本發(fā)明屬于識別檢測領(lǐng)域，特別涉及一種基于人工智能技術(shù)的人臉識別檢測精神疾病的系統(tǒng)。

背景技術(shù)：

1、隨著人工智能技術(shù)的迅猛發(fā)展，人臉識別技術(shù)在多個領(lǐng)域得到了廣泛應(yīng)用，包括安防監(jiān)控、身份驗證和人機(jī)交互等。在醫(yī)療健康領(lǐng)域，尤其是精神疾病的識別和監(jiān)測中，人臉識別技術(shù)也開始展現(xiàn)其潛力。研究表明，面部表情和情緒狀態(tài)與個體的心理健康密切相關(guān)，

2、通過分析人臉特征和表情變化，可以在一定程度上識別和評估精神疾病的風(fēng)險。然而，目前在基于人工智能的人臉識別檢測精神疾病的系統(tǒng)中，仍存在一些技術(shù)缺點(diǎn)和挑戰(zhàn)?，F(xiàn)有的人臉識別技術(shù)在光照、角度和面部表情的變化下，可能導(dǎo)致識別精度下降。精神疾病患者的面部表情可能會因疾病狀態(tài)而發(fā)生變化，甚至在某些情況下可能表現(xiàn)得不夠明顯。這使得傳統(tǒng)的人臉識別算法在處理這些復(fù)雜情境時，可能無法準(zhǔn)確捕捉到關(guān)鍵的情感信號，從而影響系統(tǒng)的判斷和識別結(jié)果。

3、當(dāng)前的人臉識別系統(tǒng)往往依賴于大量標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練，但在精神疾病領(lǐng)域，相關(guān)的標(biāo)記數(shù)據(jù)相對稀缺。許多精神疾病的表現(xiàn)具有高度個體差異性，且不同文化背景下的情緒表達(dá)也可能有所不同。這導(dǎo)致現(xiàn)有系統(tǒng)在訓(xùn)練階段難以獲得充分的樣本，從而影響算法的泛化能力和準(zhǔn)確性?，F(xiàn)有技術(shù)在情感分析的深度和細(xì)致度上仍顯不足。許多系統(tǒng)僅僅依靠表情識別技術(shù)，未能結(jié)合其他生理信號（如心率、皮膚電反應(yīng)等）進(jìn)行更全面的情感分析。這種片面性可能導(dǎo)致對患者心理狀態(tài)的誤判，影響后續(xù)的治療決策?，F(xiàn)有的人臉識別技術(shù)在倫理和隱私保護(hù)方面也存在爭議。精神疾病患者通常對個人隱私十分敏感，而人臉識別技術(shù)的應(yīng)用可能引發(fā)對其隱私權(quán)的侵犯，導(dǎo)致患者對技術(shù)的抵觸情緒。這種隱私問題如果得不到妥善解決，將影響患者的接受度和系統(tǒng)的普及應(yīng)用。許多現(xiàn)有的人臉識別檢測系統(tǒng)缺乏足夠的實時性和智能化，無法在臨床環(huán)境中提供即時反饋和支持。

4、精神疾病的識別和干預(yù)通常需要快速響應(yīng)，而傳統(tǒng)系統(tǒng)往往不能滿足這一需求，從而影響臨床決策的效率和效果。因此，開發(fā)一種基于人工智能技術(shù)的人臉識別檢測精神疾病的系統(tǒng)，旨在通過引入更先進(jìn)的算法和多模態(tài)數(shù)據(jù)分析，克服當(dāng)前技術(shù)中的各類缺陷。這種系統(tǒng)將能夠更準(zhǔn)確地識別和分析患者的面部表情和情感狀態(tài)，為精神疾病的早期識別和干預(yù)提供有效支持，從而提升患者的生活質(zhì)量和治療效果。

技術(shù)實現(xiàn)思路

1、本發(fā)明提出一種基于人工智能技術(shù)的人臉識別檢測精神疾病的系統(tǒng)，旨在解決精神疾病檢測中的多項技術(shù)挑戰(zhàn)。首先，傳統(tǒng)的精神疾病診斷方法通常依賴于臨床訪談和問卷調(diào)查，這些方法存在主觀性和專業(yè)知識依賴的問題，容易受到醫(yī)生經(jīng)驗和判斷的影響，導(dǎo)致誤診或漏診。該系統(tǒng)通過引入人臉識別技術(shù)和動態(tài)行為分析，提供了一種客觀、數(shù)據(jù)驅(qū)動的評估手段，能夠在一定程度上減少人為因素對診斷結(jié)果的影響。

2、本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：一種基于人工智能技術(shù)的人臉識別檢測精神疾病的系統(tǒng)，包括采集單元，通過若干攝像頭采集人臉的原始圖片數(shù)據(jù)，所述原始圖片數(shù)據(jù)包括靜態(tài)的圖像數(shù)據(jù)和動態(tài)的圖像數(shù)據(jù)，并分別將所述靜態(tài)的圖像數(shù)據(jù)和動態(tài)的圖像數(shù)據(jù)送入靜態(tài)分析模塊和動態(tài)分析模塊；所述靜態(tài)分析模塊，包括識別單元和第一分區(qū)單元，所述識別單元根據(jù)所述靜態(tài)的圖像數(shù)據(jù)獲得靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)，并根據(jù)所述靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)識別面部表情，所述第一分區(qū)單元根據(jù)所述靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)將人臉劃分為若干區(qū)域；所述動態(tài)分析模塊，分析在預(yù)設(shè)的條件下，通過所述動態(tài)的圖像數(shù)據(jù)獲得動態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)，所述動態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)包括瞳孔的動作軌跡參數(shù)、嘴部的動作軌跡參數(shù)和臉部抖動參數(shù)；

3、所述動態(tài)分析模塊包括瞳孔分析單元、嘴部分析單元、臉部分析單元、存儲單元和疾病分類單元，所述動態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)包括瞳孔的動作軌跡參數(shù)、嘴部的動作軌跡參數(shù)和臉部抖動參數(shù)，所述瞳孔動作軌跡參數(shù)通過所述瞳孔分析單元獲得，所述嘴部的動作軌跡參數(shù)通過所述嘴部分析單元獲得，所述臉部抖動參數(shù)通過所述臉部分析單元獲得；所述瞳孔分析單元、嘴部分析單元、臉部分析單元將獲得的參數(shù)存儲在所述存儲單元內(nèi)，所述存儲單元預(yù)存有若干種精神疾病類型，所述疾病分類單元調(diào)用所述存儲單元中的參數(shù)數(shù)據(jù)，分析所述參數(shù)數(shù)據(jù)與所述精神疾病類型的對應(yīng)關(guān)系；所述瞳孔動作軌跡參數(shù)包括翻眼皮參數(shù)、眨眼參數(shù)、瞳孔與眼眶的偏移參數(shù)以及瞳孔的形狀變化參數(shù)；所述瞳孔分析單元包括翻眼子單元、眨眼子單元、瞳孔偏移子單元和瞳孔形狀變化子單元，所述翻眼子單元識別眼皮的動作頻率和動作幅度，所述眨眼子單元識別眨眼的動作頻率，所述瞳孔偏移子單元識別瞳孔與眼眶的偏移頻率，所述瞳孔形狀變化子單元識別瞳孔的形狀變化頻率，根據(jù)所述動作頻率、動作幅度、偏移頻率和形狀變化頻率分別獲得翻眼皮參數(shù)、眨眼參數(shù)、瞳孔與眼眶的偏移參數(shù)和瞳孔的形狀變化參數(shù)；

4、所述動作幅度通過測量得到眼皮的最小動作深度和動作位移長度，所述翻眼子單元判斷動作頻率，并計算出動作的深度、動作位移的長度，并根據(jù)最小動作深度、動作位移的長度獲得一個翻眼皮系數(shù)，所述眨眼參數(shù)根據(jù)所述眨眼的動作頻率以及動作幅度獲得，所述動作幅度包括眨眼的動作深度、動作位移長度，所述動作頻率在所述眨眼子單元判斷出后進(jìn)行記錄，通過眨眼頻率，以及眨眼的動作深度、動作位移長度，獲得一個眨眼系數(shù)；所述瞳孔的形狀變化根據(jù)瞳孔的初始圖像以及瞳孔的動作軌跡參數(shù)計算出瞳孔的形狀；根據(jù)眨眼參數(shù)和翻眼皮參數(shù)獲得翻眼皮系數(shù)，基于所述翻眼皮系數(shù)進(jìn)行疾病初步分類。

5、這種基于人工智能的人臉識別檢測精神疾病系統(tǒng)與現(xiàn)有技術(shù)相比，展現(xiàn)出多項顯著的區(qū)別和創(chuàng)新之處。從技術(shù)架構(gòu)上看，現(xiàn)有的精神疾病檢測系統(tǒng)多依賴于傳統(tǒng)的問卷調(diào)查和臨床觀察，缺乏數(shù)據(jù)驅(qū)動的智能分析能力。而本系統(tǒng)通過多攝像頭的協(xié)同工作，實現(xiàn)對靜態(tài)圖像和動態(tài)圖像的全面采集，結(jié)合靜態(tài)分析模塊和動態(tài)分析模塊，能夠在不同時間段和情境下捕捉到精神患者者的面部表情和情感變化。這種多維度的數(shù)據(jù)采集方式，顯著提升了情緒識別的準(zhǔn)確性和敏感度。其次，現(xiàn)有技術(shù)在情感分析時往往只關(guān)注表情變化，而忽略了眼睛和嘴部動作所傳遞的重要信息。

6、相比之下，本系統(tǒng)通過瞳孔分析單元、嘴部分析單元和臉部分析單元，深入分析精神患者者的眼部和嘴部動態(tài)，提取如瞳孔的動作軌跡、嘴部的動作軌跡和臉部抖動參數(shù)等重要特征，確保全面評估精神患者者的心理狀態(tài)。這種細(xì)致化的分析方法在傳統(tǒng)系統(tǒng)中并不常見，極大增強(qiáng)了系統(tǒng)在情感識別和精神狀態(tài)評估上的能力。再者，現(xiàn)有系統(tǒng)在處理數(shù)據(jù)時往往缺乏實時反饋，導(dǎo)致分析結(jié)果無法及時應(yīng)用。而本系統(tǒng)通過構(gòu)建實時監(jiān)控機(jī)制，及時記錄精神患者者的表情和行為變化，提升了系統(tǒng)對動態(tài)環(huán)境的適應(yīng)性和響應(yīng)速度?，F(xiàn)有技術(shù)在疾病分類時，常常依賴于固定的規(guī)則和模型，缺乏靈活性和智能化。而本系統(tǒng)通過基于機(jī)器學(xué)習(xí)的分析方法，能夠根據(jù)實時數(shù)據(jù)不斷優(yōu)化和調(diào)整分類模型，確保分類的準(zhǔn)確性和可靠性。這種自適應(yīng)能力使得系統(tǒng)能夠在多變的環(huán)境中保持高效的診斷能力?，F(xiàn)有的人臉識別技術(shù)在精度和魯棒性方面存在問題，而本系統(tǒng)通過使用先進(jìn)的算法和數(shù)據(jù)處理技術(shù)，能夠更準(zhǔn)確地捕捉到精神患者者的面部特征和情感狀態(tài)，確保診斷過程的可靠性。

7、現(xiàn)有技術(shù)在情緒識別和面部表情分析方面的準(zhǔn)確性和實時性仍顯不足。傳統(tǒng)的面部表情識別算法往往無法應(yīng)對復(fù)雜的情感狀態(tài)變化，而本系統(tǒng)通過靜態(tài)和動態(tài)分析模塊的結(jié)合，能夠全面捕捉面部表情和動作軌跡，從而提升情緒識別的精度。再者，許多現(xiàn)有的情感分析系統(tǒng)缺乏對動態(tài)行為的深入分析，特別是對眼睛和嘴部動作的細(xì)致觀察，這對于判斷精神狀態(tài)至關(guān)重要。本系統(tǒng)通過瞳孔分析、嘴部分析和臉部抖動參數(shù)的提取，實現(xiàn)了多維度的行為分析，確保了對用戶心理狀態(tài)的全面評估。最后，現(xiàn)有系統(tǒng)在疾病分類和診斷時通常缺乏足夠的樣本數(shù)據(jù)和算法支持，導(dǎo)致分類效果不理想。通過集成大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)，本系統(tǒng)能夠根據(jù)多種精神疾病類型建立參數(shù)數(shù)據(jù)庫，提高了疾病檢測的準(zhǔn)確性和可靠性。

8、作為一優(yōu)選的實施方式，所述瞳孔動作軌跡參數(shù)包括翻眼皮參數(shù)、眨眼參數(shù)、瞳孔與眼眶的偏移參數(shù)以及瞳孔的形狀變化參數(shù)；所述嘴部的動作軌跡參數(shù)包括嘴部動作的頻繁度、嘴部動作的深度、嘴部動作方向參數(shù)。

9、作為一優(yōu)選的實施方式，所述識別單元包括第一識別子單元、第二識別子單元和第三識別子單元，所述第一識別子單元根據(jù)嘴部形態(tài)判斷是否張嘴，并對張嘴方向進(jìn)行記錄，所述第二識別子單元根據(jù)嘴部輪廓判斷唇部動作，對唇部動作軌跡進(jìn)行記錄，所述第三識別子單元根據(jù)嘴部輪廓判斷是否有口水；所述第一識別子單元、第二識別子單元、第三識別子單元獲得的數(shù)據(jù)通過數(shù)據(jù)存儲子單元進(jìn)行存儲記錄，通過所述靜態(tài)分析模塊獲得所述臉部抖動參數(shù)。

10、作為一優(yōu)選的實施方式，所述臉部分析單元包括抖動子單元和五官變化子單元，所述抖動子單元通過識別靜態(tài)圖像判斷臉部的抖動情況，獲得一個臉部抖動參數(shù)，所述五官變化子單元記錄其他五官的變化參數(shù)，并存儲在存儲子單元。

11、作為一優(yōu)選的實施方式，所述疾病分類單元包括一個存儲模塊和一個分類模塊，所述識別單元根據(jù)所述靜態(tài)的圖像數(shù)據(jù)獲得靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)，并根據(jù)所述靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)識別面部表情，所述存儲單元內(nèi)具有若干反應(yīng)特定疾病的面部表情，面部表情劃分為若干不同的等級，將當(dāng)前所述面部表情與存儲單元內(nèi)的不同等級的面部表情做對比，判斷當(dāng)前所述面部表情屬于對應(yīng)存儲單元里的面部表情的哪個等級。

12、作為一優(yōu)選的實施方式，采用如下步驟進(jìn)行具體操作：通過若干攝像頭采集人臉的靜態(tài)圖像和動態(tài)圖像；所述靜態(tài)分析模塊根據(jù)所述靜態(tài)圖像數(shù)據(jù)獲得靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)，并根據(jù)所述靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)識別面部表情，所述第一分區(qū)單元根據(jù)所述靜態(tài)關(guān)鍵點(diǎn)數(shù)據(jù)將人臉劃分為若干區(qū)域；所述動態(tài)分析模塊分析在預(yù)設(shè)的條件下，通過所述動態(tài)的圖像數(shù)據(jù)中的瞳孔動作軌跡參數(shù)、嘴部的動作軌跡參數(shù)和臉部抖動參數(shù)，并分別獲得眨眼參數(shù)、翻眼皮參數(shù)、瞳孔與眼眶的偏移參數(shù)、瞳孔的形狀變化參數(shù)；存儲所述眨眼參數(shù)、翻眼皮參數(shù)、瞳孔與眼眶的偏移參數(shù)、瞳孔的形狀變化參數(shù)，根據(jù)所述眨眼參數(shù)、翻眼皮參數(shù)、瞳孔與眼眶的偏移參數(shù)、瞳孔的形狀變化參數(shù)獲得反應(yīng)等級；基于所述反應(yīng)等級，獲得反應(yīng)等級因子，并根據(jù)所述等級因子判斷精神疾病類型。

13、采用了上述技術(shù)方案后，本發(fā)明的有益效果是：通過引入靜態(tài)和動態(tài)分析模塊，該系統(tǒng)能夠?qū)崿F(xiàn)全面的情感識別，提升了精神狀態(tài)評估的準(zhǔn)確性。精神患者者的面部表情、動作軌跡和行為模式的綜合分析，使得系統(tǒng)能夠更好地捕捉到微妙的情感變化，從而在介入前期提供更為科學(xué)的心理評估。這種科學(xué)化的評估方式，不僅有助于精神患者自我認(rèn)知的提升，系統(tǒng)的實時數(shù)據(jù)采集和分析能力，確保了在介入過程中能夠及時識別精神患者者的情緒波動，幫助介入人員更好地理解精神患者者的心理狀態(tài)。這種實時反饋機(jī)制，使得介入過程更為人性化，有助于減輕精神患者者的緊張情緒，提高介入的舒適度和有效性。此外，系統(tǒng)通過對異常行為的監(jiān)測和分析，能夠及時識別潛在的心理健康問題，為后續(xù)的心理輔導(dǎo)和干預(yù)提供依據(jù)。這種早期識別機(jī)制，通過構(gòu)建豐富的參數(shù)數(shù)據(jù)庫和智能算法，系統(tǒng)能夠不斷優(yōu)化其分析模型，確保在不同環(huán)境中均能保持高效的工作能力。這種智能化的自我學(xué)習(xí)能力，使得系統(tǒng)在應(yīng)用中展現(xiàn)出更高的靈活性和適應(yīng)性，進(jìn)一步增強(qiáng)了其市場競爭力。該系統(tǒng)不僅提升了介入的科學(xué)性和公正性，還有助于推動心理健康管理的進(jìn)一步發(fā)展，為精神患者者來更多的價值。