[发明专利]基于微表情与脑波分析算法的心理健康状况分析算法

说明书

本发明涉及精神测评技术领域，具体涉及基于微表情与脑波分析算法的心理健康状况分析算法，通过对儿童的脑波信号以及微表情的数据收集，避免了过多的主观因素，同时利用计算机技术与心理学的科学交叉，提升了对儿童心理焦虑状况的识别效果，使得识别结果具有高准确性、针对临床应用需求具有可解释性，能够切实地解决目前研究中对儿童焦虑症识别不准确、干预不及时的问题。

技术领域

本发明涉及精神测评技术领域，具体涉及一种基于微表情与脑波分析算法的心理健康状况分析算法。

背景技术

目前，国内微表情识别研究的发展在微表情识别的迁移学习上发展非常快，在将脑波研究大多集中于运动想象控制外部设备以及为残障人士提供康复训练等方面，已经取得了不少的成就与应用，其中，在利用脑波信号进行精神健康测评方面也有了一定的应用。

然而实际工作中发现，在儿童焦虑方面的研究，部分学者采用了大数据技术来收集行为进行分析，这些检测技术对儿童来说其实都不是十分友好的，非常容易存在数据缺失和数据不真实等情况，也无法进行大范围推广。

经研究认为，目前儿童焦虑测评方面的技术存在的缺陷有：1、数据集的极度缺乏，由于微表情特殊的性质，因此需要设计较为复杂的实验才能让人自发的产生微表情，而微表情的人工识别难度又较大，使得数据集的标注也成了一大难题；2、脑波信号在时间序列上的强连续性，以及多通道之间的相关联性容易被忽视，如何改进现有的对信号的特征提取算法也成了一大难题，同时还需要提高信号的可信度、提高预测准确率；3、表情、微表情与情绪之间的对应关系仍不明确，需要进行大量的实验和样本分析进行探索验证，同时，儿童焦虑症特征如何在计算机科学角度进行量化，如何确定焦虑症患儿的脑波特征，与脑波领域进行融合，都是亟需解决的难题；4、传统方式通过监护人填表来判断儿童心理情况，该方式中，由于监护人主观判断的存在，因此，心理情况的评测就不一定准确。

发明内容

针对现有技术中存在的不足，本发明提供了一种基于微表情与脑波分析算法的心理健康状况分析算法，所要解决的技术问题是如何通过对儿童的脑波信号以及微表情的数据收集，避免了过多的主观因素，提升了对儿童心理焦虑状况的识别效果，使得识别结果具有高准确性。

为解决上述技术问题，本发明提供的技术方案是：一种基于微表情与脑波分析算法的心理健康状况分析算法，包括以下步骤：

S1：让被试人员打开软件/网页，对其进行心理学测试并得到测试结果，测试的同时收集被试人员的脑波信号与人脸微表情数据，并记录下被试人员的面部长视频；

S2：将S1中得到的脑波信号以及人脸微表情数据通过学习得到数据模型，随后将数据输入数据模型并结合S1中得到的测试结果形成分析结果；

S3：对S1中被试人员的脑波信号进行预处理，并对处理后的脑波信号的时间序列进行多尺度化分析，通过特征选取实验得出最有效的选取特征组合；

S4：将S1中被试人员的面部长视频利用传统模式识别和深度学习方法，先从含有人脸的视频中快速识别出含有人脸的区域，随后排除无表情片段、常规表情片段和其他面部动作片段的干扰，并从已经完成人脸定位的长视频中提取出含有微表情的片段；

S5：将S4中已经确定含有微表情的视频片段，根据动作幅度识别其起始点、顶点与终止点，由此得到三个点的微表情特征；

S6：将S5中得到的微表情特征与S3中得到的选取特征组合通过深度学习神经网络建议的深度神经网络模型得到被试人员的心理健康情况；

S7：将S2中得到的分析结果与S6中得到的心理健康情况相结合，得到健康、轻微、严重三个类别的结果，并根据不同的结果采取不同的疗法，同时对S2中得到的数据模型进行研究分析。

进一步地，在步骤S1中，采集不同刺激下被试人员对应的脑波数据。

进一步地，在步骤S3中，预处理的方式为降噪和分通道。