[发明专利]一种基于深度学习的自闭症刻板行为分析方法及系统

说明书

本发明提出的提供的一种基于深度学习的自闭症刻板行为分析系统，包括虚刻板行为综合分析装置，刻板行为动作识别装置和刻板行为动作分类装置，能够在早期自闭症患者年幼时通过刻板行为的发现与分析，及早筛查患者并进行早期干预治疗，过深度学习多个动作识别算法的融合，在自建的刻板行为数据模型和已有视频资料的基础上，仅需要监控或录像视频，便可在复杂、多人等场景中识别并分析自闭症患者的刻板行为，使得其成本及其低廉，也不需要进行额外配置或固定场景搭设。

技术领域

本发明涉及辅助康复训练领域，具体涉及一种基于深度学习的自闭症刻板行为分析方法及系统。

背景技术

自闭症，又称儿童孤独症，是广泛性发育障碍的一种精神疾病。自闭症没有已知的治愈的方法，只能通过早期的干预训练，提高自闭症患者社交沟通和独立生活的能力。因而对于早期自闭症患者进行筛查、及早发现显得尤为重要。

自闭症孩子普遍存在着兴趣狭隘和有重复刻板行为的现象，重复刻板行具体为三类：身体动作的重复和刻板；对物体施加的重复、刻板和仪式行为；重复学习行为和强迫性思维。因此通过动作识别技术，对疑似自闭症孩子的重复刻板行为进行分析，可以有助于实现对早期自闭症患者的筛查和分析。

发明内容

本发明的目的是提供一种基于深度学习的自闭症刻板行为分析方法及系统，能够在早期自闭症患者年幼时通过刻板行为的发现与分析，及早筛查患者并进行早期干预治疗。

为了达到上述目的，本发明一方面提供一种基于深度学习的自闭症刻板行为分析方法，包括以下步骤：

分析人体动作的视频序列并提取人体骨架模型，获得人体动作信息；

将人体动作信息输入刻板行为分析模型，获得自闭症患者典型刻板行为的判断结果；

将判断结果输入刻板行为分类模型，获得自闭症患者刻板行为的综合分析和评估。

具体的，所述人体动作的视频序列包括学校、家庭、医院等多人场景。

具体的，对所述人体动作的视频序列进行采样、修改帧率和宽高比，形成所述视频序列的统一格式化数据。

具体的，所述人体骨架模型包括患者五官、手指、脖子、臀部、四肢、脊椎和肩膀的动作。

具体的，所述刻板行为分析模型包括经过深度学习的第一神经网络；

所述第一神经网络根据经过训练的典型自闭症刻板行为类型对患者动作进行识别，根据识别结果对患者动作进行分类标签；

以典型自闭症刻板行为类型作为权重，根据分类标签对患者动作进行识别准确度的加权平均值计算。

具体的，所述刻板行为分析模型还包括：

所述第一神经网络经过训练的典型自闭症刻板行为类型对患者动作进行识别，根据识别结果将未被识别的患者动作形成一个新的典型自闭症刻板行为类型。

具体的，所述刻板行为分类模型包括经过深度学习的第二神经网络；

所述第二神经网络根据经过训练的刻板行为的严重等级和频率，对所述刻板行为分析模型判断的患者行为进行量化评估；

根据患者行为的量化评估结果，完成对早期自闭症患者的筛查。

具体的，所述刻板行为分类模型还包括：

根据自闭症刻板行为的严重等级和频率，建立患者行为的量化评估标准。

另一方面，本发明还一种基于深度学习的自闭症刻板行为分析系统，包括：

刻板行为综合分析装置，分析人体动作的视频序列并提取人体骨架模型，获得人体动作信息；