首页 > 资讯 > 心理健康智能情绪识别方法.pdf

心理健康智能情绪识别方法.pdf

泰然健康网
2025-06-10 21:22

《心理健康智能情绪识别方法.pdf》由会员分享，可在线阅读，更多相关《心理健康智能情绪识别方法.pdf（7页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310478600.8(22)申请日 2023.04.28(71)申请人好心情健康产业集团有限公司地址 100080 北京市海淀区北四环西路52号13层1502房间(72)发明人姚尧袁礼承徐锋陈冠伟(74)专利代理机构北京世誉鑫诚专利代理有限公司 11368专利代理师任欣生(51)Int.Cl.G06V 20/59(2022.01)G10L 25/63(2013.01)G06V 20/40(2022.01)G06V 40/16(2022.01)(54)发明名称一种心理健康智能情绪识别。

2、方法(57)摘要本发明提供的一种心理健康智能情绪识别方法，所述情绪识别方法包括：用户终端和服务云端；所述服务云端创建模型，模型训练，模型参数调整及情绪识别后的后续服务；所述用户终端负责语音和照片的拍摄、存储、表情识别，并上传至所述服务远端。服务端根据收集到的特征表情数据集，不断的训练模型，优化模型参数，形成有效的模型算法，不断提升情绪识别的准确性和有效性。能够实时的采集驾驶员的人脸照片，识别人脸表情，出具初步的情绪识别报告。权利要求书1页说明书4页附图1页CN 116503841 A2023.07.28CN 116503841 A1.一种心理健康智能情绪识别方法，其特征在于，所述情绪识别方。

3、法包括：用户终端和服务云端；所述服务云端创建模型，模型训练，模型参数调整及情绪识别后的后续服务；所述用户终端负责语音和照片的拍摄、存储、表情识别，并上传至所述服务远端。2.根据权利要求1所述的一种心理健康智能情绪识别方法，其特征在于，所述情绪识别的方法具体包括：通过所述用户终端将人脸照片上传到所述服务云端；所述服务云端将所述人脸照片通过人脸分析模型，创建好人脸识别模型参数，再将参数下发到所述用户终端的模型用于终端的人脸识别；所述用户终端通过定时拍摄照片组，识别人脸，分析人脸表情结果，分析出当前人的情绪，并将分析结果上传到所述服务云端。3.根据权利要求2所述的一种心理健康智能情绪识别方法，其特征。

4、在于，所述将分析结果上传到所述服务云端之后还包括：所述服务云端根据不同的情绪结果，有差别的提供后续服务。4.根据权利要求2所述的一种心理健康智能情绪识别方法，其特征在于，所述人脸识别算法具体包括：人脸识别算法，情绪分析算法会随着业务量的增加，业务场景的变化，数据量的增大，动态的调整算法模型和算法参数。5.根据权利要求1所述的一种心理健康智能情绪识别方法，其特征在于，所述表情识别的结果会和业务线进行深度融合，为业务线的决策提供辅助支持。权利要求书1/1 页2CN 116503841 A2一种心理健康智能情绪识别方法技术领域0001本发明涉及情绪识别领域，尤其涉及一种心理健康智能情绪识别方法。背景。

5、技术0002心理情绪是人们对客观事物的一种反馈方式，更是人们情感的呈现方式。情绪作为人类心理活动的重要组成部分，在组织和指导人们的行为、交流与预测他人意愿方面，都起着举足重轻的作用。由于生理变化、表情变化和声音的变化等因素，使人们表达出自己的情绪时产生对应信号，并且引起他人推断，这一过程就是情绪的识别过程。0003好心情是一家聚焦于CNS(中枢神经)领域精神心理健康服务的互联网医疗平台，通过大量数据以及文献分析，探讨了情绪的定义与分类，并对情绪识别研究的未来方向及其应用价值进行了展望。0004长期以来，长途货车司机的出险率较高，造成较大的人身和财产损失，通过后续跟进分析，大多事故均是由于货车司。

6、机有较大的情绪波动引起的不正当驾驶操作引起的，保险公司为了提供更好的服务，降低出险率，提出通过实时监控货车司机人脸表情，分析货车司机的情绪，当司机产生危险情绪时，及时上报到服务端，通过服务端语音干预的服务，平复司机情绪，规范司机安全驾驶行为，从而降低事故发生的概率。0005基于以上问题分析，综合目前市面上的产品解决方案。提出产品解决方案为，通过对货车司机的人脸录入，人脸建模，创建好人脸识别模型。终端设备实时的检测驾驶位置的人脸特征照片，识别货车司机身份，通过人脸表情照片，识别货车司机驾驶中的人脸表情，综合时间维度，分析出货车司机的情绪，当货车司机情绪出现异常，实时上报分析结果，照片信息到服务端。

7、，产生告警。服务端接收到告警信息，人工分析危险行为，通过服务端指令下发，下发语音包，语音温馨提示行为的产品服务模式，有效终止驾驶员的危险驾驶情绪和行为，达到降低事故的服务方式。发明内容0006鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种心理健康智能情绪识别方法。0007根据本发明的一个方面，提供了一种心理健康智能情绪识别方法，所述情绪识别方法包括：用户终端和服务云端；0008所述服务云端创建模型，模型训练，模型参数调整及情绪识别后的后续服务；0009所述用户终端负责语音和照片的拍摄、存储、表情识别，并上传至所述服务远端。0010可选的，所述情绪识别的方法具体包。

8、括：0011通过所述用户终端将人脸照片上传到所述服务云端；0012所述服务云端将所述人脸照片通过人脸分析模型，创建好人脸识别模型参数，再将参数下发到所述用户终端的模型用于终端的人脸识别；0013所述用户终端通过定时拍摄照片组，识别人脸，分析人脸表情结果，分析出当前人说明书1/4 页3CN 116503841 A3的情绪，并将分析结果上传到所述服务云端。0014可选的，所述将分析结果上传到所述服务云端之后还包括：0015所述服务云端根据不同的情绪结果，有差别的提供后续服务。0016可选的，所述人脸识别算法具体包括：人脸识别算法，情绪分析算法会随着业务量的增加，业务场景的变化，数据量的增大，动态的。

9、调整算法模型和算法参数。0017可选的，所述表情识别的结果会和业务线进行深度融合，为业务线的决策提供辅助支持。0018本发明提供的一种心理健康智能情绪识别方法，所述情绪识别方法包括：用户终端和服务云端；所述服务云端创建模型，模型训练，模型参数调整及情绪识别后的后续服务；所述用户终端负责语音和照片的拍摄、存储、表情识别，并上传至所述服务远端。服务端根据收集到的特征表情数据集，不断的训练模型，优化模型参数，形成有效的模型算法，不断提升情绪识别的准确性和有效性。能够实时的采集驾驶员的人脸照片，识别人脸表情，出具初步的情绪识别报告。0019上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技。

10、术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明0020为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。0021图1为本发明实施例提供的人脸情绪识别的流程图；0022图2为本发明实施例提供的面部情绪识别+语音情绪识别的方法流程框图。具体实施方式0023下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示。

11、例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。0024本发明的说明书实施例和权利要求书及附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。0025下面结合附图和实施例，对本发明的技术方案做进一步的详细描述。0026通过对货车司机的人脸录入，人脸建模，创建好人脸识别模型。终端设备实时的检测驾驶位置的人脸特征照片，识别货车司机身份，通过人脸表情照片，识别货车司机驾驶中的人脸表情，综合时间维度，分析出货车司机。

12、的情绪，当货车司机情绪出现异常，实时上报分析结果，照片信息到服务端，产生告警。服务端接收到告警信息，人工分析危险行为，通过服务端指令下发，下发语音包，语音温馨提示行为的产品服务模式，有效终止驾驶员的危险驾驶情绪和行为，达到降低事故的服务方式。说明书2/4 页4CN 116503841 A40027目前的产品解决方案为，服务端远程录入人脸信息，生成人脸建模基础信息，下发人脸模型到终端设备，终端设备植入人脸识别算法，表情识别算法，终端设备控制照片的录入频次，表情识别的频次，保存关键特征表情数据，上传到服务端。终端设备可接收服务端的语音播放指令，服务端的算法参数调整和算法升级。0028服务端根据收集。

13、到的特征表情数据集，不断的训练模型，优化模型参数，形成有效的模型算法，不断提升情绪识别的准确性和有效性。通过不断丰富语音服务包的内容和表现形式，提供更多更好更优质的后续服务。0029目前已经可以实时的采集驾驶员的人脸照片，识别人脸表情，出具初步的情绪识别报告。0030情绪识别包含用户终端和服务端云端两大部分。云端负责模型的创建，模型训练，模型参数调整，以及情绪识别后的后续服务提供。终端负责语音和照片的拍摄，存储，表情识别，上传云端等功能。0031情绪识别基本技术路线是：通过终端将人脸照片上传到云端，云端将照片通过人脸分析模型，创建好人脸识别模型参数，再将参数下发到终端模型用于终端的人脸识别。终。

14、端通过定时拍摄照片组，识别人脸，分析人脸表情结果，分析出当前人的情绪，并将分析结果上传到云端。云端根据不同的情绪结果，有差别的提供后续服务。0032人脸识别算法，情绪分析算法会随着业务量的增加，业务场景的变化，数据量的增大，动态的调整算法模型和算法参数。不断的提升算法的准确度和算法的业务场景覆盖范围。0033表情识别目前只在linux系统上植入，未来会兼容其他终端设备，覆盖多场景的应用。随着算法的深入，未来对硬件算力会有较大需求，势必会和硬件厂商深度绑定，推动硬件的发展。0034表情识别的结果会和其他业务线进行深度融合，为其他业务线的决策提供辅助支持。0035人脸情绪识别+语音情绪识别的核心技。

15、术分两个层面。一个是算法模型，一个是多场景设备的兼容。0036算法模型方面，目前市面上的人脸识别算法和表情识别算法，存在识别度不高，识别结果简单等特点，特别是语音情绪识别的数据集，算法识别度特别低。我司的算法会根据业务场景，大量数据训练，不断的提升算法模型的识别准确度，表情识别的准确度，情绪分析的多场景覆盖，单个人的表情变化趋势。不同地域，不同职业的人群表情基本特点模型搭建，抑郁症患者的情绪特点模型。0037目前人脸识别+表情识别算法模型大多在固定终端设定。对于各种移动终端，工业终端的覆盖很少。市面上的硬件设备也大多不支持算法模型的植入，特别是算法模型的动态升级都不具备可操作性。工业级的硬件也。

16、存在价格昂贵，算力有限的特点，我司可根据业务场景，不断覆盖业务场景，减低成本，使得这个技术可以惠及到更多人群。0038人脸算法在工业级的应用目前基本都是基础的C语言植入，但是大量的算法模型都是python语言。0039如图1所示，面部情绪识别是基于人工智能技术，用于分析来源于不同图片，视频中的情绪技的技术。一般从摄像头、社交媒体页面、视频库等获取信号，进行静态与动态的说明书3/4 页5CN 116503841 A5面部表情检测，再将情绪状态归类；面部情绪识别通常基于深度学习算法，经过人脸信息预处理、特征学习、情绪识别三阶段；在精神心理疾病领域，面部情绪识别技术可用于预测患病几率、辅助诊断，以及。

17、辅助提升医疗人员的照护质量。目前面部情绪识别存在数据准确性、算法公平、数据隐私以及用户反应性等内生风险。0040如图2所示，语音情绪识别，即给定一段语音信号，计算机自动判断出说话人的多维度信息。人的语音产生包含大脑认知活动和身体肌肉运动的复杂的多系统协调过程。语音信号包含声学、语言】情感三层信息，其运动纤维高度机械化，所生成的语音信号具有客观的、可重复的特征。语音识别流程经过语音信号处理、特征提取、情绪建模三个阶段，其中涉及的识别算法有传统算法、基于深度学习的算法和端到端算法。语音生物标志物是临床结果相关的语音音频信号的特征或特征组合，可用于精神心理疾病的筛查、诊断、病情检测，以及AI+CBT。

18、、数字疗法的干预手段。目前也有受情绪定义模糊、数据稀缺且标注困难的影响，语音情绪识别技术难度大。0041面部情绪识别+语音情绪识别可有效提升识别精度，可相互验证识别过程中产生的数据干扰因素，用户情绪影响干扰因素影响结果的准确性。0042有益效果：服务端远程录入人脸信息，生成人脸建模基础信息，下发人脸模型到终端设备，终端设备植入人脸识别算法，表情识别算法，终端设备控制照片的录入频次，表情识别的频次，保存关键特征表情数据，上传到服务端。终端设备可接收服务端的语音播放指令，服务端的算法参数调整和算法升级。0043服务端根据收集到的特征表情数据集，不断的训练模型，优化模型参数，形成有效的模型算法，不断提升情绪识别的准确性和有效性。通过不断丰富语音服务包的内容和表现形式，提供更多更好更优质的后续服务。0044目前已经能够实时的采集驾驶员的人脸照片，识别人脸表情，出具初步的情绪识别报告。0045以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。说明书4/4 页6CN 116503841 A6图1图2说明书附图1/1 页7CN 116503841 A7。