可以方便准确的识别到受试者的心理抑郁情况并给出评估结果的产品可以更早地发现并遏制心理疾病。

技术实现思路

1、本申请的主要目的在于提供一种基于rppg的心理抑郁智能识别方法与系统，以实现对受试者完成心理抑郁的智能识别与评估。

2、为了实现上述目的，本申请提供了：一种基于rppg的心理抑郁智能识别方法，所述方法包括：

3、采集面部视频数据；

4、从面部视频数据中提取rppg信号；

5、对rppg信号进行降噪处理，并从中提取用于描述心率相关指标的多个特征；

6、使用心理抑郁评估工具对受试者进行抑郁症状等级的评估并标注抑郁类别；

7、根据多个所述特征、抑郁症状等级及抑郁类别构建抑郁识别模型，所述抑郁识别模型选用高斯过程分类算法模型；

8、将抑郁识别模型部署至应用系统中并维护。

9、进一步，所述从面部视频数据中提取rppg信号的方法具体包括：

10、检测每个所述面部视频的视频帧，以获取面部矩形并分割面部兴趣区域；

11、识别每个面部兴趣区域中皮肤的颜色变化；

12、应用颜色模型对变化的皮肤颜色像素的颜色通道进行计算，并通过颜色通道的平均值构建rppg信号。

13、进一步，对rppg信号进行降噪处理，并从中提取用于描述心率相关指标的多个特征的方法具体包括：

14、应用基线消除算法消除或抑制原始rppg信号脉冲急剧下降或上升的趋势；

15、应用尖峰平滑算法消除急剧下降的尖峰噪声；

16、应用五点三次平滑算法去除高频随机噪声，并获得降噪后的rppg信号；

17、对降噪后的rppg信号至少提取时域特征、频域特征和时频域特征；

18、从所述时域特征、频域特征和时频域特征中提取多个与心率变异性相关的参数作为多个所述特征。

19、进一步，使用心理抑郁评估工具对受试者进行抑郁症状等级的评估并标注抑郁类别的方法具体包括：

20、通过心理抑郁评估工具收集受试者的心理抑郁水平数据；

21、对所述抑郁水平数据进行缺失值和异常值处理；

22、根据心理抑郁评估工具的内容设计和常规实践结合处理后的抑郁水平数据，划分受试者的抑郁症状等级和抑郁类别。

23、进一步，所述根据多个所述特征、抑郁症状等级及抑郁类别构建抑郁识别模型，所述抑郁识别模型选用高斯过程分类算法模型，具体包括：

24、将多个所述特征、抑郁症状等级及抑郁类别数据划分为训练集和测试集；

25、选用高斯过程分类算法对训练集数据进行训练并输出抑郁识别模型；

26、使用测试集数据对所述抑郁识别模型进行性能评估与参数调优；

27、输出调优后的抑郁识别模型。

28、进一步，所述选用高斯过程分类算法对训练集数据进行训练并输出抑郁识别模型的方法具体包括：

29、给定划分融合数据训练样本集d＝{(xi,yi)|i＝1,2,…,n},yi∈{0,1,2,3}；

30、设类条件先验概率p(xi|wj)(j＝0,1,2,3)和类先验概率p(wj)(j＝0,1,2,3)为已知，其中，类条件先验概率使用parzen窗方法进行估计求解，则由贝叶斯公式分别求解各样本xi的后验概率p(yi|xi)；

31、利用各样本xi的后验概率p(yi|xi)进行数据转换获取数据集其中，zi为数据转换后的标签；

32、计算协方差矩阵k，实现特征分解k＝pt∧p，其中协方差函数定义为其中，α1,α2分别为固定常数；

33、公式推导化简并获得模拟参数σ；

34、计算求解(k+σ2i)-1＝pt(∧+σ2i)-1p，并输出数据集z和逆矩阵(k+σ2i)-1，以完成数据训练并输出抑郁识别模型。

35、进一步，所述将抑郁识别模型部署至应用系统中并维护的方法具体包括：

36、创建api服务，用于加载模型并接收请求及返回模型识别结果；

37、将api服务部署到应用系统中；

38、监控api服务的运行状态，并定期更新模型。

39、本实施例进一步公开了一种基于rppg的心理抑郁智能识别系统，包括：

40、数据采集模块，用于采集面部视频数据；

41、rppg信号提取模块，用于从面部视频数据中提取rppg信号；

42、特征提取模块，用于对rppg信号进行降噪处理，并从中提取用于描述心率相关指标的多个特征；

43、数据标注模块，用于使用心理抑郁评估工具对受试者进行抑郁症状等级的评估并标注抑郁类别；

44、模型训练与评估模块，用于根据多个所述特征、抑郁症状等级及抑郁类别构建抑郁识别模型，所述抑郁识别模型选用高斯过程分类算法模型；

45、模型部署模块，用于将抑郁识别模型部署至应用系统中并维护。

46、本实施例进一步公开了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

47、本实施例进一步公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述的方法。

48、本发明提供的基于rppg的心理抑郁智能识别方法与系统，与现有技术相比，其有益效果为：采用面部视频数据作为心理抑郁识别的基础数据，可以满足远程的基础数据采集，数据采集更方便快捷，同时通过对多名受访者进行心理抑郁等级与对应采集到的多个特征进行高斯过程分类算法模型训练，在远程部署抑郁识别模型后，可以实现通过远程采集到的rppg信号对受试者进行准确的心理抑郁识别。

技术特征：

1.一种基于rppg的心理抑郁智能识别方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于rppg的心理抑郁智能识别方法，其特征在于，所述从面部视频数据中提取rppg信号的方法具体包括：

3.如权利要求2所述的基于rppg的心理抑郁智能识别方法，其特征在于，对rppg信号进行降噪处理，并从中提取用于描述心率相关指标的多个特征的方法具体包括：

4.如权利要求1所述的基于rppg的心理抑郁智能识别方法，其特征在于，使用心理抑郁评估工具对受试者进行抑郁症状等级的评估并标注抑郁类别的方法具体包括：

5.如权利要求1所述的基于rppg的心理抑郁智能识别方法，其特征在于，所述根据多个所述特征、抑郁症状等级及抑郁类别构建抑郁识别模型，所述抑郁识别模型选用高斯过程分类算法模型，具体包括：

6.如权利要求5所述的基于rppg的心理抑郁智能识别方法，其特征在于，所述选用高斯过程分类算法对训练集数据进行训练并输出抑郁识别模型的方法具体包括：

7.如权利要求1所述的基于rppg的心理抑郁智能识别方法，其特征在于，所述将抑郁识别模型部署至应用系统中并维护的方法具体包括：

8.一种基于rppg的心理抑郁智能识别系统，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。

技术总结本申请公开了一种基于rPPG的心理抑郁智能识别方法及系统，方法包括：采集面部视频数据；从面部视频数据中提取rPPG信号；对rPPG信号进行降噪处理，并从中提取用于描述心率相关指标的多个特征；使用心理抑郁评估工具对受试者进行抑郁症状等级的评估并标注抑郁类别；根据多个特征、抑郁症状等级及抑郁类别构建抑郁识别模型，抑郁识别模型选用高斯过程分类算法模型；将抑郁识别模型部署至应用系统中并维护。采用面部视频数据作为心理抑郁识别的基础数据，同时通过对多名受访者进行心理抑郁等级与对应采集到的多个特征进行高斯过程分类算法模型训练，在远程部署抑郁检测模型后，可以实现通过远程采集到的rPPG信号对受试者进行准确的心理抑郁识别。技术研发人员：李宗博,杜登斌受保护的技术使用者：吾征智能技术（北京）有限公司技术研发日：技术公布日：2024/10/10