一种基于人工智能的表情和心理健康管理系统的制作方法

本发明属于人工智能人脸识别和心理分析管理系统的领域，特别涉及一种基于人工智能的表情和心理健康管理系统。

背景技术：

人脸作为信息传递最直接的媒介，扮演着极为重要的角色，我们可以通过脸部表情特征洞察人们表情下面隐藏的心理状态。

人脸表情识别可以智能分析检测人脸图像中人脸的表情，以确定出人脸在被识别时被识别对象的心情，如快乐、悲伤、愤怒等等。目前对人脸表情识别的方式主要是，建立起各种心情如快乐等模型，对应的特征区域如眼睛、嘴巴、眉毛等的模型或者拓扑结构，通过在图像中取出图像中的特征点如眼睛的像素点、眉毛的像素点等或者几何特征区域如眼睛的特征区域、嘴巴的特征区域，并将这些特征点或者几何特征区域与已经建立好的模型或者拓扑结构进行对比，进而确定表情类别。

针对目前的表情监测心理的智能设备系统，都是通过摄像头采集使用者表情图像信息，对使用者进行动态表情分析，获得使用者当前的心理状态，从而对使用者以动画、语音、文字等形式作出回应。但也存在很多不足之处：首先只能在系统提前预设表情和心理对应的模型，系统不能自主更新；其次，现有的分析系统都只通过不同场景的摄像仪来采集的表情做分析，并不能结合各个场景的采集的表情识别对象所处的环境应该有的心理状态做出判断；同时普遍存在没有表情心理预警功能，只是纯粹展示表情分析结果和系统匹配的心理结果。

技术实现要素：

本发明的目的在于针对上述技术背景下现有的系统存在的缺陷，提供一种准确性、个性化的、自动更新标准库、具备动态抓取数据的和反馈信息的一种基于人工智能的表情和心理健康管理系统。

为达到上述目的，本发明采用下述技术方案得以解决:一种基于人工智能的表情和心理健康管理系统，其特征包括表情采集设备、学生脸部表情捕获模块、场景化模块、建立人脸表情场景化配对模块、人工智能深度学习模块、心理健康模型模块、表情与心理健康数据库模块、人工智能预警模块；本发明提供的一种基于人工智能的表情和心理健康管理系统不仅可以实现管理方便，节省人工成本，还能提高管理效率，还可以提高系统的交互体验和个性化服务。

上述技术方案中采集设备，其特征包含校园所有带摄像头的智能设备，包括学校教室的智慧班牌上的人脸识别摄像头、班级教室里面的监控摄像头、公共区域(图书馆、走廊、操场、校门口等)的摄像头、以及其他地方的摄像头。

进一步的，上述技术方案中学生脸部表情的获取，其特征包含通过表情采集智能设备摄像头采集学生的脸部表情特征。

进一步的，上述学生脸部表情的获取包含图像处理模块，其特征为对所采集的人脸图像进行处理，包括：灰度化、尺寸调节及图像与学生身份的匹配。

上述技术方案中的场景化模块，其特征特征包括抓取学校或者接入系统的各处摄像头的编号或者ip地址，用于记录系统每次抓取的图像所关联的编号或者ip地址。

进一步的，校园管理者可以在系统中标注各个智能设备摄像头的编号或ip地址多对应的场所。

根据上述方案所述建立人脸表情场景化配对模块，其特征系统将各个摄像头采集到的图像进行人脸表情特征识别的同时，将其特征信息与对应的摄像头的编号和ip地址进行关联。系统可以记录用户每个表情特征所发生的地理位置。

根据上述方案所述人工智能深度学习模块，其特征为本发明提供的一种基于人工智能的表情和心理健康管理系统，可以不停的在采集的图像库中进行图像迭代，即表情特征库的迭代，使得每次系统匹配的标准表情模型都是最新的、完整度更好的。

进一步的，系统中用于各个摄像头表情比对的图像库不是系统管理者提前预设的，而是本发明提供一种基于人工智能的表情和心理健康管理系统阶段性批量采集学生的表情，然后根据一定的算法，将此阶段概率出现最高的表情特征作为各个摄像头进行表情比对的标准。

根据上述方案所述心理健康模型模块，其特征包括系统预设的快乐、悲伤、惊讶、厌恶、恐惧、愤怒等六种心理状态所对应的人脸部特征模型。

进一步的，上述方案中表情与心理健康数据库模块，主要用于将上述学生脸部表情的获取单元中的图像处理模块中，所有摄像头不停的获得的学生脸部表情特征与系统预设的六种心理状态对应的脸部特征进行匹配，批量建立和存储匹配的结果作为模型库。

进一步的，上述方案中人工智能预警模，其特征包含有人工智能比对给出预警值单元，此单元在接收到任意定时定点的表情图像后，经上述表情与心理健康数据库模块进行特征匹配，在结果出现异常时高于系统的标准表情参数值，则系统表情与心理健康ai则会给个人终端或者集体终端发送预警信息。

进一步的，上述人工智能比对给出预警值单元包含表情与心理健康ai，其特征用于不仅预警学生在某场景处的表情异常，还能根据异常的表情匹配对应的心理提醒和指导意见，进一步告知管理者和使用者如何对学生异常心理状况进行调整。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1为本发明系统组成示意图。

具体实施方式

下面将结合本系统组成示意图图1和具体实施例，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中系统用于学校学生的表情和心理健康管理的实施例，本发明提供的一种基于人工智能的表情和心理健康管理系统同样适用于其他群体和对象，都属于本发明保护的范围。

上述技术方案中采集设备，其特征包含校园所有带摄像头的智能设备，包括学校教室的智慧班牌上的人脸识别摄像头、班级教室里面的监控摄像头、公共区域(图书馆、走廊、操场、校门口等)的摄像头、以及其他地方的摄像头。

进一步的，上述技术方案中步骤120学生脸部表情的获取，其特征包含通过表情采集智能设备摄像头采集学生的脸部表情特征。

进一步的，上述步骤120学生脸部表情的获取包含图像处理模块，其特征为对所采集的人脸图像进行处理，包括：确定各个摄像头图像，并计算所采集的图像中脸部的眼睛、鼻子和嘴巴、两颊等部位的像素点和灰度值等从参数，行程一组代码[an]上传系统。

上述技术方案中的步骤130场景化模块，其特征特征包括抓取学校或者接入系统的各处摄像头的编号或者ip地址，用于记录系统每次抓取的图像所关联的编号或者ip地址。

进一步具体实施方式为，系统管理者可以根据各个摄像头进行编码01、02、03等等，同时在在系统中输入编码对应的地点：操场（东）、一（2）班走廊、三（5）班教室等，这样每个摄像头的地理位置可以对应系统中的一组唯一代码[bn]，每个摄像头所拍摄的图像都会携带此代码[bn]上传系统数据库。

根据上述方案所述步骤131建立人脸表情场景化配对模块，其特征系统将上述步骤120学生脸部表情的获取包含图像处理模块进行人脸表情特征计算的特征代码[an]，将其与对应的摄像头的编号和ip地址代码[bn]进行关联，这样系统可以记录用户每个表情特征所发生的地理位置。

根据上述方案所述步骤141人工智能深度学习模块，其特征为本发明提供的一种基于人工智能的表情和心理健康管理系统，可以步骤140周期性批量采集的图像库中进行图像迭代，即表情特征库的迭代，使得每次系统匹配的标准表情模型都是最新的、完整度更好的。

实施例一：

步骤142场景化模块对于上述01号编码的摄像头，即操场（东）的摄像头，对应输出的所有图像地址代码为[b1]，本实施例中以小明同学为参考对象进行说明，操场（东）的摄像头才不停的抓取小明同学在操场上的脸部图像。

进一步的，系统步骤140周期性批量进行脸部特征进行身份信息匹配出小明同学的信息的同时，系统也在步骤140周期性批量进行表情特征识别，生成多组小明同学的脸部特征代码[a1]、[a2]、[a3]、[a4]、[a5]、[a6]、…、[an]。

进一步的，步骤141人工智能深度学习模块可以计算上述小明脸部表情特征代码[a1]-[an]中概率最高的一个如果是[a5]，则系统将小明脸部特征代码[a5]定义为操场（东）的摄像头处，则小明同学的标准表情为脸部特征代码[a5]所对应的表情m。

进一步的，系统可以步骤140周期性批量采集小明脸部特征代码[an+1]时，系统人工智能深度学习模块则继续计算[a2]-[an+1]中概率最高的一个如果是[a10]，则系统将脸部特征代码[a10]定义为操场（东）的摄像头处，该同学的标准表情为脸部特征代码[a10]所对应的表情n。

进一步的，由于长时间的迭代使得每个摄像头对应的标准表情都在不停的更新，长期的计算对比迭代结果m表情概率大于表情n，则表情n成为该同学在该场景处应当成为正常状态的脸部表情，其表情特征代码为[a10]。

根据上述方案所述步骤150心理健康模型模块，其特征包括系统预设的快乐、悲伤、惊讶、厌恶、恐惧、愤怒等七种心理状态所对应的人脸部特征模型,分别对应一种预设的脸部特征代码[c1]、[c2]、[c3]、[c4]、[c5]、[c6]。

上述方案中步骤160表情与心理健康数据库模块，主要用于将上述学生脸部表情的获取单元中的图像处理模块中，所获得的学生脸部表情特征与系统预设的六种心理状态对应的脸部特征进行匹配。

进一步具体实施方式为，步骤160表情与心理健康数据库模块将上述01号编码的摄像头，即操场（东）的摄像头，对应输出的所有图像地址代码为[b1]，所输出的标准表情n对应表情特征代码[a10]与系统中预设的脸部特征代码[c1]、[c2]、[c3]、[c4]、[c5]、[c6]做对比计算，假设匹配度超过[c1]的阈值则认为表情n为特征代码[c1]所对应的心理状态“快乐”。

进一步的，系统将地址代码为[b1]即操场（东）处的心理状态“快乐”和表情n作为该处场景化即该同学在操场场景处的标准表情和心理状态。

实施例二：

上述方案步骤172中人工智能预警模块，其特征包含有人工智能比对给出预警值单元，此单元在接收到任意定时定点的表情图像后，经上述步骤160表情与心理健康数据库模块进行特征匹配，在结果出现异常时高于系统的标准表情参数值，则系统表情与心理健康ai则会给个人终端或者集体终端进行步骤180发送预警信息。

进一步具体实施方式为，某时间点在地址代码为[b1]即操场（东）采集到上述实施例中小明同学的某个表情特征，假设小明跟同学在操场上突然很沮丧，则系统图像处理模块会计算得出此时小明的脸部特征代码为[a1024]。

进一步的，步骤160表情与心理健康数据库模块将上述脸部特征代码[a1024]与系统预存六种表情心理状况进行计算对比，得出[a1024]与[c2]代码最接近，则系统判断此时心理状况为“悲伤”。

步骤172人工智能对比给出预警值模块将代码[a1024]与特征该操场场景处的标准表情脸部特征代码[c1]进行对比计算。

进一步的，当通过函数f（[a1024]，[c1]）计算得出脸部特征代码为[a1024]超过[c1]一定阈值，则步骤172人工智能对比给出预警值模块判断此时该同学在操场上的表情异常。

进一步的，上述步骤172人工智能对比给出预警值模块向校园集体终端（智慧班牌、老师校园pc端等）和学生的家长、老师个人终端（手机、个人pc等）发送提醒信息，其特征包含短信、语音、视屏图像等反馈信息。

实施例三：

上述步骤172人工智能对比给出预警值模块包含表情与心理健康ai，其特征用于不仅预警学生在某场景处的表情异常，还能根据异常的表情匹配对应的心理提醒和指导意见，进一步告知管理者和使用者如何对学生异常心理状况进行调整。

进一步的，根据上述实施例二中，步骤172人工智能对比给出预警值模块判别小明此时在操场上情绪沮丧时，表情与心理健康ai则向小明所在班级的电子班牌或者老师、其家长手机终端上主动发送“小明同学情绪异常，在操场（东）位置表情很悲伤”等信息进行预警。

上述步骤172人工智能比对给出预警值单元预存了六种表情和心理可能出现的原因模型，对异常表情的预警给出对应的解决方案提示。

进一步的，上述表情与心理健康ai除了发送上述预警信息，还将发送小明最近异常情况的频率，告知家长和老师“最近一周小明在操场上悲伤次数为6次，有可能小明同学在操场上遇到麻烦，请妈妈注意小明最近的同学关系”等等个性化反馈信息。

根据上述实施例，办发明提供的一种基于人工智能的表情和心理健康管理系统同理适用于教室、走廊、校门口、智慧班牌等场景化的表情和心理健康管理。

进一步的，办发明的表情与心理健康ai在发出的预警信息包含所有接入本系统的智能设备场景化的表情与心理健康异常信息和个性化反馈信息。