趙丁

（石家莊工程職業(yè)學(xué)院，河北石家莊，050000）

0 引言

近年來，人們的生活水平得到了顯著提高，與此同時，較快的生活節(jié)奏使得一些人在日常生活及交際過程中也出現(xiàn)了不同程度的心理問題，據(jù)相關(guān)數(shù)據(jù)表明，在我國青年群體中，有將近30%的青年處于心理健康不佳的狀態(tài)，而在這些青年群體中，又有高達10%至12%的青年從心理健康不佳狀態(tài)發(fā)展到抑郁癥狀態(tài)，更有甚者曾經(jīng)產(chǎn)生過自殺的想法。為了解決人們在生活中產(chǎn)生的心理問題，我國便需要建立心理健康預(yù)警系統(tǒng)。考慮到人們的心理數(shù)據(jù)采集與分析是比較困難的，而且存在時效性差和預(yù)警不及時等問題，因此在建立心理健康預(yù)警系統(tǒng)過程中需借助于現(xiàn)代化技術(shù)手段，將數(shù)據(jù)挖掘技術(shù)作為系統(tǒng)中的基礎(chǔ)性技術(shù)，并利用人工智能技術(shù)來分析面部數(shù)據(jù)，以此對被檢測對象的心理狀態(tài)及情緒波動進行檢測，進而做出及時準確的預(yù)警。

1 情感數(shù)據(jù)分析與心理預(yù)警系統(tǒng)的結(jié)構(gòu)分析

在基于數(shù)據(jù)挖掘與智能計算的情感數(shù)據(jù)分析與心理預(yù)警系統(tǒng)中，其主要有三大組成部分，分別是情感數(shù)據(jù)分析部分、采集被測數(shù)據(jù)部分和心理預(yù)警部分。以往的情感數(shù)據(jù)分析及心理預(yù)警系統(tǒng)存在實效性差、設(shè)計誤差較大等不足，為了彌補這些不足，便需要圍繞監(jiān)測對象來采集大量的網(wǎng)絡(luò)數(shù)據(jù)樣本，以便于對被監(jiān)測對象的情緒波動及心理狀態(tài)等數(shù)據(jù)進行主動性的采集，通過對被監(jiān)測人員的面部信息進行檢測，然后利用情感數(shù)據(jù)分析部分來判斷其情緒波動和心理狀況，當(dāng)被監(jiān)測人員出現(xiàn)較大的情緒波動或心理狀況異常時，預(yù)警系統(tǒng)便會及時發(fā)出預(yù)警。

2 人類表情數(shù)據(jù)的采集

■2.1 人類表情介紹

人類對情緒的表達是通過面部活動來實現(xiàn)的，而這種面部活動便是所謂的表情，通過表情可以了解人類的情緒指標。對于表情來說，其主要是由人的五官和面部肌肉進行不同組合而形成的，這也使其成為人們在進行交流時用于表達情緒的重要方式。在人所產(chǎn)生的各種表情中，大致可將常見表情分為六種，分別是高興、討厭、恐懼、悲傷、驚訝和憤怒，除此之外，多種表情還可進行相應(yīng)的復(fù)合，從而產(chǎn)生更加復(fù)雜的表情，例如悲憤便是悲傷和憤怒進行復(fù)合而產(chǎn)生的表情。在心理健康治療領(lǐng)域，為了更好的解決患者的心理精神疾病，就必須要對患者的表情變化及心理波動有所掌握，而這便要應(yīng)用到面部表情識別技術(shù)，該技術(shù)優(yōu)越性也正日益顯現(xiàn)出來。

■2.2 面部表情識別

近年來，越來越多的人開始意識到面部表情識別技術(shù)的應(yīng)用價值，該技術(shù)也在短短的幾十年里取得了快速發(fā)展。一直以來，人們在應(yīng)用面部表情識別技術(shù)時，往往需要對人臉圖像進行去噪處理，然后對圖像中的人臉輪廓、斷點等特征進行提取，以便于根據(jù)圖像中人臉的表情特征來分析其心情，然后作出相應(yīng)的分類，不過，這種技術(shù)方法只是較為淺層的學(xué)習(xí)方法，這是因為人們對人臉表情特征的提取是較為困難的，而且提取的數(shù)據(jù)量也非常大，這也使人們迫切需要優(yōu)化面部表情識別技術(shù)的應(yīng)用穩(wěn)定性。相比于以往的基于特征提取的面部表情識別算法來說，以深度學(xué)習(xí)為核心的面部表情識別技術(shù)能夠更好的提取圖像中的人臉特征，深度學(xué)習(xí)是通過大量的學(xué)習(xí)來掌握圖像中人臉特征的提取方法，通過結(jié)合特征工程和深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測，能夠大大簡化提取圖像中人臉特征的流程，從而縮短特征提取時間，節(jié)約大量的人工成本。

在對人類的面部表情進行分析時，需要掌握其陰影變化和面部肌肉形態(tài)所產(chǎn)生的不同組合形式，所以需要對人類面部表情單位在各個區(qū)域中所具有的特征進行相應(yīng)的定義，具體的定義公式可表述為：

3 基于數(shù)據(jù)挖掘與智能計算的情感數(shù)據(jù)分析及心理預(yù)警系統(tǒng)研究

在本文中所設(shè)計的情感數(shù)據(jù)分析與心理預(yù)警系統(tǒng)需要進行深度學(xué)習(xí)，但由于較少的數(shù)據(jù)集樣本以及數(shù)據(jù)集類內(nèi)變化會影響深度學(xué)習(xí)網(wǎng)絡(luò)等原因，因此在設(shè)計情感數(shù)據(jù)分析及心理預(yù)警系統(tǒng)時需要通過神經(jīng)網(wǎng)絡(luò)來解決上述問題。

■3.1 神經(jīng)網(wǎng)絡(luò)

以抽象角度來說，神經(jīng)網(wǎng)絡(luò)是一種類似于人體中神經(jīng)元分布結(jié)構(gòu)的網(wǎng)絡(luò)，人們又將這種網(wǎng)絡(luò)稱之為人工神經(jīng)網(wǎng)絡(luò)，人工神經(jīng)網(wǎng)絡(luò)從本質(zhì)上來說是一種連接模型，其能夠?qū)游锷窠?jīng)網(wǎng)絡(luò)的行為特征進行模仿，以便于采取分布式并行方式來處理信息，在此過程中，神經(jīng)網(wǎng)絡(luò)需要對其內(nèi)部大量節(jié)點的相互連接關(guān)系進行調(diào)整，以此達到信息處理目的。在神經(jīng)網(wǎng)絡(luò)中，需要對實際輸出和理想輸出的差值進行計算，然后利用極小化誤差法來對全矩陣進行優(yōu)化。在利用神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練時，具體的實施流程如下：第一步是對人臉數(shù)據(jù)集進行選定，對相應(yīng)的權(quán)值進行優(yōu)化，0的附近必須存在絕對值；第二步是在訓(xùn)練機中篩選出照片樣本；第三步是對目標輸出向量和實際輸出向量的差值，也就是兩者的誤差進行計算；第四步是對隱含層節(jié)點的誤差進行計算；第五步是對權(quán)值閾值變化范圍進行計算；第六步是對權(quán)值及閾值進行調(diào)整，并判斷精度能否滿足約束條件中的精度要求；第七步是利用反向?qū)W習(xí)算法來對神經(jīng)網(wǎng)絡(luò)中的權(quán)值系數(shù)進行更新，如果滿足訓(xùn)練精度要求，便可對BP神經(jīng)網(wǎng)絡(luò)中的閾值及權(quán)值進行保存，此時神經(jīng)網(wǎng)絡(luò)的訓(xùn)練流程正式結(jié)束。

■3.2 多源數(shù)據(jù)庫

在基于數(shù)據(jù)挖掘與智能計算的情感數(shù)據(jù)分析與心理預(yù)警系統(tǒng)中，由于算法設(shè)計會受到系統(tǒng)反饋圖像拍攝條件的不同而產(chǎn)生類內(nèi)差異，而類內(nèi)差異則會嚴重影響到神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果，因此為了確保BP神經(jīng)網(wǎng)絡(luò)在應(yīng)用過程中能夠具有較好的魯棒性，使其獲得準確的訓(xùn)練結(jié)果，便需要對多源數(shù)據(jù)庫進行選取。利用多元數(shù)據(jù)庫中存儲的樣本來進行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，能夠大大豐富人臉的面部圖片，從而極大降低AU及AU強度和樣本所存在的關(guān)聯(lián)性。并且，對樣本數(shù)據(jù)的獲取途徑進行合理的選擇，還能避免在篩選圖片過程中受到人為因素的主觀性干擾。

■3.3 心理預(yù)警系統(tǒng)

通過在基于數(shù)據(jù)挖掘與智能計算的情感數(shù)據(jù)分析與心理預(yù)警系統(tǒng)中對BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫進行架構(gòu)，并以此為基礎(chǔ)，使該系統(tǒng)不再使用以往的Windows操作系統(tǒng)，而是采用機器人操作系統(tǒng)來進行代替，該系統(tǒng)的英文全稱為ROS Robot Operation System，也就是所謂的ROS系統(tǒng)。在應(yīng)用ROS系統(tǒng)的基礎(chǔ)上，為了實現(xiàn)對被監(jiān)測對象面部數(shù)據(jù)的獲取，還要在系統(tǒng)硬件設(shè)備中安裝相機攝像頭，該相機攝像頭為Kinect 2.0 RGBD，具體配置如下：Kinect 2.0 RGBD相機的RGB分辨率為1024×768，深度分辨率為512×424，檢測人數(shù)為6人，檢測范圍為0.5～4.5m，檢測角度為70度。通過建立心理預(yù)警系統(tǒng)，如果被檢測對象在監(jiān)測過程中的心理狀況出現(xiàn)異常波動，系統(tǒng)便可結(jié)合以往的檢測心理病例來做出綜合性的分析，在被檢測對象的電子終端中借助于UDP通訊協(xié)議進行預(yù)警，并提供必要的幫助信息。

4 基于數(shù)據(jù)挖掘與智能計算的情感數(shù)據(jù)分析與心理預(yù)警系統(tǒng)驗證

■4.1 穩(wěn)定性驗證

對于Kinect攝像頭所采集的圖片流來說，需要利用OpenCV庫來進行相應(yīng)的預(yù)處理，然后借助于上文中設(shè)計的情緒分析系統(tǒng)來深度分析被測對象在心理及情緒方面的波動情況，然后通過多元數(shù)據(jù)庫來檢驗穩(wěn)定性。在對多源性數(shù)據(jù)庫進行應(yīng)用過程中，為了對測試算法是否穩(wěn)定進行驗證，還必須要設(shè)置一種驗證方法。該方法具體如下：首先采取隨機的方式對數(shù)據(jù)庫進行選擇，選擇數(shù)量為兩個，然后利用網(wǎng)絡(luò)來進行訓(xùn)練，而采用的驗證數(shù)據(jù)集則必須具有獨立性。實驗方式共計有三種，一種是得出單次訓(xùn)練的結(jié)果以及平均值，另一種則是采取相同留一驗證條件來獲得訓(xùn)練結(jié)果，以此驗證訓(xùn)練結(jié)果是否接近或相同。最后一種則是以動作組合強度來估計平均誤差?？紤]到不同數(shù)據(jù)集在拍攝過程中都或多或少的存在不同差異，而且不同數(shù)據(jù)庫中存儲的圖像所具有的類內(nèi)差別也比較高。

■4.2 心理預(yù)警實時性驗證

為了驗證本文所提出的系統(tǒng)在發(fā)出心理預(yù)警時是否準確、及時，需要對四組匿名人群進行隨機性的抽取，然后采用ROS和Ubuntu這兩種操作系統(tǒng)來對心理預(yù)警系統(tǒng)進行搭建，以便于對上述四組匿名的人群進行心理狀態(tài)識別，以此區(qū)分出這四組匿名人群中，哪個組的人群屬于正常人，哪個組的人群屬于抑郁癥人群，哪個組的人群屬于焦慮癥人群。在利用心理預(yù)警系統(tǒng)進行檢驗時，還要和人群的真實數(shù)據(jù)進行結(jié)果對比，以此分析心理預(yù)警系統(tǒng)的識別結(jié)果是否正確。具體的對比結(jié)果如圖1所示，并由此能夠充分體現(xiàn)出心理預(yù)警系統(tǒng)是否有效。

圖1 心理預(yù)警系統(tǒng)的有效性驗證結(jié)果

通過觀察圖1中的識別結(jié)果可以了解到，本文所構(gòu)建的心理預(yù)警系統(tǒng)能夠成功識別出患有焦慮癥，也就是心情處于煩躁、郁悶狀態(tài)的躁郁人群，究其原因在于這類人群在患有焦慮癥以后，其表情變化會產(chǎn)生比較明顯的非正常特征，而對于正常人群的識別則是最高的。

5 結(jié)語

綜上所述，本文中構(gòu)建系統(tǒng)所采集的情感數(shù)據(jù)是通過數(shù)據(jù)挖掘算法和神經(jīng)網(wǎng)絡(luò)得到的WorldNet面部數(shù)據(jù)，根據(jù)這些情感數(shù)據(jù)，系統(tǒng)便可對被測者的情緒波動情況及心理狀況做出準確、實時的判斷，進而及時發(fā)出心理預(yù)警。通過該系統(tǒng)的設(shè)計，可有效彌補傳統(tǒng)心理預(yù)警系統(tǒng)所存在的不足，提高心理狀況檢測結(jié)果的準確度和可信度，并進一步縮短數(shù)據(jù)的采樣周期，可節(jié)約大量的人力成本。