(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 202211232766.3 (22)申请日 2022.10.10 (71)申请人 安徽交欣科技股份有限公司 地址 230000 安徽省合肥市包河区骆岗街 道五台山路7 7号富煌新视 觉A座 (72)发明人 罗晶晶　任子晖　高洪昌　刘磊　 汪政　杨勇　曾永李　柳晓鹏　 杨彬　黄兴亮　陈彩凤　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 专利代理师 戴义保 (51)Int.Cl. G16H 50/30(2018.01) G16H 20/70(2018.01) G16H 15/00(2018.01)G06V 40/70(2022.01) G06V 20/52(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) A61B 5/16(2006.01) G01S 13/88(2006.01) (54)发明名称 一种基于情绪数据计算个体心理异常的健 康评估方法 (57)摘要 本发明公开了一种基于情绪数据计算个体 心理异常的健康评估方法， 该方法包括以下步 骤： S1、 利用毫米波雷达进行用户心 跳监测， 获取 心率数据； S2、 利用摄像头对用户进行 实时监测， 获取影像数据； S3、 将监测获取的数据导入心理 健康模型， 生成心理状态评估报告； S4、 根据所述 心理状态评估报告对用户进行合理化建议及干 预。 通过毫米波雷达心率监测与用户个体情绪数 据的分析识别， 能够形成全面精确的心理健康评 估模型， 从而对用户个体进行实时高效的心理健 康状态分析， 通过合理化建议及干预有效缓解心 理异常状态下用户的消极情绪， 进而避免因情绪 低落或波动程度过大造成的不良危害， 保证个人 及社会的安全稳定 。 权利要求书2页 说明书7页 附图1页 CN 115312195 A 2022.11.08 CN 115312195 A 1.一种基于情绪数据计算个体心理异常的健康评估方法， 其特征在于， 该方法包括以 下步骤： S1、 利用毫米波雷达进行用户心跳监测获取心率数据； 包括以下步骤： S11、 对原始雷达回波信号进行 预处理， 实现心 肺信号的初步分离； S12、 利用自适应 变分模态分解的心跳信号 提取算法， 提取心跳信号； 包括以下步骤： S121、 根据采样频率设定二次惩罚因子； S122、 对原始信号进行变分模态分解并计算每个本征模函数分量与原始信号的相关系 数； S123、 设置相关系数阈值， 若相关系数最小值小于阈值则停止分解， 得到本征模函数分 量， 取其中最大的相关系数对应的本征模函数分量作为心跳信号； S13、 利用线性调频Z变换的频谱细化 算法计算得到心率数据； S2、 利用摄 像头对用户进行实时监测， 获取影 像数据； S3、 将监测获取的数据导入心理健康模型， 生成心理状态评估报告； S4、 根据所述心理状态评估报告对用户进行合理化建议及干预。 2.根据权利要求1所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 所述步骤S 3将监测获取的数据导入心理健康模型， 生 成心理状态评估报告， 包括以 下步骤： S31、 利用卷积神经网络模型对所述影 像数据进行识别分析， 生成用户的情绪数据； S32、 综合所述情绪数据与心率数据形成个 体状态数据； S33、 利用心理健康模型对所述个体状态数据进行实时评价， 并生成心理状态评估报 告。 3.根据权利要求2所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 所述利用卷积神经网络模型对 所述影像数据进 行识别分析， 生成用户的情绪数据， 包括以下步骤： S311、 获取已标注的情绪数据集与个体情绪标注集， 构建卷积神经网络并进行训练与 个人定制； S312、 使用多任务卷积神经网络对所述影像数据进行面部检测与面部和身体视频序列 尺寸处理； S313、 利用深度可分离卷积神经网络进行面部特 征提取； S314、 利用行为识别卷积神经网络进行姿态特 征提取； S315、 采用求加权和的方式将面部特 征与姿态特 征进行融合得到情绪数据。 4.根据权利要求3所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 所述获取已标注的情绪数据集与个体情绪标注集， 构建卷积神经网络并进行训练 与个人定制， 包括以下步骤： S3111、 获取大量标注后的情绪数据形成情绪数据集； S3112、 对所述情绪数据集进行增强处 理； S3113、 将增强后的所述情绪数据集按照1： 1的比例划分为训练集与测试集； S3114、 利用原始的情绪数据集与所述训练集构 建卷积神经网络进行训练， 并利用所述 测试集进行测试；权　利　要　求　书 1/2 页 2 CN 115312195 A 2S3115、 采集用户个人的图像数据进行对应标注形成个 体情绪标注集； S3116、 将所述个体情绪标注集导入至所述卷积神经网络进行学习与测试， 实现模型识 别的个人定制。 5.根据权利要求4所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 所述对所述情绪数据集进行增强处 理包括颜色处 理、 旋转处 理以及镜像处 理。 6.根据权利要求5所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 所述利用心理健康模型对所述个体状态数据进行实时评价， 生成心理状态评估报 告， 包括以下步骤： S331、 将所述个 体状态数据进行分类标注处 理， 形成量 化评价指标； S332、 根据所述 量化评价指标计算心理健康状态评价 值； S333、 根据所述情绪数据的分类类型与所述心 理健康状态评价值形成心理状态评估报 告。 7.根据权利要求6所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 将所述个 体状态数据进行分类标注处 理， 形成量 化评价指标， 包括以下步骤： S3311、 将所述情绪数据划分为积 极、 中性、 消极及愤怒四个类型， 并将积极的评分范围 划分为[90， 100]， 中性评分范围划分为[70， 9 0） ， 消极评分范围划分为[60， 70） ， 愤怒的评分 范围划分为[0， 6 0） ； S3312、 将所述心率数据根据预先测量的用户个体常态心率进行指标量化处理， 表达式 为： m=100+a‑b 式中， m表示心率数据的量 化指标； a表示用户个 体常态心率的正常值； b表示实时监测的用户个 体心率。 8.根据权利要求7所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 所述 根据所述 量化评价指标计算心理健康状态评价 值的表达式为： P=α m+β n， 式中， P表示心理健康状态的评价 值； α 和β 分别表示心率数据和情绪数据的权 重； m表示心率数据的量 化指标； n表示情绪数据的量 化指标。 9.根据权利要求8所述的一种基于情绪数据计算个体心理异常的健康评估方法， 其特 征在于， 所述心率数据权 重α 为0.4 ，所述情绪数据权 重β 为0.6 。权　利　要　求　书 2/2 页 3 CN 115312195 A 3