一種基于面部區(qū)域時空關(guān)聯(lián)性的抑郁程度評估方法
本發(fā)明提供一種基于面部區(qū)域時空關(guān)聯(lián)性的抑郁程度評估方法,屬于計算機視覺與醫(yī)療診斷技術(shù)領(lǐng)域,解決了現(xiàn)有抑郁癥識別方法準確率不高的問題。本發(fā)明提出一種融合時空注意力機制的深度學習模型。其核心包括:將面部圖像劃分為多個子區(qū)域,獨立計算各子區(qū)域的重要性;通過時空注意力機制動態(tài)融合空間重要性、空間上下文、時間上下文及空間相似性,生成面部注意力圖譜;基于此構(gòu)建的識別模型利用時序特征融合模塊提取動態(tài)表情變化特征,實現(xiàn)抑郁程度的精準評估。實驗表明,該方法在AVEC2013和AVEC2014數(shù)據(jù)集上分別取得MAE5.79和MAE 5.76的識別性能,優(yōu)于現(xiàn)有技術(shù)。本發(fā)明通過細粒度捕捉面部肌肉的時空關(guān)聯(lián)模式,為自動抑郁癥識別提供了高效、客觀的解決方案。
蘭州大學
2021-01-12