基于绘画投射的心理分析方法及装置与流程

本发明涉及领域大数据领域，特别是涉及一种基于绘画投射的心理分析方法，同时还涉及一种基于绘画投射的心理分析装置。

背景技术：

随着社会的快速发展，科技的飞速进步，人们面对越来越多来自各方面的生活工作压力，长期压力情况下会使人们的身体和心理处于亚健康状态，尤其是心理方面的疾病会给人们的生活工作带来十分严重的影响。通常情况下，心理疾病的患者会寻求心理医生的帮助，但往往会带来高昂的费用，且心理医生需要多次与患者面对面交流，逐步分析才能判断出患者的心理状态，耗时较长。

同时，随着社会发展的日趋复杂，3-12岁的少年儿童心理健康越来越受关注，更便捷的心理分析方式能够使得家长更好地发现少年儿童的心理健康问题，从而能够及时找到应对方法，帮助孩子健康成长。

特别的，用人单位为了更全面地了解面试者，通常更关注面试者的心理状态，但普通的面试难以分析出面试者的心理状态，如何能用更快捷方便的方式获取面试者的心理状态，是目前需要解决的问题。

技术实现要素：

本发明主要解决的技术问题是如何提供一种心理分析方法，可快速方便地根据用户的绘画分析用户的心理状况。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于绘画投射的心理分析方法，包括以下步骤：

采集用户的绘画信息并提取其中的绘画元素信息；

将所述绘画元素信息输入预先训练的神经网络模型进行处理，得出相应的用户心理分析结果；

显示所述用户心理分析结果。

具体的，所述神经网络模型通过以下步骤生成：

采集样本用户的绘画信息并提取其中的绘画元素信息，以构成绘画元素信息数据库；

收集心理专家对所述绘画元素信息数据库中的不同绘画元素的心理分析结果；

将所述绘画元素信息作为输入，所述心理分析结果作为输出，训练出所述神经网络模型的各个权值。

优选的，所述神经网络采用反向传播神经网络。

具体的，所述绘画元素包括绘画线条、绘画颜色、绘画对象的位置信息以及采用的绘画对象素材。

具体的，所述用户心理分析结果包括对用户的性格、喜好、情绪、成长经历的分析结果。

本发明还提供一种基于绘画投射的心理分析装置的实施例，包括：

采集模块：用于采集用户的绘画信息并提取其中的绘画元素信息；

处理模块：用于将所述绘画元素信息输入预先训练的神经网络模型进行处理，得出相应的用户心理分析结果；

显示模块：用于显示所述用户心理分析结果。

具体的，所述神经网络模型由训练模块通过执行以下步骤生成：

采集样本用户的绘画信息并提取其中的绘画元素信息，以构成绘画元素信息数据库；

收集心理专家对所述绘画元素信息数据库中的不同绘画元素的心理分析结果；

将所述绘画元素信息作为输入，所述心理分析结果作为输出，训练出所述神经网络模型的各个权值。

优选的，所述神经网络采用反向传播神经网络。

具体的，所述绘画元素包括绘画线条、绘画颜色、绘画对象的位置信息以及采用的绘画对象素材。

具体的，所述用户心理分析结果包括对用户的性格、喜好、情绪、成长经历的分析结果。

本发明的有益效果是：区别于现有技术的情况，本发明所述方法通过将提取的用户绘画元素输入预先训练的神经网络模型，自动得出该用户的心理状况分析结果，并将相应的心理分析结果显示出来。由此能够实现更快速高效智能化的心理分析过程。

附图说明

图1是本发明一实施例所述的基于绘画投射的心理分析方法流程示意图；

图2是本发明另一实施例所述的基于绘画投射的心理分析装置结构框图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

请参阅图1，图1是本发明一实施例提供的基于绘画投射的心理分析方法流程示意图。包括步骤：

步骤S101、采集用户的绘画信息并提取其中的绘画元素信息；

所述用户绘画由用户绘制生成，将绘制完整的绘画通过扫描等方式进行上传，上传至由本发明实施例构成的心理分析系统，完成对用户绘画信息的采集。

然后对采集的绘画信息进行提取，该提取过程具体为图像处理过程，如图层的分离，颜色的分析，绘画对象的提取等过程。

其中，所述绘画元素包括绘画线条、绘画颜色、绘画对象的位置信息以及采用的绘画对象素材。此处所述绘画元素仅是对可能的绘画元素的列举，不作为对本发明的限定。

步骤S102、将所述绘画元素信息输入预先训练的神经网络模型进行处理，得出相应的用户心理分析结果；

深度学习（Deep Learning）是机器学习中一个非常接近人工智能的领域，其动机在于建立、模拟人脑进行分析学习的神经网络。而神经网络是对人脑神经工作的一种简化生物模型，模拟人脑对神经元之间的联系和强度的调节过程。

BP算法也即反向传播算法，其是为了解决多层谦虚神经网络的权系数优化而提出来的。BP神经网络含有输入层、输出层，以及处于输入输出层之间的中间层，中间层包括单层或多层，又被称为隐层，改变隐层的权系数能够改变整个神经网络的性能。

由于BP神经网络采用了BP算法，存在反向传播的子过程，而该过程能够通过反复修正权值和阈值，使得误差函数值最小，从而使得训练出来的模块精度更高，因此本发明优选采用BP神经网络。具体地，本发明实施例通过以下步骤完成BP神经网络模型的训练：

Step1、采集样本用户的绘画信息并提取其中的绘画元素信息，以构成绘画元素信息数据库；

采集一定数量的用户绘画信息作为训练样本，分别提取每个训练样本的绘画元素信息，其中所述绘画元素信息包括绘画线条、绘画颜色、绘画对象的位置信息以及采用的绘画对象素材等任何能够表征绘画的区别特征，该些绘画特征构成绘画元素信息的样本数据库。

Step2、收集心理专家对所述绘画元素信息数据库中的不同绘画元素的心理分析结果；

收集心理专家基于对上述步骤生成的绘画元素信息数据库中的各种绘画元素分析出的心理结果，如绘画线条的粗细或纹理分别代表用户怎样的性格，绘画颜色代表用户怎样的情绪，绘画对象的位置信息代表用户怎样的爱好等等。

Step3、将所述绘画元素信息作为输入，所述心理分析结果作为输出，训练出所述神经网络模型的各个权值。

将上述步骤获取的绘画元素信息作为输入，所述心理分析结果作为输出，对神经网络模型进行训练，优选地，所述神经网络为BP神经网络，即反向传播神经网络，得出基于绘画投射的心理分析模型。

步骤S103、显示所述用户心理分析结果。

显示所述心理分析结果可通过任何外接显示器实现，在具体实施例中可通过设置相应的函数接口，当用户绘画通过所述训练后的神经网络模型处理后，调用相应的函数接口将得出的心理分析结果显示到显示器。其中，所述用户心理分析结果包括对用户的性格、喜好、情绪、成长经历的分析结果。当然还可以包括其他用于表征心理状况的特征，不作为对本发明的限定。

进一步的，还可以提供一用户界面，采用更加丰富的形式显示心理分析结果，如用户界面中包括用于显示情绪周期曲线的控件、用于显示性格爱好的文字编辑控件等。

为了进一步对本发明实施例所述方法以模块化形式进行说明，如图2所示，本发明另一实施例提供一种基于绘画投射的心理分析装置，包括采集模块81、处理模块82、显示模块83以及训练模块84，其中，

所述采集模块81用于采集用户的绘画信息并提取其中的绘画元素信息；

所述处理模块82用于将所述绘画元素信息输入预先训练的神经网络模型进行处理，得出相应的用户心理分析结果；其中，所述神经网络模型由训练模块84预先训练生成。所述训练模块84执行具体以下步骤：

Step1、采集样本用户的绘画信息并提取其中的绘画元素信息，以构成绘画元素信息数据库；

采集一定数量的用户绘画信息作为训练样本，分别提取每个训练样本的绘画元素信息，其中所述绘画元素信息包括绘画线条、绘画颜色、绘画对象的位置信息以及采用的绘画对象素材等任何能够表征绘画的区别特征，该些绘画特征构成绘画元素信息的样本数据库。

Step2、收集心理专家对所述绘画元素信息数据库中的不同绘画元素的心理分析结果；

收集心理专家基于对上述步骤生成的绘画元素信息数据库中的各种绘画元素分析出的心理结果，如绘画线条的粗细或纹理分别代表用户怎样的性格，绘画颜色代表用户怎样的情绪，绘画对象的位置信息代表用户怎样的爱好等等。

Step3、将所述绘画元素信息作为输入，所述心理分析结果作为输出，训练出所述神经网络模型的各个权值。

将上述步骤获取的绘画元素信息作为输入，所述心理分析结果作为输出，对神经网络模型进行训练，优选地，所述神经网络为BP神经网络，即反向传播神经网络，得出基于绘画投射的心理分析模型。

所述显示模块83用于显示所述用户心理分析结果。其中，所述用户心理分析结果包括对用户的性格、喜好、情绪、成长经历的分析结果。当然还可以包括其他用于表征心理状况的特征，不作为对本发明的限定。

综上所述，本发明所述方法或装置通过将提取的用户绘画元素输入预先训练的神经网络模型，自动得出该用户的心理状况分析结果，并将相应的心理分析结果显示出来，从而实现更快速高效智能化的心理分析过程。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。