基于機器視覺的學(xué)生心理干預(yù)治療及行為監(jiān)測系統(tǒng)

高雪冬　郝小可

摘 ?要： 以準(zhǔn)確檢測出學(xué)生消極情緒并開展針對性心理干預(yù)治療為目的，設(shè)計基于機器視覺的學(xué)生心理干預(yù)治療及行為監(jiān)測系統(tǒng)。系統(tǒng)由人臉檢測識別模塊獲取目標(biāo)圖片，并進行灰度化預(yù)處理，去除外界環(huán)境干擾，利用Viola?Jones算法完成人臉識別，提取人眼張合度、側(cè)臉、抬頭與低頭等特征;行為檢測模塊采用多核LV?SVM模式分類方法劃分人臉特征識別結(jié)果為不同情緒;核心控制模塊對結(jié)果為消極情緒的人臉特征予以報警;心理干預(yù)治療模塊依據(jù)報警結(jié)果，采取學(xué)校主導(dǎo)、家庭輔助、學(xué)生參與三種干預(yù)措施開展學(xué)生針對性心理干預(yù)治療。實驗結(jié)果證明，該系統(tǒng)的人臉特征檢測準(zhǔn)確率高、穩(wěn)定性強，可以對存在消極情緒的學(xué)生進行心理干預(yù)治療，且效果顯著。

關(guān)鍵詞： 心理干預(yù)治療; 行為監(jiān)測; 系統(tǒng)設(shè)計; 機器視覺; 人臉識別; 圖像采集

中圖分類號： TN931+.3?34; U46 ? ? ? ? ? ? ? ? ?文獻標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）24?0063?04

Student psychological intervention treatment and behavior monitoring system

based on machine vision

GAO Xuedong， HAO Xiaoke

（Hebei University of Technology， Tianjin 300401， China）

Abstract： A student psychological intervention treatment and behavior monitoring system based on machine vision is designed to accurately detect students′negative moods and carry out the targeted psychological intervention treatment. In the system， the face detection and recognition module is used to obtain the target image and implement gray preprocessing to remove the interference from external environment， and the Viola?Jones algorithm is used to complete the face recognition and extract the features of eye opening?closing， side face， head up and head down. The LV?SVM mode classification method is used in the behavior detection module to divide the identification results of the face features into the different moods. The core control module is used to give an alarm to the facial features with negative moods. According to the results of the alarm， the psychological intervention module is used to carry out the targeted psychological intervention treatment to the student by means of the three intervention measures： school leading， family assistance and student participation. The experimental results show that the system has high accuracy and stability in the face feature detection， can carry out the psychological intervention treatment to the student with negative moods， and its effect is significant.

Keywords： psychological intervention treatment; behavior monitoring; system design; machine vision; face recognition; image acquisition

0 ?引 ?言

學(xué)生健康心理的形成需要老師精心的照顧與教育，及時發(fā)現(xiàn)學(xué)生出現(xiàn)心理問題尤為重要。隨著機器視覺技術(shù)的快速發(fā)展[1?3]，行為監(jiān)測研究也出現(xiàn)新高潮[4]。將計算機行為監(jiān)測技術(shù)應(yīng)用在教室內(nèi)，基于計算機分析圖像從中提取有效的檢測信息，對檢測到的有效信息進行分析，可找出有心理問題的學(xué)生[5]。鄧逢光等設(shè)計了基于大數(shù)據(jù)的學(xué)生校園行為分析預(yù)警管理系統(tǒng)[6]，通過學(xué)生教育管理與信息技術(shù)的融合途徑，采集學(xué)生行為大數(shù)據(jù)，建立分析預(yù)測模型與可視化模型，對學(xué)生行為進行預(yù)警安全管控，提升學(xué)生教育管理科學(xué)水平;江波等設(shè)計了基于面部表情的學(xué)習(xí)困惑自動識別系統(tǒng)[7]，通過邏輯回歸、隨機森林、深度學(xué)習(xí)等機器學(xué)習(xí)算法有效檢測學(xué)生學(xué)習(xí)困惑的面部表情，但是上述研究均未解決學(xué)生的心理問題。因此，本文設(shè)計基于機器視覺的學(xué)生心理干預(yù)治療及行為監(jiān)測系統(tǒng)。行為檢測模塊中采用多核LV?SVM模式分類算法，可以有效區(qū)分學(xué)生情緒類別，也可以及時進行心理干預(yù)治療。

式中，核函數(shù)是[Fai1，ai2=φTai1φai2]，最后得出LS?SVM分類器判決函數(shù)：

[ba=sgnαmbmFa，am+k， i=1，2，…，m] ?（6）

全局函數(shù)和局部函數(shù)屬于核函數(shù)。泛化能力強、學(xué)習(xí)能力弱的是全局函數(shù);反之是局部函數(shù)。多項式核函數(shù)Poly（Polynomial）與徑向基核函數(shù)（Radial Basis Function，RBF）是常用的核函數(shù)，Poly屬于全局核函數(shù)，RBF屬于局部核函數(shù)，公式如下：

[FPolya，aj=a?aj+1θ] （7）

[FRBFa，aj=exp-12σ2a-aj2] ? ? （8）

式中：Poly為多項式核函數(shù);RBF為徑向基核函數(shù)。

因為多核混合核函數(shù)能彌補每個單一核函數(shù)的局限性，具備更好的魯棒性，可以提升區(qū)分人臉特征的準(zhǔn)確率，有效對行為檢測中的情緒進行分類，創(chuàng)建一種適應(yīng)多數(shù)元分類的多混合核函數(shù)，公式如下：

[Fa，aj=τ?FPolya，aj+1-τ?FRBFa，aj] ?（9）

式中，[τ]為加權(quán)系數(shù)，[τ∈0，1]。

2 ?實驗分析

以某校高一3個班的學(xué)生為實驗對象，高一（1）班學(xué)生總數(shù)65個，具有消極情緒的學(xué)生數(shù)為23個，高一（2）班的學(xué)生總數(shù)70個，具有消極情緒的學(xué)生數(shù)為30個，高一（3）班的學(xué)生總數(shù)67個，具有消極情緒的學(xué)生數(shù)為18個，采用本文系統(tǒng)、基于大數(shù)據(jù)的學(xué)生校園行為分析預(yù)警管理系統(tǒng)（文獻[6]）和基于面部表情的學(xué)習(xí)困惑自動識別系統(tǒng)（文獻[7]）分別對3個班級的學(xué)生進行心理干預(yù)治療及行為監(jiān)測，為期2個月。三種系統(tǒng)應(yīng)用后高一年級3個班級中具有消極情緒的學(xué)生數(shù)對比結(jié)果如表1所示。

由表1可知，本文系統(tǒng)能夠及時對存在消極情緒的學(xué)生進行心理干預(yù)治療，且數(shù)量明顯減少，比另外兩個系統(tǒng)的治療效果顯著。實驗結(jié)果證明，本文系統(tǒng)能夠?qū)Υ嬖谙麡O情緒的學(xué)生及時進行心理干預(yù)治療，且效果顯著。

檢測到高一3個班的202名學(xué)生人臉特征數(shù)是500個，采用三種系統(tǒng)對人臉特征數(shù)進行檢測，結(jié)果如表2所示。

根據(jù)實驗發(fā)現(xiàn)，只有本文系統(tǒng)能夠檢測出所有人臉特征，其余兩個系統(tǒng)檢測率分別是90%和92%，本文系統(tǒng)誤檢數(shù)也低于其余兩個系統(tǒng)。實驗結(jié)果證明，本文系統(tǒng)具備較高人臉特征檢測率。

性能測試是用來檢測系統(tǒng)性能是否符合預(yù)期目標(biāo)，通常依據(jù)觀察自動化測試工具的模擬程序在真實環(huán)境下的運行情況來判斷系統(tǒng)的性能。本文采用Loadrunner軟件測試本文系統(tǒng)和其余兩個系統(tǒng)在高壓力、高負(fù)荷情況下的運行情況。人臉特征數(shù)與事務(wù)執(zhí)行情況測試結(jié)果如表3所示。

根據(jù)實驗發(fā)現(xiàn)，隨著人臉特征數(shù)的增多，三種系統(tǒng)的事務(wù)執(zhí)行情況均開始下降，因為人臉特征數(shù)的增多會占用更多的系統(tǒng)資源，所以系統(tǒng)響應(yīng)時間變長，處理事務(wù)速度變慢。本文系統(tǒng)隨著人臉特征數(shù)的增加，事務(wù)平均響應(yīng)時間的增加范圍在2～5 ms之間，其余兩個系統(tǒng)的增加范圍分別是4～20 ms與5～22 ms之間;本文系統(tǒng)的事務(wù)最大響應(yīng)時間的增加范圍在2～6 ms之間，其余兩個系統(tǒng)的增加范圍分別是5～12 ms與6～15 ms之間。實驗結(jié)果證明，隨著人臉特征數(shù)的增加對本文系統(tǒng)事務(wù)平均響應(yīng)時間與事務(wù)最大響應(yīng)時間影響較小，說明本文系統(tǒng)穩(wěn)定性強。

3 ?結(jié) ?論

本文通過機器視覺對學(xué)生心理問題的檢測方法進行研究，設(shè)計基于機器視覺的學(xué)生心理干預(yù)治療及行為檢測系統(tǒng)。利用不同模塊的相互配合檢測學(xué)生的不同情緒并及時進行心理干預(yù)治療，采用多核LV?SVM模式分類方法使系統(tǒng)的行為檢測更為準(zhǔn)確，能夠精準(zhǔn)劃分學(xué)生不同情緒。實驗結(jié)果顯示，本文系統(tǒng)能夠有效檢測出學(xué)生的消極情緒并及時進行心理干預(yù)治療，使消極情緒學(xué)生數(shù)量明顯減少，隨著人臉特征數(shù)的增加，對系統(tǒng)的反應(yīng)時間影響較小，系統(tǒng)的穩(wěn)定性更強。本文系統(tǒng)需在今后實際應(yīng)用過程中不斷地發(fā)現(xiàn)問題，優(yōu)化性能。

參考文獻

[1] 祝磊，韓自營，阮宇靜，等.基于機器視覺的輪胎胎面檢測系統(tǒng)設(shè)計與實現(xiàn)[J].計算機工程與設(shè)計，2018，39（6）：1782?1787.

[2] 楊威，俞守華.基于機器視覺的圈養(yǎng)豪豬檢測與基本行為識別方法研究[J].福建農(nóng)業(yè)學(xué)報，2017，32（9）：1021?1025.

[3] 吳小進，王文成.基于機器視覺的齒輪質(zhì)量在線檢測系統(tǒng)[J].機械傳動，2019，43（4）：161?164.

[4] 莫宏偉，汪海波.基于Faster R?CNN的人體行為檢測研究[J].智能系統(tǒng)學(xué)報，2018（6）：967?973.

[5] 李玉芳.中職學(xué)生心理危機干預(yù)系統(tǒng)構(gòu)建的實證研究：基于河北省衡水衛(wèi)生學(xué)校的案例分析[J].職業(yè)技術(shù)教育，2019，40（2）：71?75.

[6] 鄧逢光，張子石.基于大數(shù)據(jù)的學(xué)生校園行為分析預(yù)警管理平臺建構(gòu)研究[J].中國電化教育，2017（11）：60?64.

[7] 江波，李萬健，李芷璇，等.基于面部表情的學(xué)習(xí)困惑自動識別法[J].開放教育研究，2018，24（4）：101?108.

[8] 秦鴻，李泰峰，郭亨藝，等.人臉識別技術(shù)在圖書館的應(yīng)用研究[J].大學(xué)圖書館學(xué)報，2018，36（6）：49?54.

[9] 熊饒饒，胡學(xué)敏，陳龍，等.利用綜合光流直方圖的人群異常行為檢測[J].計算機工程，2017，43（10）：228?233.

[10] 李素姝，王士同，李滔.基于LS?SVM與模糊補準(zhǔn)則的特征選擇方法[J].山東大學(xué)學(xué)報（工學(xué)版），2017（3）：34?42.

[11] 梁光勝，曾華榮.基于ARM的智能視頻監(jiān)控人臉檢測系統(tǒng)的設(shè)計[J].計算機應(yīng)用，2017，37（z2）：301?305.

[12] 龍鑫，蘇寒松，劉高華，等.一種基于角度距離損失函數(shù)和卷積神經(jīng)網(wǎng)絡(luò)的人臉識別算法[J].激光與光電子學(xué)進展，2018，55（12）：402?413.

[13] 劉峰，孟凡榮，梁志貞.基于一階和二階信息圖像表示的人臉識別[J].計算機應(yīng)用研究，2017（2）：603?606.

[14] 楊榮堅，王芳，秦浩.基于雙目圖像的行人檢測與定位系統(tǒng)研究[J].計算機應(yīng)用研究，2018，35（5）：1591?1595.

[15] 艾達，張思哲，劉衛(wèi)華.基于監(jiān)控視頻的行人異常行為檢測技術(shù)研究[J].電視技術(shù)，2018，42（6）：107?112.

作者簡介：高雪冬（1987—），男，河北石家莊人，博士，講師，研究方向為大數(shù)據(jù)、視覺傳達。

郝小可（1985—），男，天津人，博士，講師，研究方向為數(shù)據(jù)挖掘。