一种基于计算机视觉的抑郁症检测与识别系统技术方案

本发明专利技术属于抑郁症技术领域，尤其是一种基于计算机视觉的抑郁症检测与识别系统，包括人脸采集模块，所述人脸采集模块电性连接有后台处理系统，所述后台处理系统电性链接有信息输出模块。该基于计算机视觉的抑郁症检测与识别系统，通过设置人脸采集模块，在使用时，数据采集端提供一张被试人人脸图像即可完成识别，完全是非接触式的，传统识别方法大多需要辅以多种专业检测设备，从而具有为抑郁症识别工作节省大量人力、物力和财力成本的效果。

【技术实现步骤摘要】
一种基于计算机视觉的抑郁症检测与识别系统
本专利技术涉及抑郁症
，尤其涉及一种基于计算机视觉的抑郁症检测与识别系统。
技术介绍
抑郁症被形象地称为“心灵感冒”，意思是说抑郁症像伤风感冒一样，是一种常见的心境障碍。据世界卫生组织(WHO)预测，到2020年底，抑郁症将成为仅次于缺血性心脏病的第2位致残疾病。1998年，世界精神卫生调查委员会对焦虑障碍、心境障碍、冲动一控制障碍及药物依赖的年患病率、疾病严重度、功能损害程度和接受治疗情况等进行了调查。目前抑郁症的诊断主要包括自我识别与医院或心理咨询机构的诊断两个部分。抑郁症自我识别的关键是患者是否存在有明显情绪低落，患者终日忧心忡忡、抑郁寡欢、愁眉苦脸、长吁短叹；是否有兴趣的缺乏，患者对任何事情都提不起劲，心里有压抑感，高兴不起来；是否有精力不济、疲劳，无论是做脑力劳动还是体力劳动都觉得疲劳，即使充分休息都不能恢复；是否有明显的睡眠障碍，特别是早醒；典型的抑郁患者，其抑郁心境有晨重夜轻的节律改变的特点，即情绪低落在早晨更严重，而傍晚时有所减轻。也可以借助自评量表(如《贝克抑郁问卷》和《Zung自评量表》等)进行自我评估。临床研究中常使用他评量表，如汉密尔顿抑郁量表(HAMD)及蒙哥马利抑郁量表(MADS)评定疾病严重程度。造成抑郁症识别率低的原因有多种，有患者自身的“病耻感”作祟、抑郁症伴发症状多样且复杂、医师的诊断能力等原因，但有限的公共卫生人力资源则是更为严重的因素。随着社会对精神卫生服务的需求大量增加，精神科医护人员技术力量的匮乏更加突出。目前传统的抑郁症检测与诊断方法需要大量投入人力、物力成本，并且对患者的识别诊断过程耗时长且复杂，所以需要一种基于计算机视觉的抑郁症检测与识别系统。
技术实现思路
基于现有的抑郁症检测与诊断方法需要大量投入人力、物力成本，并且对患者的识别诊断过程耗时长且复杂的技术问题，本专利技术提出了一种基于计算机视觉的抑郁症检测与识别系统。本专利技术提出的一种基于计算机视觉的抑郁症检测与识别系统，包括人脸采集模块，所述人脸采集模块电性连接有后台处理系统，所述后台处理系统电性链接有信息输出模块。优选地，所述人脸采集模块为摄像头。优选地，所述后台处理系统包括有人脸识别模块，所述人脸识别模块电性连接有对比分析模块。优选地，所述对比分析模块双向电性连接有数据库模块。优选地，该基于计算机视觉的抑郁症检测与识别系统的使用方法为：步骤一、收集大量抑郁症和非抑郁症人员人脸图像数据，对数据进行标注，并进行人脸检测、关键点检测、人脸矫正、光照归一化和数据增强预处理操作，并以预处理后的数据集对抑郁症识别模型进行微调训练，通过较多次数迭代后获得一个准确率高且鲁棒性高的识别模型；步骤二、实际测试过程中，首先获取被试者人脸图像数据，经过与训练阶段相同的预处理后对测试数据进行再次增强，增强后数据一次输入识别模型后得到识别结果。本专利技术中的有益效果为：1、通过设置后台处理系统，在对抑郁症筛查过程中，具有检测速度快和在大人口基数情况下，在保证识别效率的同时也兼顾了较高的识别准确率的效果。2、通过设置人脸采集模块，在使用时，数据采集端提供一张被试人人脸图像即可完成识别，完全是非接触式的，传统识别方法大多需要辅以多种专业检测设备，从而具有为抑郁症识别工作节省大量人力、物力和财力成本的效果。3、通过设置人脸采集模块，在使用时，实现用户的随时随地接入访问，操作方便且个人隐私受到严格保护，减轻被试人的心理负担，使其能够及时正确地面对抑郁症问题，从而具有对抑郁症进行尽早发现、尽早就诊和尽早治疗的效果。附图说明图1为本专利技术提出的一种基于计算机视觉的抑郁症检测与识别系统的示意图；图2为本专利技术提出的一种基于计算机视觉的抑郁症检测与识别系统的单人识别模式流程图；图3为本专利技术提出的一种基于计算机视觉的抑郁症检测与识别系统的批量识别模式流程图；图4为本专利技术提出的一种基于计算机视觉的抑郁症检测与识别系统的识别模块训练测试流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。参照图1-4，一种基于计算机视觉的抑郁症检测与识别系统，包括人脸采集模块，所述人脸采集模块电性连接有后台处理系统，所述后台处理系统电性链接有信息输出模块；人脸采集模块为摄像头，后台处理系统包括有人脸识别模块，所述人脸识别模块电性连接有对比分析模块，对比分析模块双向电性连接有数据库模块；该基于计算机视觉的抑郁症检测与识别系统的使用方法，其使用方法为：步骤一、收集大量抑郁症和非抑郁症人员人脸图像数据，对数据进行标注，并进行人脸检测、关键点检测、人脸矫正、光照归一化和数据增强预处理操作，并以预处理后的数据集对抑郁症识别模型进行微调训练，通过较多次数迭代后获得一个准确率高且鲁棒性高的识别模型；步骤二、实际测试过程中，首先获取被试者人脸图像数据，经过与训练阶段相同的预处理后对测试数据进行再次增强，增强后数据一次输入识别模型后得到识别结果；通过设置后台处理系统，在对抑郁症筛查过程中，具有检测速度快和在大人口基数情况下，在保证识别效率的同时也兼顾了较高的识别准确率的效果；通过设置人脸采集模块，在使用时，数据采集端提供一张被试人人脸图像即可完成识别，完全是非接触式的，传统识别方法大多需要辅以多种专业检测设备，从而具有为抑郁症识别工作节省大量人力、物力和财力成本的效果；通过设置人脸采集模块，在使用时，实现用户的随时随地接入访问，操作方便且个人隐私受到严格保护，减轻被试人的心理负担，使其能够及时正确地面对抑郁症问题，从而具有对抑郁症进行尽早发现、尽早就诊和尽早治疗的效果。本申请中人脸矫正系统代码为：#net_factory:rnetoronet#datasize:24or48def__init__(self,net_factory,data_size,batch_size,model_path):graph＝tf.Graph()withgraph.as_default():self.image_op＝tf.placeholder(tf.float32,shape＝[batch_size,data_size,data_size,3],name＝'input_image')#figureoutlandmarkself.cls_prob,self.bbox_pred,self.landmark_pred＝net_factory(self.image_op,training＝False)self.sess＝tf.Session(config＝tf.ConfigProto(allow_soft_placement＝True,gpu_options＝tf.本文档来自技高网...

【技术保护点】
1.一种基于计算机视觉的抑郁症检测与识别系统，包括人脸采集模块，其特征在于：所述人脸采集模块电性连接有后台处理系统，所述后台处理系统电性链接有信息输出模块。/n

【技术特征摘要】
1.一种基于计算机视觉的抑郁症检测与识别系统，包括人脸采集模块，其特征在于：所述人脸采集模块电性连接有后台处理系统，所述后台处理系统电性链接有信息输出模块。


2.根据权利要求1所述的一种基于计算机视觉的抑郁症检测与识别系统，其特征在于：所述人脸采集模块为摄像头。


3.根据权利要求1所述的一种基于计算机视觉的抑郁症检测与识别系统，其特征在于：所述后台处理系统包括有人脸识别模块，所述人脸识别模块电性连接有对比分析模块。


4.根据权利要求3所述的一种基于计算机视觉的抑郁症检测与识别系统，其特征在于：所...

【专利技术属性】
技术研发人员：方天雨，卢志武，刘光镇，郑慧，
申请(专利权)人：杭州易懂科技有限公司，
类型：发明
国别省市：浙江;33