本發(fā)明屬情緒檢測技術(shù)領(lǐng)域，尤其涉及一種非接觸式情緒檢測方法和裝置。

背景技術(shù)：

人體生理指標隨時間所發(fā)生的變化，其變化規(guī)律反映了自主神經(jīng)系統(tǒng)交感神經(jīng)和附交感神經(jīng)活躍程度及其平衡協(xié)調(diào)的關(guān)系。HR(Heart Rate心率)和HRV(Heart Rate Variable心率變異性)，以及血壓變化及血氧濃度等的規(guī)律性變化與緊張程度的變化存在高度相關(guān)性。國內(nèi)外大量的文獻已經(jīng)就心率和心率變異性和緊張程度的關(guān)系進行了討論，也有廠家根據(jù)這些研究成果開發(fā)出產(chǎn)品，如韓國欣指寶SA-3000P精神壓力分析儀就是根據(jù)接觸式傳感器采集回來的心電信號(HR和HRV)對緊張和壓力進行判斷的。目前市場上的醫(yī)療儀器大都采用接觸式的傳感器，在一段時間內(nèi)檢測心率變異率來判斷緊張程度。接觸式儀器必須采用接觸式傳感器操作繁瑣，使用場景受到限制，輸出結(jié)果時間較長(大于1分鐘)，僅僅利用了HRV，同時沒有綜合考慮被檢測對象的個體差異，且價格高昂。

上述問題亟待解決。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)采用接觸式傳感器操作繁瑣、場景受限、輸出結(jié)果時間長、以及價格高昂的缺陷，本發(fā)明提供一種非接觸式情緒檢測方法和裝置。

本發(fā)明提供一種非接觸式情緒檢測方法，包括：

分別通過攝像頭和紅外傳感器采集包含有被測人體的視頻信息和被測人體的熱圖/熱點區(qū)域圖；

對所述視頻信息和所述熱圖/熱點區(qū)域圖進行識別得到被檢測人體的人體特征數(shù)據(jù)；

將所述人體特征數(shù)據(jù)進行深度學(xué)習(xí)引擎關(guān)聯(lián)和分析，得到被測人體的緊張程度；

輸出通過所述深度學(xué)習(xí)引擎分析得到的人體緊張程度的結(jié)果。

優(yōu)選的，所述對所述視頻信息和所述熱圖/熱點區(qū)域圖進行識別得到被檢測人體的人體特征數(shù)據(jù)具體包括：

通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)；

通過對所述熱圖/熱點區(qū)域圖像進行分析處理得出被測人體的體溫數(shù)據(jù)。

優(yōu)選的，所述通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)具體包括：

根據(jù)視頻來獲取被檢測對象的性別和年齡；

選取人體的面部圖像的區(qū)域來檢測人呼吸時毛細血管充血的變化規(guī)律來獲取心率、心率變異性、和血氧濃度；

根據(jù)視頻信息中采集的人體部位血流速度的相位差來獲取血壓的變化；

根據(jù)視頻信息中人臉的微小變化并輸入到深度學(xué)習(xí)引擎來獲取微表情數(shù)據(jù)；

根據(jù)視頻信息中人微小動作的放大并檢測其規(guī)律來獲取微動作數(shù)據(jù)。

優(yōu)選的，所述將所述人體特征數(shù)據(jù)進行深度學(xué)習(xí)引擎關(guān)聯(lián)和分析，得到被測人體的緊張程度，具體包括：

將所述心率和心率變異性數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第一激活函數(shù)和第二激活函數(shù)；

將所述血壓和血氧濃度數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第三激活函數(shù)和第四激活函數(shù)；

將所述微表情數(shù)據(jù)、微動作數(shù)據(jù)、以及熱圖/熱點區(qū)域數(shù)據(jù)分別生成第五激活函數(shù)、第六激活函數(shù)和第七激活函數(shù)；

將所述第一激活函數(shù)、第二激活函數(shù)、第三激活函數(shù)、第四激活函數(shù)、第五激活函數(shù)、第六激活函數(shù)以及第七激活函數(shù)輸入到深度學(xué)習(xí)網(wǎng)絡(luò)進行分析，對被檢測對象的緊張程度進行判斷。

優(yōu)選的，所述關(guān)聯(lián)所述檢測得到的各項生理指標結(jié)果進行深度學(xué)習(xí)引擎分析還包括：

接入情緒檢測的云端，用以通過所述云端的大數(shù)據(jù)和快速數(shù)據(jù)整合進行深度引擎分析。

本發(fā)明還提供了一種非接觸式情緒檢測裝置，包括：

采集模塊，用于分別通過攝像頭和紅外傳感器采集包含有被測人體的視頻信息和被測人體的熱圖/熱點區(qū)域圖；

識別模塊，用于對所述視頻信息和所述熱圖/熱點區(qū)域圖進行識別得到被檢測人體的人體特征數(shù)據(jù)；

分析模塊，用于將所述人體特征數(shù)據(jù)進行深度學(xué)習(xí)引擎關(guān)聯(lián)和分析，得到被測人體的緊張程度；

輸出模塊，用于輸出通過所述深度學(xué)習(xí)引擎分析得到的人體緊張程度的結(jié)果。

優(yōu)選的，所述識別模塊具體用于：

通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)；

通過對所述熱圖/熱點區(qū)域圖像進行分析處理得出被測人體的體溫數(shù)據(jù)。

優(yōu)選的，所述通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)具體包括：

根據(jù)視頻來獲取被檢測對象的性別和年齡；

選取人體的面部圖像的區(qū)域來檢測人呼吸時毛細血管充血的變化規(guī)律來獲取心率、心率變異性、和血氧濃度；

根據(jù)視頻信息中采集的人體部位血流速度的相位差來獲取血壓的變化；

根據(jù)視頻信息中人臉的微小變化并輸入到深度學(xué)習(xí)引擎來獲取微表情數(shù)據(jù)；

根據(jù)視頻信息中人微小動作的放大并檢測其規(guī)律來獲取微動作數(shù)據(jù)。

優(yōu)選的，所述分析模塊具體包括：

第一生成單元，將所述心率和心率變異性數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第一激活函數(shù)和第二激活函數(shù)；

第二生成單元，將所述血壓和血氧濃度數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第三激活函數(shù)和第四激活函數(shù)；

第三生成單元，將所述微表情數(shù)據(jù)、微動作數(shù)據(jù)、以及熱圖/熱點區(qū)域數(shù)據(jù)分別生成第五激活函數(shù)、第六激活函數(shù)和第七激活函數(shù)；

判斷單元，將所述第一激活函數(shù)、第二激活函數(shù)、第三激活函數(shù)、第四激活函數(shù)、第五激活函數(shù)、第六激活函數(shù)以及第七激活函數(shù)輸入到深度學(xué)習(xí)網(wǎng)絡(luò)進行分析，對被檢測對象的緊張程度進行判斷。

優(yōu)選的，所述裝置還包括：

云端模塊，用于接入情緒檢測的云端，用以通過所述云端的大數(shù)據(jù)和快速數(shù)據(jù)整合進行深度引擎分析。

有益效果：本發(fā)明通過結(jié)合智能傳感技術(shù)、機器視覺、和深度引擎分析，短時間內(nèi)即可通過智能傳感器對人臉，皮膚、臉部特征點、及體溫等進行信息采集，并在此基礎(chǔ)上檢測出對應(yīng)的生理指標，并利用深度學(xué)習(xí)關(guān)聯(lián)對這些指標進行處理，最終分析出被檢測者的危險指數(shù)及其心理緊張程度，給檢測人員提供了預(yù)測和防止危險發(fā)生的有效參考。裝置使用簡單，不受場景限制，且成本低廉可控，避免了人員檢測因疲憊而產(chǎn)生的疏漏以及錯誤等情況。

附圖說明

圖1為本發(fā)明實施例提供的一種非接觸式情緒檢測方法的步驟圖；

圖2為本發(fā)明另一實施例提供的各項生理指標結(jié)果進行深度引擎分析的流程圖；

圖3為本發(fā)明另一實施例提供的非接觸式情緒檢測方法的步驟圖；

圖4為本發(fā)明實施例提供的一種非接觸式情緒檢測裝置的結(jié)構(gòu)圖；

圖5為不同情緒對人體不同部位的體溫產(chǎn)生不同影響的效果示意圖；

圖6為人臉進行奇異值分解得到R，G，B子空間的投影圖像；

圖7為人臉子空間投影的夾角的正弦分量變化和醫(yī)療儀器心電信號對比關(guān)系示意圖；

圖8為本發(fā)明另一實施例提供的非接觸式情緒檢測裝置的結(jié)構(gòu)圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明提供本發(fā)明提供一種非接觸式情緒檢測方法，如圖1所示，包括：

S100、分別通過攝像頭和紅外傳感器采集包含有被測人體的視頻信息和被測人體的熱圖/熱點區(qū)域圖；

S200、對所述視頻信息和所述熱圖/熱點區(qū)域圖進行識別得到被檢測人體的人體特征數(shù)據(jù)；

S300、將所述人體特征數(shù)據(jù)進行深度學(xué)習(xí)引擎關(guān)聯(lián)和分析，得到被測人體的緊張程度；

S400、輸出通過所述深度學(xué)習(xí)引擎分析得到的人體緊張程度的結(jié)果。

具體的，本發(fā)明利用成本較低的一般攝像頭和一般的x86/ARM架構(gòu)主機即可實現(xiàn)上述方法對被檢測人員的情緒進行檢測。如何及時有效發(fā)現(xiàn)可疑人群是邊檢、機場等場所的現(xiàn)場查驗人員的巨大考驗。檢方人員除了查驗證件外，還依靠長期工作中積累的經(jīng)驗對旅客進行人工排查。工作強度大，精神高度緊張并導(dǎo)致疲倦和注意力分散，難以長期保持高度有效的甄別效率。

而該主機上的檢測模塊通過人臉分析，生理指標分析、微表情分析、熱圖/熱點區(qū)域分析、微動作分析等五個緯度對數(shù)據(jù)進行處理，而相應(yīng)的處理結(jié)果會匯總到主機的分析模塊，最終給安全人員輸出危險程度和緊張程度的參考指標。短時間內(nèi)小于10秒即可通過智能傳感器對人臉，皮膚、臉部特征點、及體溫等進行信息采集，從而識別出包括心率、心率變異性、血壓變化、血氧濃度變化、體溫、微表情和情緒、呼吸次數(shù)、微小動作、性別、年齡等指標，進行判斷出被檢測人員的緊張程度。

優(yōu)選的，所述對所述視頻信息和所述熱圖/熱點區(qū)域圖進行識別得到被檢測人體的人體特征數(shù)據(jù)具體包括：

通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)；

通過對所述熱圖/熱點區(qū)域圖像進行分析處理得出被測人體的體溫數(shù)據(jù)。

具體的，所述人臉的圖像和視頻可辨析出人的包括性別以及年齡數(shù)據(jù)，面部的圖像和視頻可辨析出微表情和微動作，微表情包括情緒數(shù)據(jù)，微動作包括呼吸次數(shù)和微小動作數(shù)據(jù)，通過人臉視頻還能檢測出心率和心率變異性數(shù)據(jù)，血壓以及血氧數(shù)據(jù)等生理指標。

通過遠程紅外傳感器/熱成像相機獲取被檢測對象的熱圖/熱點區(qū)域數(shù)據(jù)。

具體的，所述熱圖/熱點區(qū)域數(shù)據(jù)包括體溫數(shù)據(jù)。更具體的，智能傳感器采集回來的數(shù)據(jù)首先由主機上的檢測模塊進行處理，同時主機還會根據(jù)數(shù)據(jù)的質(zhì)量對智能傳感器進行實時自適應(yīng)控制，達到最佳的采集效果。

優(yōu)選的，所述通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)具體包括：

根據(jù)視頻來獲取被檢測對象的性別和年齡；

選取人體的面部圖像的區(qū)域來檢測人呼吸時毛細血管充血的變化規(guī)律來獲取心率、心率變異性、和血氧濃度；

根據(jù)視頻信息中采集的人體部位血流速度的相位差來獲取血壓的變化；

根據(jù)視頻信息中人臉的微小變化并輸入到深度學(xué)習(xí)引擎來獲取微表情數(shù)據(jù)；

根據(jù)視頻信息中人微小動作的放大并檢測其規(guī)律來獲取微動作數(shù)據(jù)。

具體的，正常人心率一般為60～100次/分，可因年齡、性別或其他生理因素產(chǎn)生個體差異。從研究文獻數(shù)據(jù)來看，一般而言，年齡越小，心率越快，老年人心跳比年輕人慢，女性的心率比同齡男性快。潘文志2006年在《中國心臟起搏與心電生理雜志》發(fā)表的“不同年齡和性別的正常人心率分布的初步觀察”，王翀在2008年《中國心血管病研究》“發(fā)表的健康人群心率分布的初步調(diào)查研究”均就不同性別、年齡的人群的心率范圍進行了研究并得出了相似的指標。

優(yōu)選的，如圖2所示，所述將所述人體特征數(shù)據(jù)進行深度學(xué)習(xí)引擎關(guān)聯(lián)和分析，得到被測人體的緊張程度，具體包括：

將所述心率和心率變異性數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第一激活函數(shù)和第二激活函數(shù)；

將所述血壓和血氧濃度數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第三激活函數(shù)和第四激活函數(shù)；

將所述微表情數(shù)據(jù)、微動作數(shù)據(jù)、以及熱圖/熱點區(qū)域數(shù)據(jù)分別生成第五激活函數(shù)、第六激活函數(shù)和第七激活函數(shù)；

將所述第一激活函數(shù)、第二激活函數(shù)、第三激活函數(shù)、第四激活函數(shù)、第五激活函數(shù)、第六激活函數(shù)以及第七激活函數(shù)輸入到深度學(xué)習(xí)網(wǎng)絡(luò)進行分析，對被檢測對象的緊張程度進行判斷。

優(yōu)選的，如圖3所示，所述關(guān)聯(lián)所述檢測得到的各項生理指標結(jié)果進行深度引擎分析還包括：

S500、接入情緒檢測的云端，用以通過所述云端的大數(shù)據(jù)和快速數(shù)據(jù)整合進行深度引擎分析。

本發(fā)明方法實施例通過結(jié)合智能傳感技術(shù)、機器視覺、和深度引擎分析，短時間內(nèi)即可通過智能傳感器對人臉，皮膚、臉部特征點、及體溫等進行信息采集，并在此基礎(chǔ)上檢測出對應(yīng)的生理指標，并利用深度學(xué)習(xí)關(guān)聯(lián)對這些指標進行處理，最終分析出被檢測者的危險指數(shù)及其心理緊張程度，給檢測人員提供了預(yù)測和防止危險發(fā)生的有效參考。裝置使用簡單，不受場景限制，且成本低廉可控，避免了人員檢測因疲憊而產(chǎn)生的疏漏以及錯誤等情況。

本發(fā)明還提供一種非接觸式情緒檢測裝置，如圖4所示，包括：

采集模塊100，用于分別通過攝像頭和紅外傳感器采集包含有被測人體的視頻信息和被測人體的熱圖/熱點區(qū)域圖；

識別模塊200，用于對所述視頻信息和所述熱圖/熱點區(qū)域圖進行識別得到被檢測人體的人體特征數(shù)據(jù)；

分析模塊300，用于將所述人體特征數(shù)據(jù)進行深度學(xué)習(xí)引擎關(guān)聯(lián)和分析，得到被測人體的緊張程度；

輸出模塊400，用于輸出通過所述深度學(xué)習(xí)引擎分析得到的人體緊張程度的結(jié)果。

優(yōu)選的，所述識別模塊具體用于：

通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)；

通過對所述熱圖/熱點區(qū)域圖像進行分析處理得出被測人體的體溫數(shù)據(jù)。

優(yōu)選的，所述通過對所述視頻信息中所包含的被檢測人體的面部圖像和人體關(guān)節(jié)圖像進行分析得出被檢測人體的年齡、性別、心率和心率變異性數(shù)據(jù)、血壓和血氧濃度變化、微動作以及微表情數(shù)據(jù)具體包括：

根據(jù)視頻來獲取被檢測對象的性別和年齡

選取人體的面部圖像的區(qū)域來檢測人呼吸時毛細血管充血的變化規(guī)律來獲取心率、心率變異性、和血氧濃度；

根據(jù)視頻信息中采集的人體部位血流速度的相位差來獲取血壓的變化；

根據(jù)視頻信息中人臉的微小變化并輸入到深度學(xué)習(xí)引擎來獲取微表情數(shù)據(jù)。

根據(jù)視頻信息中人微小動作的放大并檢測其規(guī)律來獲取微動作數(shù)據(jù)

具體的，心率和心率變異性數(shù)據(jù)的獲取過程如下：

考慮到現(xiàn)場環(huán)境尤其是對被檢測對象晃動的魯棒適用性，本發(fā)明提供了一種子空間旋轉(zhuǎn)計算方法。本方法充分克服了檢測對象的運動對測試結(jié)果的影響，在5秒內(nèi)根據(jù)視頻計算出被檢測對象的生理指標，通過1200個被檢測對象驗證，達到了+-5％的準確率。

該計算方法的實現(xiàn)過程如下：

1)HR計算：

·假設(shè)輸入為一段X秒的彩色視頻，其中包括K幀圖像(視頻信號通常為25幀或者30幀每秒)，包括R、G、B三個信道。

·針對每一幀圖像：

ο識別得到人臉。假設(shè)人臉包括N＝h*w個像素(其中h為人臉的高度，w為人臉的寬度)；

ο計算人臉區(qū)域的空間RGB相關(guān)性Ck；

ο針對Ck，進行奇異值分解得到R，G，B子空間的投影，如圖5所示；

ο當(dāng)人呼吸的時候，由于毛細血管的變化，其R、G、B值也會隨著變化，對比其在R、G、B子空間的投影的轉(zhuǎn)動，來判斷心率的變化，如圖6所示。

2)HRV計算

·每5s計算一次得到前5秒的平均心率HR；

·根據(jù)HR動態(tài)調(diào)節(jié)濾波參數(shù)，對前5秒的心律時域信號進行濾波；

·濾波后得到的時域波形，即被認為是心電波形；

·計算RR值得到HRV。

具體的，血壓變化數(shù)據(jù)的獲取過程如下：

由于血壓的大小直接影響了血流的速度，而血流的速度為一正弦波，因此根據(jù)不同人體部位(如額頭和臉頰)的血流速度的相位差，可以得到血壓的變化的快慢。

該計算方法的實現(xiàn)過程如下：

·在T1時刻，

ο從實時視頻選取2塊人體區(qū)域，A1和A2；

ο分別從A1和A2的視頻辨識心率變化的波形；

ο計算這兩個波形的相位差B1。

·在T2時刻，重復(fù)以上步驟，得到相位差B2。

·根據(jù)B1和B2的比較，得到血壓是否上升或者下降。

優(yōu)選的，所述檢測模塊具體用于：

通過所述人臉數(shù)據(jù)獲取被檢測對象的性別和年齡；

將所述心率和心率變異性數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第一激活函數(shù)和第二激活函數(shù)；

將所述微表情數(shù)據(jù)、微動作數(shù)據(jù)、以及熱圖/熱點區(qū)域數(shù)據(jù)分別生成第三激活函數(shù)、第四激活函數(shù)和第五激活函數(shù)。

具體的，從微表情角度來說，根據(jù)哈佛大學(xué)2007年發(fā)表的論文“Facial Expressions of Emotion Reveal Neuroendocrine and Cardiovascular Stress Responses”給微表情和緊張(stress)的關(guān)系奠定了基礎(chǔ)。人類心理臉部表情變化存在60毫秒的反應(yīng)時間，以配合心理活動進行表情匹配。同時，緊張情緒的臉部表達存在臉部相關(guān)肌肉形狀變動的共性。微表情檢測可以通過對面部各個區(qū)域的肌肉進行跟蹤檢測，并加以分析，推斷出被檢測對象的情緒。經(jīng)過綜合125.3萬張的緊張表情圖庫深度學(xué)習(xí)，對緊張表情的判斷，特別是極短時間內(nèi)(50毫秒內(nèi))出現(xiàn)過的緊張表情判斷準確率達93.26％。

更具體的，從體溫的角度來說，體溫FDA文獻研究結(jié)果表明，96％的人類的體溫會受到緊張的影響而有中度的變化。根據(jù)芬蘭Aalto大學(xué)的研究如圖7所示，不同的情緒會對人體不同部位的體溫產(chǎn)生不同的影響。

優(yōu)選的，所述分析模塊具體包括：

第一生成單元，將所述心率和心率變異性數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第一激活函數(shù)和第二激活函數(shù)；

第二生成單元，將所述血壓和血氧濃度數(shù)據(jù)分別結(jié)合被檢測對象的性別和年齡生成第三激活函數(shù)和第四激活函數(shù)；

第三生成單元，將所述微表情數(shù)據(jù)、微動作數(shù)據(jù)、以及熱圖/熱點區(qū)域數(shù)據(jù)分別生成第五激活函數(shù)、第六激活函數(shù)和第七激活函數(shù)；

判斷單元，將所述第一激活函數(shù)、第二激活函數(shù)、第三激活函數(shù)、第四激活函數(shù)、第五激活函數(shù)、第六激活函數(shù)以及第七激活函數(shù)輸入到深度學(xué)習(xí)網(wǎng)絡(luò)進行分析，對被檢測對象的緊張程度進行判斷。

具體的，本方法已進行12000多人次的實測數(shù)據(jù)，利用深度學(xué)習(xí)技術(shù)建立了基于人體心率、心率變異性，血壓和血氧濃度變化、年齡段、性別、眼球轉(zhuǎn)動頻率、頭部抖動頻率、臉部微表情變化、皮膚溫度10項生理指標對人體緊張情緒進行綜合判斷，可為各類應(yīng)用場景提供輔助檢測。

優(yōu)選的，所述裝置還包括，如圖8所示：

云端模塊500，用于接入情緒檢測的云端，用以通過所述云端的大數(shù)據(jù)和快速數(shù)據(jù)整合進行深度引擎分析。

需要說明的是，本發(fā)明實施例提供的上述系統(tǒng)中各個模塊，由于與本發(fā)明方法實施例基于同一構(gòu)思，其帶來的技術(shù)效果與本發(fā)明方法實施例相同，具體內(nèi)容可參見本發(fā)明方法實施例中的敘述，此處不再贅述。

本發(fā)明系統(tǒng)實施例通過結(jié)合智能傳感技術(shù)、機器視覺、和深度引擎分析，短時間內(nèi)即可通過智能傳感器對人臉，皮膚、臉部特征點、及體溫等進行信息采集，并在此基礎(chǔ)上檢測出對應(yīng)的生理指標，并利用深度學(xué)習(xí)關(guān)聯(lián)對這些指標進行處理，最終分析出被檢測者的危險指數(shù)及其心理緊張程度，給檢測人員提供了預(yù)測和防止危險發(fā)生的有效參考。裝置使用簡單，不受場景限制，且成本低廉可控，避免了人員檢測因疲憊而產(chǎn)生的疏漏以及錯誤等情況。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。