CN109272259A - 一种孤独症谱系障碍儿童情绪能力干预***及方法 - Google Patents
一种孤独症谱系障碍儿童情绪能力干预***及方法 Download PDFInfo
- Publication number
- CN109272259A CN109272259A CN201811324494.3A CN201811324494A CN109272259A CN 109272259 A CN109272259 A CN 109272259A CN 201811324494 A CN201811324494 A CN 201811324494A CN 109272259 A CN109272259 A CN 109272259A
- Authority
- CN
- China
- Prior art keywords
- module
- children
- autism
- ability
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036651 mood Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 37
- 208000029560 autism spectrum disease Diseases 0.000 title claims abstract description 29
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 11
- 230000014509 gene expression Effects 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 11
- 206010003805 Autism Diseases 0.000 claims description 33
- 208000020706 Autistic disease Diseases 0.000 claims description 33
- 239000002096 quantum dot Substances 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 210000000349 chromosome Anatomy 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 108010077544 Chromatin Proteins 0.000 claims description 6
- 210000003483 chromatin Anatomy 0.000 claims description 6
- 238000009223 counseling Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 229910002056 binary alloy Inorganic materials 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000008921 facial expression Effects 0.000 abstract description 5
- 230000003930 cognitive ability Effects 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000007476 Maximum Likelihood Methods 0.000 abstract description 2
- 230000012010 growth Effects 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 11
- 201000010099 disease Diseases 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000035475 disorder Diseases 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003340 mental effect Effects 0.000 description 3
- 230000036632 reaction speed Effects 0.000 description 3
- 230000006886 spatial memory Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000014860 sensory perception of taste Effects 0.000 description 2
- 230000004006 stereotypic behavior Effects 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 208000012239 Developmental disease Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明属于儿童情绪能力干预技术领域,公开了一种孤独症谱系障碍儿童情绪能力干预***及方法,所述孤独症谱系障碍儿童情绪能力干预***包括:注册登录模块、图像采集模块、中央控制模块、自动表情识别模块、情绪能力干预模块、无线通信模块、Web服务器、能力评估模块、在线疏导模块、显示模块。本发明通过自动表情识别模块根据人脸检测、特征点定位、特征提取,表情分类从而进行人脸表情进行最大可能性的预测,保证了表情识别的准确性,具有广泛的应用前景;同时,通过能力评估模块能够评估儿童的多种认知能力,方便用户对儿童的优缺点进行统一了解,以此可对儿童进行针对性的训练、培养,还可以避免一些不利儿童生长的情况发生。
Description
技术领域
本发明属于儿童情绪能力干预技术领域,尤其涉及一种孤独症谱系障碍儿童情绪能力干预***及方法。
背景技术
孤独症谱系障碍(ASD,Autism Spectrum Disorder),是根据典型孤独症的核心症状进行扩展定义的广泛意义上的孤独症,既包括了典型孤独症,也包括了不典型孤独症,又包括了阿斯伯格综合症、孤独症边缘、孤独症疑似等症状。孤独症,又称自闭症,是一种较为严重的发育障碍性疾病。它是一种先天精神疾患,和后天家庭教养无关。该病男女发病率差异显著,在我国男女患病率比例为6—9:1。典型孤独症,其核心症状就是所谓的“三联症”,主要体现为在社会性和交流能力、语言能力、仪式化的刻板行为三个方面同时都具有本质的缺损。其主要症状为:社会交流障碍:一般表现为缺乏与他人的交流或交流技巧,与父母亲之间缺乏安全依恋关系等;语言交流障碍:语言发育落后,或者在正常语言发育后出现语言倒退,或语言缺乏交流性质;重复刻板行为。不典型孤独症则在前述三个方面不全具有缺陷,只具有其中之一或之二。然而,现有人脸表情识别技术识别的准确性差;同时,不能全方位对儿童各项能力进行评估,不能对儿童的优缺点进行统一了解。
综上所述,现有技术存在的问题是:
(1)现有人脸表情识别技术识别的准确性差;同时,不能全方位对儿童各项能力进行评估,不能对儿童的优缺点进行统一了解。
(2)现有的对障碍儿童情绪疏导的方法,不能使障碍儿童培养对社会行为的认知,不能使儿童有效的对自己的情绪控制。
(3)现有技术中对运动的脸部进行特征采集的过程中,容易受到照及相同背景色的影响,导致存在一定的误差。
(4)在通过无线发射器发送无线信号与Web服务器进行数据通信操作的过程中,不能抑制局放信号的噪声干扰,降低了去噪效果。
发明内容
针对现有技术存在的问题,本发明提供了一种孤独症谱系障碍儿童情绪能力干预***及方法。
本发明是这样实现的,一种孤独症谱系障碍儿童情绪能力干预方法,所述孤独症谱系障碍儿童情绪能力干预方法包括:
第一步,通过注册登录模块注册账号并登陆操作;通过图像采集模块利用摄像器运用多特征连续自适应均值漂移人脸跟踪算法采集孤独症谱系障碍儿童图像数据;
第二步,中央控制模块调度自动表情识别模块利用图像处理软件对采集的图像进行自动表情识别处理;通过情绪能力干预模块利用flash游戏根据干预目标设计符合孤独症儿童特点,提供适合孤独症儿童的情绪能力训练任务;
第三步,通过无线通信模块利用无线发射器运用采用局部放电信号稀疏表示去噪方法对信号去噪,发送无线信号与Web服务器进行数据通信操作;通过Web服务器对数据库进行管理、存储操作;通过能力评估模块利用评估软件对儿童的能力进行评估;通过在线疏导模块利用网络专家在线进行心理疏导;最后,显示模块利用显示器显示儿童图像及flash游戏任务。
进一步,通过摄像器采集孤独症谱系障碍儿童图像数据的过程中,采用多特征连续自适应均值漂移人脸跟踪算法,包括以下步骤:
步骤一,初始化人脸跟踪目标,存储人脸大小和位置信息,建立基于核函数的人脸颜色特征直方图模型;
步骤二,读取下一帧视频图像,在搜索窗口内进行线端、角、边缘纹理的检测,得到纹理权重,用人脸颜色模型进行投影创建概率密度分布图,联合纹理权重,获得多特征候选人脸概率密度分布图;
步骤三,用Mean Shift算法迭代寻找目标人脸位置;
步骤四,在人脸位置区域用CAMSHIFT算法中的矩运算计算人脸长度、宽度、偏转角度和搜索窗口带宽;
步骤五,转到步骤二,直到跟踪结束。
进一步,所述无线通信模块通过无线发射器发送无线信号与Web服务器进行数据通信操作的过程中,采用局部放电信号稀疏表示去噪方法,包括以下步骤:
步骤一,以原信号或残差信号与原子的内积作为适应度函数,以局放脉冲匹配原子其原子参数γ=(nu,nβ,ns,2πnω/N,3πnφ/2)为待寻优参数组,确定种群规模n、量子位数m及IQGA最大迭代次数T基于量子比特编码的种群可表示为Q(t)=[q1,q2,...,qn],其中每条染色体qj为:
步骤二,进行MP算法计算,初始化第一代种群Q(t0),初始种群染色体编码的所有量子比特[α′i,β′i]T均设置为
步骤三,对初始种群每个个体的量子比特概率幅进行测量,并通过量子比特概率幅与[0,1]区间某一随机数做比较,生成二进制解集;进行适应度评估并记录最优个体,作为下一代进化目标;
步骤四,根据动态量子门旋转角策略,得到下一代种群,对该种群进行进化操作并评估该种群的个体最优适应度,并同历史最优个体适应度作比较,若优于历史最优个体适应度则进行替代并保存,并用该个体的染色体状态作为个体最优染色体状态;
步骤五,判断是否满足IQGA迭代终止条件,若不满足则返回步骤四重复上述过程,进行下一次迭代;若满足,则对个体最优染色体进行解码,得到原信号或残差信号最优匹配原子参数,进而得到该次迭代最优局放脉冲匹配原子计算并保存残差信号
式中k为MP迭代次数;
步骤六,根据残差比阈值条件,确定是否满足MP计算迭代终止条件,若不满足则返回步骤二,并代入步骤五生成的新残差信号重复上述过程,若满足则去噪结束;去噪后局放信号为:
本发明的另一目的在于提供一种实现所述孤独症谱系障碍儿童情绪能力干预方法的孤独症谱系障碍儿童情绪能力干预***,所述孤独症谱系障碍儿童情绪能力干预***包括:
注册登录模块,与中央控制模块连接,用于注册账号并登陆操作;
图像采集模块,与中央控制模块连接,用于通过摄像器采集孤独症谱系障碍儿童图像数据;
中央控制模块,与注册登录模块、图像采集模块、自动表情识别模块、情绪能力干预模块、无线通信模块、Web服务器、能力评估模块、在线疏导模块、显示模块连接,用于通过单片机控制各个模块正常工作;
自动表情识别模块,与中央控制模块连接,用于通过图像处理软件对采集的图像进行自动表情识别处理;
情绪能力干预模块,与中央控制模块连接,用于通过flash游戏根据干预目标设计符合孤独症儿童特点,提供适合孤独症儿童的情绪能力训练任务;
无线通信模块,与中央控制模块连接,用于通过无线发射器发送无线信号与Web服务器进行数据通信操作;
Web服务器,与中央控制模块连接,用于对数据库进行管理、存储操作;
能力评估模块,与中央控制模块连接,用于通过评估软件对儿童的能力进行评估;
在线疏导模块,与中央控制模块连接,用于通过网络专家在线进行心理疏导;
显示模块,与中央控制模块连接,用于通过显示器显示儿童图像及flash游戏任务。
本发明的另一目的在于提供一种应用所述孤独症谱系障碍儿童情绪能力干预方法的智能终端。
本发明的优点及积极效果为:本发明通过自动表情识别模块根据人脸检测、特征点定位、特征提取,表情分类从而进行人脸表情进行最大可能性的预测,保证了表情识别的准确性,具有广泛的应用前景;同时,通过能力评估模块对待预测儿童的反应速度、速度知觉能力、空间记忆能力、时间估计能力、注意力、心理量表测、视知觉、嗅觉、味觉、认知能力、情绪情感和人格的多维能力中的至少其中五种能力,按照预设模型进行体验评估,获取多维能力在所述预设模型进行体验评估所得到的评估数据,对所述评估数据进行数据优化处理,根据每项能力的评估数据进行排名评分,对每项能力划分权重系数,将每项能力的排名评分乘以所述权重系数,得到每项能力的权重分数,将每项能力对应的权重分数叠加优化处理得到多维能力的综合评分,以得到所述待预测儿童的综合评估结果。通过这种方式,本申请能够评估儿童的多种认知能力,比如反应速度、速度知觉能力、空间记忆能力、时间估计能力、注意力和心理量表测评等,方便用户对儿童的优缺点进行统一了解,以此可对儿童进行针对性的训练、培养,还可以避免一些不利儿童生长的情况发生。
本发明在图像采集模块通过摄像器采集孤独症谱系障碍儿童图像数据的过程中,为了避免受到光照及相同背景色的影响,采用多特征连续自适应均值漂移人脸跟踪算法,避免了误差的存在。
本发明在情绪能力干预模块通过flash游戏根据干预目标设计符合孤独症儿童特点,采用的适合孤独症儿童的情绪能力训练任务的方法,能使障碍儿童培养对社会行为的认知,提高了儿童对自己的情绪控制的能力。本发明在无线通信模块通过无线发射器发送无线信号与Web服务器进行数据通信操作的过程中,采用局部放电信号稀疏表示去噪方法,能准确抑制局放信号的噪声干扰,提高去噪效果。
附图说明
图1是本发明实施例提供的孤独症谱系障碍儿童情绪能力干预***结构示意图;
图中:1、注册登录模块;2、图像采集模块;3、中央控制模块;4、自动表情识别模块;5、情绪能力干预模块;6、无线通信模块;7、Web服务器;8、能力评估模块;9、在线疏导模块;10、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的孤独症谱系障碍儿童情绪能力干预***包括:注册登录模块1、图像采集模块2、中央控制模块3、自动表情识别模块4、情绪能力干预模块5、无线通信模块6、Web服务器7、能力评估模块8、在线疏导模块9、显示模块10。
注册登录模块1,与中央控制模块3连接,用于注册账号并登陆操作;
图像采集模块2,与中央控制模块3连接,用于通过摄像器采集孤独症谱系障碍儿童图像数据;
中央控制模块3,与注册登录模块1、图像采集模块2、自动表情识别模块4、情绪能力干预模块5、无线通信模块6、Web服务器7、能力评估模块8、在线疏导模块9、显示模块10连接,用于通过单片机控制各个模块正常工作;
自动表情识别模块4,与中央控制模块3连接,用于通过图像处理软件对采集的图像进行自动表情识别处理;
情绪能力干预模块5,与中央控制模块3连接,用于通过flash游戏根据干预目标设计符合孤独症儿童特点,提供适合孤独症儿童的情绪能力训练任务;
无线通信模块6,与中央控制模块3连接,用于通过无线发射器发送无线信号与Web服务器进行数据通信操作;
Web服务器7,与中央控制模块3连接,用于对数据库进行管理、存储操作;
能力评估模块8,与中央控制模块3连接,用于通过评估软件对儿童的能力进行评估;
在线疏导模块9,与中央控制模块3连接,用于通过网络专家在线进行心理疏导;
显示模块10,与中央控制模块3连接,用于通过显示器显示儿童图像及flash游戏任务。
所述图像采集模块2通过摄像器采集孤独症谱系障碍儿童图像数据的过程中,为了避免受到光照及相同背景色的影响,采用多特征连续自适应均值漂移人脸跟踪算法,包括以下步骤:
步骤一,初始化人脸跟踪目标,存储人脸大小和位置信息,建立基于核函数的人脸颜色特征直方图模型;
步骤二,读取下一帧视频图像,在搜索窗口内进行线端、角、边缘纹理的检测,得到纹理权重,用人脸颜色模型进行投影创建概率密度分布图,联合纹理权重,获得多特征候选人脸概率密度分布图;
步骤三,用Mean Shift算法迭代寻找目标人脸位置;
步骤四,在人脸位置区域用CAMSHIFT算法中的矩运算计算人脸长度、宽度、偏转角度和搜索窗口带宽;
步骤五,转到步骤二,直到跟踪结束。
所述情绪能力干预模块5通过flash游戏根据干预目标设计符合孤独症儿童特点,提供适合孤独症儿童的情绪能力训练任务的方法,包括以下步骤:
步骤一,利用flash游戏使孤独症儿童确认扳机,确认有哪些外在事件或内在的自我陈述易挑起愤怒情绪;
步骤二,通过flash游戏让孤独症儿童能了解其身体的线索如脸红、肌肉紧绷等与愤怒情绪的关联;
步骤三,在flash游戏中,增加一些提示语,让孤独症儿童学会內在自我陈述如“冷静”、“不要冲动”等缓和自己的愤怒;
步骤四,使flash游戏使孤独症儿童学会减压;
步骤五,在游戏的过程中,要让孤独症儿童学会自我的评价,评判自己是否能运用前面的四个步骤,如果表现很好,分值增加。
所述无线通信模块6通过无线发射器发送无线信号与Web服务器进行数据通信操作的过程中,为了能准确抑制局放信号的噪声干扰,提高去噪效果,采用局部放电信号稀疏表示去噪方法,包括以下步骤:
步骤一,以原信号或残差信号与原子的内积作为适应度函数,以局放脉冲匹配原子其原子参数γ=(nu,nβ,ns,2πnω/N,3πnφ/2)为待寻优参数组,确定种群规模n、量子位数m及IQGA最大迭代次数T基于量子比特编码的种群可表示为Q(t)=[q1,q2,...,qn],其中每条染色体qj为
步骤二,进行MP算法计算,初始化第一代种群Q(t0),初始种群染色体编码的所有量子比特[α′i,β′i]T均设置为
步骤三,对初始种群每个个体的量子比特概率幅进行测量,并通过量子比特概率幅与[0,1]区间某一随机数做比较,生成二进制解集;进行适应度评估并记录最优个体,作为下一代进化目标;
步骤四,根据动态量子门旋转角策略,得到下一代种群,对该种群进行进化操作并评估该种群的个体最优适应度,并同历史最优个体适应度作比较,若优于历史最优个体适应度则进行替代并保存,并用该个体的染色体状态作为个体最优染色体状态;
步骤五,判断是否满足IQGA迭代终止条件,若不满足则返回步骤四重复上述过程,进行下一次迭代;若满足,则对个体最优染色体进行解码,得到原信号或残差信号最优匹配原子参数,进而得到该次迭代最优局放脉冲匹配原子计算并保存残差信号
式中k为MP迭代次数;
步骤六,根据残差比阈值条件,确定是否满足MP计算迭代终止条件,若不满足则返回步骤二,并代入步骤五生成的新残差信号重复上述过程,若满足则去噪结束。去噪后局放信号为
本发明提供的,所述自动表情识别模块4识别方法如下:
(1)从原始图像中检测出人脸;
(2)对检测的人脸进行人脸对齐和特征点定位;
(3)从人脸图像中提取出面部特征信息;
(4)根据获取的特征数据,进行表情分类,实现人脸表情识别。
本发明提供的,所述从原始图像中检测出人脸包括:
基于局部二进制模式逐行扫描原始图像,得到响应图像;
采用AdaBoost算法对所述响应图像进行人脸检测,检测出人脸的存在;
采用AdaBoost算法进行人眼检测,分离出人脸区域;
优选地,所述采用AdaBoost算法进行检测过程中按照1.25-0.9进行多尺度检测。
本发明提供的,所述对检测的人脸进行人脸对齐和特征点定位包括:
采用局部约束模型对面部特征点进行标注。
本发明提供的,所述从人脸图像中提取出面部特征信息包括:
选取体现各类表情之间差异性的区域,提取基于形变的表情特征和基于运动的表情特征的两种类型的特征;
采用递归特征消除及线性向量机做特征评估,对选取的特征进一步进行特征选择;
优选地,所述体现各类表情之间差异性的区域包括眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点;
优选地,所述从人脸图像中提取出面部特征信息还包括:对提取的面部特征信息进行特征选择,获取面部特征子集,保存面部特征信息,用于表情识别。
本发明提供的,所述Web服务器7包括数据库管理模块、数据库;
数据库管理模块,用于对数据库进行管理,查询、更新、***或删除数据库的有关数据,数据库容量自动管理,数据库的备份恢复等功能;
数据库,用于完成相关数据表的设计,用以存储数据,主要包括用户信息数据表,情绪能力训练数据表,评测任务数据表等。
本发明提供的,所述能力评估模块8评估方法如下:
(1)对待预测儿童的反应速度、速度知觉能力、空间记忆能力、时间估计能力、注意力、心理量表测、视知觉、嗅觉、味觉、认知能力、情绪情感和人格的多维能力中的至少其中五种能力,按照预设模型进行体验评估;
(2)获取多维能力在所述预设模型进行体验评估所得到的评估数据,对所述评估数据进行数据优化处理,根据每项能力的评估数据进行排名评分;
(3)对每项能力划分权重系数,将每项能力的排名评分乘以所述权重系数,得到每项能力的权重分数;
(4)将每项能力对应的权重分数叠加优化处理得到多维能力的综合评分,以得到所述待预测儿童的综合评估结果。
本发明提供的,所述获取多维能力在所述预设模型进行体验评估所得到的评估数据,对所述评估数据进行数据优化处理,根据每项能力的评估数据进行排名评分的步骤,具体包括:
获取每项能力的多次评估数据;
对多次评估数据进行筛选、去重、去噪和取平均值的数据优化处理;
对进行筛选、去重、去噪和取平均值得到的评估数据进行***名次排序,根据***名次排序得到排名评分。
本发明提供的,所述将每项能力对应的权重分数叠加优化处理得到多维能力的综合评分,以得到所述待预测儿童的综合评估结果的步骤,还包括:
根据每项能力对应的权重分数、以及所述多维能力的综合评分,生成个性化评估报告。
本发明提供的,所述根据每项能力对应的权重分数、以及所述多维能力的综合评分,生成个性化评估报告的步骤之后,还包括:
根据每项能力对应的权重分数、以及所述多维能力的综合评分,针对每项能力给出第一建议,并根据所述多维能力的综合评分给出第二建议,以供所述待预测儿童进行针对性培养。
本发明工作时,首先,通过注册登录模块1注册账号并登陆操作;通过图像采集模块2利用摄像器运用多特征连续自适应均值漂移人脸跟踪算法采集孤独症谱系障碍儿童图像数据;接着,中央控制模块3调度自动表情识别模块4利用图像处理软件对采集的图像进行自动表情识别处理;通过情绪能力干预模块5利用flash游戏根据干预目标设计符合孤独症儿童特点,提供适合孤独症儿童的情绪能力训练任务;然后,通过无线通信模块6利用无线发射器运用采用局部放电信号稀疏表示去噪方法对信号去噪,发送无线信号与Web服务器进行数据通信操作;通过Web服务器7对数据库进行管理、存储操作;通过能力评估模块8利用评估软件对儿童的能力进行评估;通过在线疏导模块9利用网络专家在线进行心理疏导;最后,显示模块10利用显示器显示儿童图像及flash游戏任务。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (5)
1.一种孤独症谱系障碍儿童情绪能力干预方法,其特征在于,所述孤独症谱系障碍儿童情绪能力干预方法包括:
第一步,通过注册登录模块注册账号并登陆操作;通过图像采集模块利用摄像器运用多特征连续自适应均值漂移人脸跟踪算法采集孤独症谱系障碍儿童图像数据;
第二步,中央控制模块调度自动表情识别模块利用图像处理软件对采集的图像进行自动表情识别处理;通过情绪能力干预模块利用flash游戏根据干预目标设计符合孤独症儿童特点,提供适合孤独症儿童的情绪能力训练任务;
第三步,通过无线通信模块利用无线发射器运用采用局部放电信号稀疏表示去噪方法对信号去噪,发送无线信号与Web服务器进行数据通信操作;通过Web服务器对数据库进行管理、存储操作;通过能力评估模块利用评估软件对儿童的能力进行评估;通过在线疏导模块利用网络专家在线进行心理疏导;最后,显示模块利用显示器显示儿童图像及flash游戏任务。
2.如权利要求1所述的孤独症谱系障碍儿童情绪能力干预方法,其特征在于,通过摄像器采集孤独症谱系障碍儿童图像数据的过程中,采用多特征连续自适应均值漂移人脸跟踪算法,包括以下步骤:
步骤一,初始化人脸跟踪目标,存储人脸大小和位置信息,建立基于核函数的人脸颜色特征直方图模型;
步骤二,读取下一帧视频图像,在搜索窗口内进行线端、角、边缘纹理的检测,得到纹理权重,用人脸颜色模型进行投影创建概率密度分布图,联合纹理权重,获得多特征候选人脸概率密度分布图;
步骤三,用Mean Shift算法迭代寻找目标人脸位置;
步骤四,在人脸位置区域用CAMSHIFT算法中的矩运算计算人脸长度、宽度、偏转角度和搜索窗口带宽;
步骤五,转到步骤二,直到跟踪结束。
3.如权利要求1所述的孤独症谱系障碍儿童情绪能力干预方法,其特征在于,所述无线通信模块通过无线发射器发送无线信号与Web服务器进行数据通信操作的过程中,采用局部放电信号稀疏表示去噪方法,包括以下步骤:
步骤一,以原信号或残差信号与原子的内积作为适应度函数,以局放脉冲匹配原子其原子参数γ=(nu,nβ,ns2πnω/N,3πnφ/2)为待寻优参数组,确定种群规模n、量子位数m及IQGA最大迭代次数T基于量子比特编码的种群可表示为Q(t)=[q1,q2,...,qn],其中每条染色体qj为:
步骤二,进行MP算法计算,初始化第一代种群Q(t0),初始种群染色体编码的所有量子比特[α′i,β′i]T均设置为
步骤三,对初始种群每个个体的量子比特概率幅进行测量,并通过量子比特概率幅与[0,1]区间某一随机数做比较,生成二进制解集;进行适应度评估并记录最优个体,作为下一代进化目标;
步骤四,根据动态量子门旋转角策略,得到下一代种群,对该种群进行进化操作并评估该种群的个体最优适应度,并同历史最优个体适应度作比较,若优于历史最优个体适应度则进行替代并保存,并用该个体的染色体状态作为个体最优染色体状态;
步骤五,判断是否满足IQGA迭代终止条件,若不满足则返回步骤四重复上述过程,进行下一次迭代;若满足,则对个体最优染色体进行解码,得到原信号或残差信号最优匹配原子参数,进而得到该次迭代最优局放脉冲匹配原子计算并保存残差信号
式中k为MP迭代次数;
步骤六,根据残差比阈值条件,确定是否满足MP计算迭代终止条件,若不满足则返回步骤二,并代入步骤五生成的新残差信号重复上述过程,若满足则去噪结束;去噪后局放信号为:
4.一种实现权利要求1所述孤独症谱系障碍儿童情绪能力干预方法的孤独症谱系障碍儿童情绪能力干预***,其特征在于,所述孤独症谱系障碍儿童情绪能力干预***包括:
注册登录模块,与中央控制模块连接,用于注册账号并登陆操作;
图像采集模块,与中央控制模块连接,用于通过摄像器采集孤独症谱系障碍儿童图像数据;
中央控制模块,与注册登录模块、图像采集模块、自动表情识别模块、情绪能力干预模块、无线通信模块、Web服务器、能力评估模块、在线疏导模块、显示模块连接,用于通过单片机控制各个模块正常工作;
自动表情识别模块,与中央控制模块连接,用于通过图像处理软件对采集的图像进行自动表情识别处理;
情绪能力干预模块,与中央控制模块连接,用于通过flash游戏根据干预目标设计符合孤独症儿童特点,提供适合孤独症儿童的情绪能力训练任务;
无线通信模块,与中央控制模块连接,用于通过无线发射器发送无线信号与Web服务器进行数据通信操作;
Web服务器,与中央控制模块连接,用于对数据库进行管理、存储操作;
能力评估模块,与中央控制模块连接,用于通过评估软件对儿童的能力进行评估;
在线疏导模块,与中央控制模块连接,用于通过网络专家在线进行心理疏导;
显示模块,与中央控制模块连接,用于通过显示器显示儿童图像及flash游戏任务。
5.一种应用权利要求1~3任意一项所述孤独症谱系障碍儿童情绪能力干预方法的智能终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811324494.3A CN109272259A (zh) | 2018-11-08 | 2018-11-08 | 一种孤独症谱系障碍儿童情绪能力干预***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811324494.3A CN109272259A (zh) | 2018-11-08 | 2018-11-08 | 一种孤独症谱系障碍儿童情绪能力干预***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109272259A true CN109272259A (zh) | 2019-01-25 |
Family
ID=65192493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811324494.3A Pending CN109272259A (zh) | 2018-11-08 | 2018-11-08 | 一种孤独症谱系障碍儿童情绪能力干预***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272259A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110170993A (zh) * | 2019-04-18 | 2019-08-27 | 张煜轩 | 一种网络化智能机器人 |
CN110587621A (zh) * | 2019-08-30 | 2019-12-20 | 深圳智慧林网络科技有限公司 | 机器人、基于机器人的病人看护方法和可读存储介质 |
CN111012367A (zh) * | 2019-12-27 | 2020-04-17 | 华中师范大学 | 一种精神疾病的智能识别*** |
CN111128368A (zh) * | 2019-10-31 | 2020-05-08 | 东南大学 | 基于视频表情行为分析的孤独症谱系障碍自动检测方法及装置 |
CN111739612A (zh) * | 2020-06-28 | 2020-10-02 | 华中师范大学 | 一种基于关键反应训练模式的孤独症自适应干预*** |
CN112450932A (zh) * | 2020-12-14 | 2021-03-09 | 深圳市艾利特医疗科技有限公司 | 一种心理障碍检测***以及方法 |
CN113974631A (zh) * | 2021-12-03 | 2022-01-28 | 中国科学院心理研究所 | 一种基于生理信号识别与分析的孤独症计算机辅助诊断*** |
CN114220522A (zh) * | 2022-02-22 | 2022-03-22 | 北京科技大学 | 基于视觉认知注意的心理测评数据采集与干预方法及*** |
WO2023061174A1 (zh) * | 2021-10-11 | 2023-04-20 | 中山大学 | 一种孤独症谱系障碍的风险预测模型构建方法及装置 |
CN117152012A (zh) * | 2023-09-05 | 2023-12-01 | 南京林业大学 | 孤独症人群视觉降噪的智能视觉处理***、方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354349A (zh) * | 2011-10-26 | 2012-02-15 | 华中师范大学 | 提高孤独症儿童社会互动能力的人机互动多模态早期干预*** |
CN103258450A (zh) * | 2013-03-22 | 2013-08-21 | 华中师范大学 | 面向孤独症儿童的智能学习平台 |
CN103632126A (zh) * | 2012-08-20 | 2014-03-12 | 华为技术有限公司 | 人脸跟踪方法及装置 |
CN105279387A (zh) * | 2015-11-17 | 2016-01-27 | 东南大学 | 一种面向孤独症谱系障碍儿童的执行功能评测与训练*** |
-
2018
- 2018-11-08 CN CN201811324494.3A patent/CN109272259A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354349A (zh) * | 2011-10-26 | 2012-02-15 | 华中师范大学 | 提高孤独症儿童社会互动能力的人机互动多模态早期干预*** |
CN103632126A (zh) * | 2012-08-20 | 2014-03-12 | 华为技术有限公司 | 人脸跟踪方法及装置 |
CN103258450A (zh) * | 2013-03-22 | 2013-08-21 | 华中师范大学 | 面向孤独症儿童的智能学习平台 |
CN105279387A (zh) * | 2015-11-17 | 2016-01-27 | 东南大学 | 一种面向孤独症谱系障碍儿童的执行功能评测与训练*** |
Non-Patent Citations (3)
Title |
---|
丁业兵等: "多特征连续自适应均值漂移人脸跟踪算法", 《计算机应用》 * |
律方成等: "局部放电信号稀疏表示去噪方法", 《中国电机工程学报》 * |
陈鸿雁等: "孤独症谱系障碍儿童情绪表达能力干预***研制", 《现代生物医学进展》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110170993A (zh) * | 2019-04-18 | 2019-08-27 | 张煜轩 | 一种网络化智能机器人 |
CN110587621A (zh) * | 2019-08-30 | 2019-12-20 | 深圳智慧林网络科技有限公司 | 机器人、基于机器人的病人看护方法和可读存储介质 |
CN110587621B (zh) * | 2019-08-30 | 2023-06-06 | 深圳智慧林网络科技有限公司 | 机器人、基于机器人的病人看护方法和可读存储介质 |
CN111128368B (zh) * | 2019-10-31 | 2023-04-07 | 东南大学 | 基于视频表情行为分析的孤独症谱系障碍自动检测方法及装置 |
CN111128368A (zh) * | 2019-10-31 | 2020-05-08 | 东南大学 | 基于视频表情行为分析的孤独症谱系障碍自动检测方法及装置 |
CN111012367A (zh) * | 2019-12-27 | 2020-04-17 | 华中师范大学 | 一种精神疾病的智能识别*** |
CN111739612A (zh) * | 2020-06-28 | 2020-10-02 | 华中师范大学 | 一种基于关键反应训练模式的孤独症自适应干预*** |
CN112450932A (zh) * | 2020-12-14 | 2021-03-09 | 深圳市艾利特医疗科技有限公司 | 一种心理障碍检测***以及方法 |
WO2023061174A1 (zh) * | 2021-10-11 | 2023-04-20 | 中山大学 | 一种孤独症谱系障碍的风险预测模型构建方法及装置 |
CN113974631A (zh) * | 2021-12-03 | 2022-01-28 | 中国科学院心理研究所 | 一种基于生理信号识别与分析的孤独症计算机辅助诊断*** |
CN114220522A (zh) * | 2022-02-22 | 2022-03-22 | 北京科技大学 | 基于视觉认知注意的心理测评数据采集与干预方法及*** |
CN117152012A (zh) * | 2023-09-05 | 2023-12-01 | 南京林业大学 | 孤独症人群视觉降噪的智能视觉处理***、方法及设备 |
CN117152012B (zh) * | 2023-09-05 | 2024-05-03 | 南京林业大学 | 孤独症人群视觉降噪的智能视觉处理***、方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272259A (zh) | 一种孤独症谱系障碍儿童情绪能力干预***及方法 | |
CN109816092B (zh) | 深度神经网络训练方法、装置、电子设备及存储介质 | |
CN107203753B (zh) | 一种基于模糊神经网络和图模型推理的动作识别方法 | |
CN109522857B (zh) | 一种基于生成式对抗网络模型的人数估计方法 | |
Salimi et al. | Visual-based trash detection and classification system for smart trash bin robot | |
CN110110707A (zh) | 人工智能cnn、lstm神经网络动态识别*** | |
CN108898093A (zh) | 一种人脸识别方法及应用该方法的电子病历登陆*** | |
CN110532900A (zh) | 基于U-Net和LS-CNN的人脸表情识别方法 | |
CN107220635A (zh) | 基于多造假方式的人脸活体检测方法 | |
CN109902564B (zh) | 一种基于结构相似性稀疏自编码网络的异常事件检测方法 | |
CN108182409A (zh) | 活体检测方法、装置、设备及存储介质 | |
KR20040037180A (ko) | 학습 모델 부분들을 사용하는 안면 인식 시스템 및 방법 | |
JP2004523840A (ja) | モデル集合によるオブジェクトの分類 | |
CN109214444B (zh) | 基于孪生神经网络和gmm的游戏防沉迷判定***及方法 | |
CN111368926A (zh) | 图像筛选方法、装置和计算机可读存储介质 | |
CN112560596A (zh) | 一种雷达干扰类别识别方法及*** | |
CN110348434A (zh) | 相机来源鉴别方法、***、存储介质和计算设备 | |
Rajeshwar | Hybrid particle swarm optimization-gravitational search algorithm based deep belief network: Speech emotion recognition: Hybrid PSO-GSA based DBN | |
WO2021147473A1 (zh) | 一种模型训练方法、内容生成方法以及相关装置 | |
CN110163095A (zh) | 回环检测方法、回环检测装置及终端设备 | |
Tanchotsrinon et al. | Facial expression recognition using graph-based features and artificial neural networks | |
CN110555007B (zh) | 盗号行为判别方法、装置、计算设备及存储介质 | |
Kushwah et al. | Neural network method through facial expression recognition | |
CN116662866A (zh) | 基于数据插补和表征学习的端到端不完整时间序列分类方法 | |
US11847401B2 (en) | Method and apparatus for recognizing handwriting inputs in multiple-user environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |
|
RJ01 | Rejection of invention patent application after publication |