一种AI识别辅助下的心理疾病患者治疗效果的评估系统的制作方法

一种ai识别辅助下的心理疾病患者治疗效果的评估系统
技术领域
1.本发明涉及心理疾病评估领域，特别涉及一种ai识别辅助下的心理疾病患者治疗效果的评估系统。


背景技术：

2.心理疾病是由于内、外致病因素作用于人而造成脑功能障碍，从而破坏了人脑功能的完整性和个体与外部环境的统一性所致。心理疾病，根据其严重程度可分为精神病、神经症和认知障碍，具体包括分裂症、躁狂、抑郁性精神病、焦虑症、恐怖症、强迫症、抑郁症、神经衰弱、人格障碍、疑病症和性偏移等，心理疾病患者精神活动紊乱，导致其认识、情感、意志、行为等方面出现异常，以致不能维持正常精神生活，甚至作出危害自身和社会集体的行为。因心理疾病属于心理问题，所需治疗周期较久，反复性强，一般会在治疗一段时间后恢复正常，正常一段时间又会出现反复，因此需评估心理疾病患者的病情。但是，由于人具有行为能力，在监测过程中，容易出现监测者不在患者身边的情况，使患者无人监测，增大了患者自身的危险系数；另外，每个人都有隐私权，所以人工监测不能实现对患者随时随地的监测；而且，人工监测，费时费力。


技术实现要素：

3.本发明的主要目的在于提供一种ai识别辅助下的心理疾病患者治疗效果的评估系统，可以有效解决背景技术中提到的问题。
4.为实现上述目的，本发明采取的技术方案为：
5.一种ai识别辅助下的心理疾病患者治疗效果的评估系统，包括ai监测系统、监测平台、移动终端、无线网络和供电系统，ai监测系统通过无线网络与监测平台连接，监测平台通过无线网络与移动终端连接，ai监测系统包括行为监测模块、人脸情绪监测模块和生命体征监测模块，人脸情绪监测模块、人脸情绪监测模块和生命体征监测模块将采集的信息通过无线网络发送至监测平台，监测平台用于监测患者的当前运动姿态、当前情绪特征和生命体征，并在患者生命体征出现异常或作出危险动作时进行报警，将报警信息通过无线网络传输至移动终端。
6.进一步而言，所述行为监测模块包括处理器和传感器，传感器用于获取患者当前的角速度、加速度、三轴欧拉角、三轴磁场、气压和高度信息，并将获取到的信息发送给处理器，处理器用于对获取的数据进行姿态识别算法处理，得到患者当前的运动姿态，再将患者当前运动姿态传输至监测平台。
7.进一步而言，包括获取实时采集的视频图像；对所述视频图像中的所有帧图像进行小波变换以得到对应的能量特征向量；获取标准能量特征向量，并根据图像差分运算方法计算每个所述能量特征向量与所述标准能量特征向量之间的欧式距离值；判断多个所述欧式距离值中是否存在超过预设阈值的欧式距离值；若多个所述欧式距离值中存在超过所述预设阈值的欧式距离值，将超过所述预设阈值的欧式距离值的能量特征向量对应的图像
作为关键帧图像，其中，所述关键帧图像的个数为至少一个；获取预先存储的情绪识别模型，并基于所述情绪识别模型识别每个所述关键帧图像中的人脸情绪；以及根据所有所述关键帧图像中的人脸情绪获取所述视频图像对应的人脸情绪，以完成人脸情绪的识别。
8.进一步而言，对所述中性表情图像进行小波变换以得到对应的标准能量特征向量；以及存储所述中性表情图像和标准能量特征向量。
9.进一步而言，获取情绪训练样本图像集，其中，所述情绪训练样本图像集包括多个情绪训练样本图像和所述情绪训练样本图像中人脸的情绪标签；以及将所述情绪训练样本图像和对应的情绪标签输入至卷积神经网络模型中进行机器学习以得到情绪识别模型，并存储所述情绪识别模型。
10.进一步而言，获取训练样本图像集，其中，所述训练样本图像集包括多个训练样本图像和用于表征所述训练样本图像中是否存在人脸信息的人脸标签；获取所述训练样本图像的人脸哈尔特征向量；将所述训练样本图像对应的人脸哈尔特征向量以及人脸标签输入至基于决策树模型的adaboost提升模型中进行训练，以得到人脸检测识别模型；以及存储所述人脸检测识别模型。
11.进一步而言，从所述校准视频图像中的多帧图像中按照预设规则抽取预设帧数的图像作为校准图像；基于预先存储的人脸检测识别模型，判断每帧所述校准图像中是否均存在人脸信息；并根据所有所述关键帧图像中的人脸情绪获取所述视频图像对应的人脸情绪，以完成人脸情绪的识别。
12.进一步而言，计算单元用于接收人脸情绪信息和行为姿态信息，并根据存储单元内存储的各种人类情绪参考值确定患者的当前情绪，处理器用于接收计算单位传输的患者当前情绪信号，并将所述情绪信号发送至监测平台。
13.与现有技术相比，本发明具有如下有益效果：
14.本发明中，情绪监测模块可以对所有关键帧图像中的人脸情绪进行概率统计；以及将出现概率较大的人脸情绪作为所述视频图像对应的人脸情绪，以完成人脸情绪的识别，结合行为监测模块、和生命体征监测模块组成监测设备，来时刻采集心理疾病患者的当前运动姿态、当前情绪特征和生命体征，并将采集的患者信息通过无线网络传送至监测平台，监测平台时刻监测患者的当前运动姿态、当前情绪特征和生命体征，对患者的治疗效果进行苹果，并在患者生命体征出现异常或作出危险动作时进行报警。
附图说明
15.图1为本发明的系统流程图。
具体实施方式
16.为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
17.如图1所示，一种ai识别辅助下的心理疾病患者治疗效果的评估系统，包括ai监测系统、监测平台、移动终端、无线网络和供电系统，ai监测系统通过无线网络与监测平台连接，监测平台通过无线网络与移动终端连接，ai监测系统包括行为监测模块、人脸情绪监测模块和生命体征监测模块，人脸情绪监测模块、人脸情绪监测模块和生命体征监测模块将
采集的信息通过无线网络发送至监测平台，监测平台用于监测患者的当前运动姿态、当前情绪特征和生命体征，并在患者生命体征出现异常或作出危险动作时进行报警，将报警信息通过无线网络传输至移动终端，行为监测模块包括处理器和传感器，传感器用于获取患者当前的角速度、加速度、三轴欧拉角、三轴磁场、气压和高度信息，并将获取到的信息发送给处理器，处理器用于对获取的数据进行姿态识别算法处理，得到患者当前的运动姿态，再将患者当前运动姿态传输至监测平台。
18.其次获取实时采集的视频图像；对视频图像中的所有帧图像进行小波变换以得到对应的能量特征向量；获取标准能量特征向量，并根据图像差分运算方法计算每个能量特征向量与标准能量特征向量之间的欧式距离值；判断多个欧式距离值中是否存在超过预设阈值的欧式距离值；若多个欧式距离值中存在超过预设阈值的欧式距离值，将超过预设阈值的欧式距离值的能量特征向量对应的图像作为关键帧图像，其中，关键帧图像的个数为至少一个；获取预先存储的情绪识别模型，并基于情绪识别模型识别每个关键帧图像中的人脸情绪；以及根据所有关键帧图像中的人脸情绪获取视频图像对应的人脸情绪，以完成人脸情绪的识别，对中性表情图像进行小波变换以得到对应的标准能量特征向量；以及存储中性表情图像和标准能量特征向量，获取情绪训练样本图像集，其中，情绪训练样本图像集包括多个情绪训练样本图像和情绪训练样本图像中人脸的情绪标签；以及将情绪训练样本图像和对应的情绪标签输入至卷积神经网络模型中进行机器学习以得到情绪识别模型，并存储情绪识别模型，获取训练样本图像集，其中，训练样本图像集包括多个训练样本图像和用于表征训练样本图像中是否存在人脸信息的人脸标签；获取训练样本图像的人脸哈尔特征向量；将训练样本图像对应的人脸哈尔特征向量以及人脸标签输入至基于决策树模型的adaboost提升模型中进行训练，以得到人脸检测识别模型；以及存储人脸检测识别模型，从校准视频图像中的多帧图像中按照预设规则抽取预设帧数的图像作为校准图像；基于预先存储的人脸检测识别模型，判断每帧校准图像中是否均存在人脸信息；并根据所有关键帧图像中的人脸情绪获取视频图像对应的人脸情绪，以完成人脸情绪的识别。
19.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。