一种基于表情分析的抑郁程度自动评估系统的制作方法
【技术领域】
[0001] 本发明设及抑郁程度评估系统，特别是设及一种基于表情分析的抑郁程度自动评 估系统。
【背景技术】
[0002] 抑郁症是W行为出现异常，屯、境低落为主要症状的一种屯、身疾病，常伴有情绪认 知障碍，具有高发病率、难治愈和高自杀率的特点。据世界卫生组织统计，抑郁症的年患病 率为10%，终身患病率为17%，每年约100万人死于自杀。并且，据世界卫生组织预测，截 至2020年抑郁症将成为世界第二大致残诱因，至2030年抑郁症将成为最大的疾病负担。
[0003] 传统的抑郁症评估采用临床问卷及访谈方式，需要根据病人的当前状况、病史、家 族史W及各种社会屯、理量表填写情况进行评估。常用的Ξ大诊断系统为精神疾病诊断与统 计手册第4版、国际疾病分类第10版和中国精神疾病分类方案与诊断标准第3版。现有的 抑郁评估时根据抑郁症自评量表和医生的经验来判断的，该技术存在W下不足：
[0004] (1)临床问卷及访谈对医生的专业知识和临床经验要求较高，易受到医生的主观 因素影响；
[0005] (2)临床问卷及访谈需要受试对象的长时间的积极配合，已引起受试者的烦躁；
[0006] (3)临床问卷及访谈忽略了抑郁症患者的无意识表情或动作，无法进行客观有效 的分析评估。并且，临床问卷及访谈方式效率低，资源消耗大。
【发明内容】
[0007] 发明目的：本发明的目的是提供一种自动化、无需受试对象长时间配合的客观有 效的基于表情分析的抑郁程度自动评估系统。
[000引技术方案：为达到此目的，本发明采用W下技术方案：
[0009] 本发明所述的基于表情分析的抑郁程度自动评估系统，包括：
[0010] 数据采集模块：采集受试对象的访谈视频，每一段视频都对应标注了抑郁程度 HAMD-17 分值y;
[0011] 预处理和特征提取模块：根据FACS手册定义视频特征库f，并在访谈视频中提取 视频特征库f及其对应的HAMD-17分值y，并对HAMD-17分值y进行5级量化得到HAMD-17 量化分值；
[0012] 相关特征提取模块：获取视频特征库f中与抑郁严重程度最相关的特征
[0013] 预测模型训练模块：利用ε-SVR参数回归方法建立抑郁程度的预测模型函数 h( ·);
[0014] 新视频标注模块：对于新输入的访谈视频，自动标注出最值得注意的位置和区 段；
[0015] 新视频预测模块：由预测模型函数h( ·)给出新输入访谈视频的抑郁严重程度 r二 &(/.. )·
[0016] 进一步，所述数据采集模块的访谈视频的内容为受试对象接受HAMD-17量表访谈 时的面部动作；并且，每一段视频都对应标注了抑郁程度HAMD-17分值y。
[0017] 进一步，所述视频特征库f中包括FACS手册定义的AU特征f,。，AU组合事件特征 /?，,，AU时间域统计特征./w,，底层几何特征片。。，底层表观特征fApp;其中，AU为表情动作 单元。
[0018]进一步，所述底层表观特征fApp选用SIFT的描述子。
[0019] 进一步，所述预处理和特征提取模块中的HAMD-17量化分值是对HAMD-17分值y 进行5级量化得到，量化区间为：0-7、8-13、14-18、19-22、23分及W上；对应的HAMD-17的 量化分值分别为1、2、3、4、5。
[0020] 进一步，所述相关特征提取模块是在预处理和特征提取模块提取的视频特征库f 和对应的HAMD-17分值基础上，利用皮尔逊相关系数捜索视频特征库中与抑郁严重程度最 相关的特征fs;在捜索与抑郁严重程度最相关的特征fS时，对视频特征库f中每一个维度 计算皮尔逊相关系数R(i)，然后基于R(i) 2对特征维度降序排列。
[0021] 进一步，所述预测模型训练模块是基于相关特征提取模块得到的与抑郁严重程度 最相关的特征，建立的抑郁程度预测模型。
[0022] 进一步，所述的抑郁程度预测模型输出为HAMD-17量化分值，HAMD-17的量化分值 1、2、3、4、5分别对应正常、轻微、中性、重度和极重度五个抑郁等级。
[0023]进一步，所述新视频标注模块根据相关特征提取模块得到的与抑郁严重程度最相 关的特征，在视频的相应帖区间内进行标注，便于回顾视频中与抑郁严重程度最相关视频 位置和区段。
[0024] 有益效果：本发明具有W下的有益效果：
[0025]1)本发明全程自动化，无侵入，无需受试对象的长时间配合，可长时间工作；
[0026]2)本发明提供了一种客观的评估标准，不依赖于主观经验，能够真正做到客观有 效的评估；
[0027] 3)本发明能够综合分析不同受试对象的数据，不局限于对单一对象进行孤立分 析。
【附图说明】
[0028] 图1为本发明的系统框图；
[0029] 图2为本发明的预处理和特征提取模块进行人脸特征点提取和图像对齐的示意 图；
[0030] 图3为本发明的底层几何特征的示意图；
[0031]图4为本发明的表情分析视频标注的示意图。
【具体实施方式】
[0032]下面结合【具体实施方式】对本发明的技术方案作进一步的介绍。
[0033] 本发明的系统包括数据采集模块1、预处理和特征提取模块2、相关特征提取模块 3、预测模型训练模块4、新视频标注模块5和新视频预测模块6,如图1所示。
[0034]其中：
[0035]数据采集模块1 :采集受试对象的访谈视频，每一段视频都对应标注了抑郁程度 HAMD-17 分值y;
[0036] 预处理和特征提取模块2:根据FACS手册定义视频特征库f，并在访谈视频中提取 视频特征库f及其对应的HAMD-17分值y，并对HAMD-17分值y进行5级量化得到HAMD-17 量化分值；其中，FACS(FacialActionCodingSystem)手册是屯、理学家为了科学分析面部 表情，在上世纪70年代提出的；
[0037]相关特征提取模块3 :获取视频特征库f中与抑郁严重程度最相关的特征fg，W下 简称为最相关特征
[0038] 预测模型训练模块4:利用ε-SVR参数回归方法建立预测模型函数h( ·);
[0039] 新视频标注模块5:对于新输入的访谈视频，自动标注出最值得注意的位置和区 段；
[0040] 新视频预测模块6 :由预测模型函数h(·)给出新输入访谈视频的抑郁严重程度
[0041] 系统的输出包括两个部分：（1)预测器给出的抑郁程度预测分值；(2)新输入数据 中最相关特征所在的视频位置。本系统通过预测抑郁程度，自动标注新输入视频中值得注 意的位置和区段，为受试者的抑郁特征评估提供了客观依据。
[0042] 下面W-个实施例为例，对本发明系统进行更进一步的介绍，本发明系统的工作 过程如下：
[0043] 1)数据采集模块1采集受试对象的访谈视频
[0044] 录制访谈视频时，固定光照环境和拍摄角度，由两名评定者与受试对象进行交谈， 整个过程持续15分钟或者20分钟，访谈结束后，两名评定者分别独立评分。为避免评定者 主观因素对判定结果的影响，后期选取两评定员一致性较好的评分结果进行分析。并为了 保证不同受试对象不同时间的访谈录像中成像环境和讨论问题一致，访谈内容为HAMD-17 量表，保证了视频数据的可比性。由此，每一段访谈视频都对应了一个HAMD-17屯、理学量表 分值。本发明将运个分值作为抑郁程度标签，记为y。
[0045] 2)预处理和特征提取模块2根据FACS手册定义视频特征库f，并在访谈视频中提 取视频特征库f及其对应的HAMD-17分值y，并对HAMD-17分值y进行5级量化得到HAMD-17 量化分值
[0046] 本发明的视频预处理过程是采用SDM技术和普氏分析法实现视频中的人脸特征 点检测和人脸图像对齐。SDM技术检测访谈视频中的每一帖的人脸特征点，人脸特征点的 检测示意图见图2 (a)。由于人脸视频中包含头部姿态，焦距，拍摄角度和距离的等因素，会 干扰表情的分析。因此，将视频中的人脸与参考人脸形状对齐，实现图像对齐。在对齐过程 中，预先选定一个固定大小（200X200像素）的参考人脸形状，如图2(b)所示。对每一张人 脸图像，利用普氏分析法，计算最优的尺度，（平面内）旋转和平移变换，使得人脸图像与参 考形状最接近。运个过程保证了参与训练和测试的所有人脸图像在统一的尺度上，并且不 受头部姿态（平面内）偏转的影响。对齐后的人脸图像和特征点如图2(c)所示。
[0047] 在特征提取中，预先定义一个视频特征库f，包括FACS表情动作单元（AU)fw，AU 组合事件，AU时间域统计特征ZftV，底层几何特征片。。，底层表观特征fApp等。
[004引视频特征库f中包括了一些AU组合事件。AU组合事件包含超出单个AU相加