[发明专利]一种基于深度学习的绘画心理智能分析系统及方法

权利要求书

1.一种基于深度学习的绘画心理智能分析系统，其特征在于，包括：绘画采集模块和绘画心理智能分析模块；

所述绘画采集模块包括用户端采集单元和数据采集单元，所述用户端采集单元用于采集测试者绘制的图像、测试者的个人相关信息和量表测评信息，所述数据采集单元与所述用户端采集单元连接，所述数据采集单元用于接收所述测试者绘制的图像、所述测试者的个人相关信息和量表测评信息；

所述绘画心理智能分析模块包括绘画特征提取单元、个人信息特征提取单元、特征融合单元和特征分类单元，所述绘画特征提取单元和所述个人信息特征提取单元分别与所述数据采集单元连接，所述绘画特征提取单元用于从所述数据采集单元中提取绘画特征，所述个人信息特征提取单元用于从所述数据采集单元中提取个人信息特征，所述特征融合单元分别与所述绘画特征提取单元和所述个人信息特征提取单元连接，所述特征融合单元用于将所述绘画特征和对应的个人信息特征进行融合，所述特征分类单元与所述特征融合单元连接，所述特征分类单元用于根据融合后的信息确定所述测试者是否具有抑郁倾向。

2.根据权利要求1所述的基于深度学习的绘画心理智能分析系统，其特征在于，所述用户端采集单元包括平板设备和与所述平板设备配套的手写笔。

3.根据权利要求1所述的基于深度学习的绘画心理智能分析系统，其特征在于，所述个人信息特征提取单元按照信息的语义进行编码，得到4维个人信息特征，所述个人信息特征包括性别、年龄、婚姻状况和学历四个维度。

4.根据权利要求1所述的基于深度学习的绘画心理智能分析系统，其特征在于，所述绘画特征提取单元采用改进后的Sketch-a-Net模型，所述改进后的Sketch-a-Net模型的输入为3通道的PPAT图像，输出为256维PPAT图像特征。

5.一种基于深度学习的绘画心理智能分析方法，所述方法应用于权利要求1-4任意一项所述的基于深度学习的绘画心理智能分析系统，其特征在于，包括：

采集多名测试者绘制的PPAT图像、测试者个人相关信息和对应的量表测评分数；

根据各所述量表测评分数，确定对应的测试者的抑郁倾向二维标签；

将各所述测试者绘制的PPAT图像、所述测试者个人相关信息作为输入，所述测试者的抑郁倾向二维标签作为输出对Sketch-a-Net卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

获取待识别的测试者绘制的PPAT图像和对应的个人相关信息；

将所述待识别的测试者绘制的PPAT图像和所述个人相关信息作为输入，输入至所述训练后的卷积神经网络模型，得到待识别的测试者的抑郁倾向。

6.根据权利要求5所述的基于深度学习的绘画心理智能分析方法，其特征在于，所述将各所述测试者绘制的PPAT图像、所述测试者个人相关信息作为输入，所述测试者的抑郁倾向二维标签作为输出对Sketch-a-Net卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，具体包括：

输入各所述测试者绘制的PPAT图像和测试者个人相关信息；

对各所述测试者绘制的PPAT图像使用Sketch-a-Net卷积神经网络模型提取PPAT图像特征；

对所述测试者个人相关信息进行编码，得到个人信息特征；

将所述PPAT图像特征和所述个人信息特征进行融合，得到融合特征；

使用2层全连接层对所述融合特征在有抑郁倾向和无抑郁倾向2个类别中进行分类，得到分类结果；

获取测试者的抑郁倾向二维标签；

根据所述分类结果和所述二维标签计算损失函数，根据反向传播算法调整网络参数，得到训练后的卷积神经网络模型。