CN109998570A - 服刑人员心理状态评估方法、终端、设备及系统 - Google Patents

Abstract

本公开公开了服刑人员心理状态评估方法、终端、设备及系统，根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；采集待测试服刑人员在动画游戏场景下的第一生理信号；采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；对采集的信号均进行预处理；对预处理后得到的信号进行特征提取，得到特征向量；将特征向量进行特征向量融合，将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。

Description

服刑人员心理状态评估方法、终端、设备及系统

技术领域

本公开涉及服刑人员心理状态评估方法、终端、设备及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

服刑人员心理矫治工作是我国监狱体系的核心部分和主要任务，其在科学认识罪犯、甄别特定犯群、改变错误认知、疏泄消极情绪、消除心理缺陷、健全社会人格、治疗精神疾病、建立守法心理等方面发挥着重要作用。服刑人员心理矫治工作的主要内容包括心理健康教育、心理评估、心理咨询与治疗、心理危机干预。其中，心理评估是心理矫治工作的前提和基础，是指监狱心理工作者对被评估的服刑人员个体或群体的心理特性做出有意义的解释和科学的价值判断过程；并通过评估获得被测服刑人员的过去和现在的智能状况、个性特征、心理健康状况、潜在危险性等信息。

当前监狱心理评估工作，更多借助于监狱心理工作者，人工引导操作流程繁琐，且评估结果过于依赖心理工作者的专业知识及主观意见。心理评估的方式多采用量表问卷施测和自陈式的体验诉说，这些方法受时效性、社会赞许性、受试病耻感等因素影响，造成了评估周期长、评估成本高、评估结果准确率受限的问题。

据发明人了解，现有技术存在的技术问题是，如何对人体的生理信号和行为信号进行采集和处理，将处理后的结果与心理状态指标进行结合，以实现服刑人员心理状态的高效率和高精度评估。

发明内容

为了解决现有技术的不足，本公开提供了服刑人员心理状态评估方法、终端、设备及系统，其具有有效地减少监狱心理工作者的工作量，增强心理评估结果的准确性与客观性，改善传统监狱心理评估工作的局限性；

第一方面，本公开提供了服刑人员心理状态评估方法；

服刑人员心理状态评估方法，所述方法不用于疾病的诊断，包括：

根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；

采集待测试服刑人员在动画游戏场景下的第一生理信号；

采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；

对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；

将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。

第二方面，本公开提供了服刑人员心理状态评估终端；

服刑人员心理状态评估终端，包括：

场景选择模块，用于根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；

第一信号采集模块，用于采集待测试服刑人员在动画游戏场景下的第一生理信号；

第二信号采集模块，用于采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；

特征提取模块，用于对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

特征融合模块，用于将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；

分类模块，用于将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。

第三方面，本公开提供了服刑人员心理状态评估设备；

服刑人员心理状态评估设备，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述第一方面所述方法的步骤。

第四方面，本公开提供了一种计算机可读存储介质；

一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器运行时，完成上述第一方面所述方法的步骤。

第五方面，本公开提供了服刑人员心理状态评估系统；

服刑人员心理状态评估系统，包括：

服刑人员客户端、服刑人员心理状态评估终端和狱警客户端；

其中，狱警客户端用于维护服刑人员心理状态评估终端内的数据；

服刑人员客户端用于将服刑人员的输入指令传输给服刑人员心理评估终端，同时接收服刑人员心理评估终端反馈的信息。

与现有技术相比，本公开的有益效果是：

(1)整个系统通过将多种技术与计算心理学相结合，实现了服刑人员心理评估工作自助化、流畅化、智能化，减少了监狱心理工作者的工作量，改善了传统心理评估工作的操作复杂性，为服刑人员心理矫治工作提供了强有力的支撑。

(2)系统的服刑人员客户端将交互、生理、行为三类信号采集装置相结合，同时借助多环节多形式的软件应用程序，为智能心理评估提供了多源信息融合的数据基础，最大限度减少了包括服刑人员文化程度低、心理病耻感在内的外界客观因素的干扰，增强了心理评估结果的准确性与客观性。

(3)系统的智能评估端，不仅可以及时给出用户版和管理版的心理评估报告，还可以基于服刑人员测试得到的多源数据库建立群体心理态势感知模型，从而对服刑人员群体进行心理状况评估和预测，有利于帮助服刑人员及时了解自身心理状态，妥善管理心理健康，同时帮助监狱工作者预防潜在危险性的发生。

(4)系统的狱警客户端，具有全面丰富的功能模块，为监狱心理工作者和监狱管理者提供了科学化的心理评估工作管理方式，极大程度地保证了心理评估工作的有序开展。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1是本公开的系统整体框架示意图；

图2是本公开的系统网络架构图；

图3是本公开的系统服刑人员客户端的软、硬件框架示意图；

图4是本公开的系统智能评估端的3D情感心理指标模型示意图；

图5是本公开的系统狱警客户端的后台管理系统功能模块示意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

本公开基于监狱“智能数字化”建设的实际，通过将可穿戴传感技术、计算机网络技术、虚拟现实技术、深度学习技术、数据挖掘技术与计算心理学相结合，对服刑人员的心理状况进行智能评估，改善了传统监狱心理评估工作存在的局限性。

第一个实施例，本实施例提供了服刑人员心理状态评估方法；

服刑人员心理状态评估方法，所述方法不用于疾病的诊断，包括：

根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；

采集待测试服刑人员在动画游戏场景下的第一生理信号；

采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；

对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；

将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。

作为一种实施例，所述心理指标，具体包括以下指标的一种或多种：平静、不高兴、满足、警惕、精细、疲惫、悲哀、接受、缓和、喜悦、厌恶、恐惧、警惕、愤怒或惊喜。

所述心理指标与动画游戏场景之间存在一一对应关系，将心理指标、动画游戏场景以及每个心理指标与每个动画游戏场景之间的一一对应关系均存储到第一场景数据库中。

作为一种实施例，选择与当前待测试心理指标对应的VR体验场景；

所述心理指标与VR体验场景之间存在一一对应关系，将心理指标、VR体验场景以及每个心理指标与每个VR体验场景之间的一一对应关系均存储到第二场景数据库中。

作为一种实施例，所述动画游戏场景中的动画游戏是将心理测评量表中的量表问题转化得到的。

具体地，所述量表，包括：《中国罪犯心理评估系统》下的六个分测验量表或世界各国监狱通用人格量表；所述世界各国监狱通用人格量表，包括但不限于以下量表中的一种或多种：艾森克人格问卷、明尼苏达多相人格测量表或卡特尔十六种人格因素问卷。

作为一种实施例，所述第一生理信号，包括：第一眼动信号、第一脑电信号、第一心率信号或第一皮肤电阻信号。

具体地，所述第一眼动信号，通过桌面式眼动仪获取；所述第一脑电信号，通过脑电测量器获取；所述第一心率信号，通过心率测量器获取；所述第一皮肤电阻信号，通过皮肤电阻测量器获取。

作为一种实施例，所述VR体验场景，是指虚拟现实VR体验场景，所述虚拟现实VR体验场景是根据心理测评量表中的量表问题转化得到的，待测试服刑人员通过佩戴VR头盔显示器实现VR体验场景的显示。

作为一种实施例，所述第二生理信号，包括：第二眼动信号、第二脑电信号、第二心率信号或第二皮肤电阻信号。

应理解的，第二生理信号的各种信号采集方式与第一生理信号的各种信号的采集方式一样，这里不再赘述。

作为一种实施例，所述第一行为信号，包括：人体骨架关节动作信号或手指关节动作信号。

具体地，所述人体骨架关节动作信号，是通过Kinect传感器采集的；所述手指关节动作信号，是通过Leap Motion体感控制器采集的。

作为一种实施例，对第一、第二生理信号和第一行为信号均进行预处理，是指对第一、第二生理信号和第一行为信号均进行同样方式的预处理。

具体地，第一生理信号的预处理过程包括：

S101：对生理信号进行滤波降噪处理，得到滤波后的数据；

S102：对滤波后的数据进行伪迹去除和基线矫正处理；得到基线矫正处理后的数据；

S103：对基线矫正处理后的数据进行特征提取与特征选择，得到对应的第一生理信号特征向量。

应理解的，第二生理信号采用与第一生理信号同样的预处理过程，第二生理信号被预处理后得到第二生理信号特征向量；

应理解的，第一行为信号采用与第一生理信号同样的预处理过程，第一行为信号被预处理后得到第一行为信号特征向量。

作为一种实施例，所述预测模型为深度学习网络，例如卷积神经网络。

作为一种实施例，预先训练好的预测模型的训练步骤，具体包括：

S210：构建训练样本，为每一个训练样本标注心理状态指标标签；

S220：将训练样本输入到深度学习网络中，对深度学习网络进行训练，得到训练好的预测模型。

具体地，所述S210的具体步骤为：

S211：根据输入的心理指标，选择与当前心理指标对应的动画游戏场景，选择与当前心理指标对应的VR体验场景；

S212：采集训练集服刑人员在动画游戏场景下的第一生理信号；采集训练集服刑人员在VR体验场景下的第二生理信号和第一行为信号；

S213：对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

S214：将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；融合后的特征向量即为训练样本对应的特征向量；

S215：根据S211输入的心理指标，对步骤S214得到的每个特征向量进行标签标注，从而每个训练样本的特征向量均有对应的标签对应。

所述服刑人员心理状态评估方法，还包括：

接收服刑人员录入的指纹信息，根据指纹信息，从第一数据库中调取与当前指纹对应的待测试心理指标；根据待测试心理指标从第二数据库中调取与每个心理指标对应的问答场景、动画游戏场景和VR体验场景；将所调取的问答场景、动画游戏场景和VR体验场景，通过图形用户界面显示出来；

接收用户的场景选择指令，根据用户的响应，给出不同场景下服刑人员的心理指标评分结果，对不同场景下服刑人员的心理指标评分结果进行加权求和，得到最终的心理指标评分结果。

作为一种实施例，所述第一数据库，用于存储服刑人员的指纹信息，和与指纹信息一一对应的待测试心理指标；第一数据库由狱警维护；

作为一种实施例，所述第二数据库，用于存储服刑人员的待测试心理指标，和与待测试心理指标一一对应的问答场景、动画游戏场景和VR体验场景；

作为一种实施例，接收用户的场景选择指令，根据用户的响应，给出不同场景下服刑人员的心理指标评分结果的具体步骤为：

如果是问答场景选择指令，则从对应的问答场景数据库中调取对应的问答题，通过图形用户界面显示出来；接收用户对问答题答案的选择，根据问答题答案的选择结果，按照问答题所属量表的量化计分规则，输出问答场景的心理指标评分结果A1；

如果是动画游戏场景选择指令，则从对应的动画游戏场景数据库中调取对应的动画游戏，通过图形界面显示出来；采集用户的交互信号和生理信号，根据用户的交互信号，输出动画游戏场景的心理指标评分结果A2；根据用户的生理信号，输出动画游戏场景的心理指标评分结果B；

如果是VR体验场景选择指令，则从对应的VR体验场景数据库中调取对应的VR体验场景，通过VR头盔显示器显示出来；接收用户的交互信号、生理信号和行为信号，根据用户的交互信号，输出VR体验场景的心理指标评分结果A3；根据用户的生理信号和行为信号，输出VR体验场景的心理指标评分结果C。

存储来自服刑人员客户端三个游戏环节的测试记录结果(问答数据、生理数据、行为数据)，并通过心理专家由数据统计分析得到的心理评估分析规则，来对测试记录进行评分分析，输出心理评估结果。

三个环节的最终评分计算方法为：

环节一由问答数据得到的各项心理指标评分为A1；

环节二第(1)种游戏形式的各项心理指标评分为A2，第(2)种游戏形式基于生理数据得到的各项心理指标评分为B；

环节三第(1)种游戏形式的各项心理指标评分为A3，第(2)种游戏形式基于行为数据、生理数据得到的各项心理指标评分为C；

环节一、环节二第(1)种形式、环节三第(1)种形式游戏测评的心理指标相同，这些心理指标的最终评分计算为：

A＝αA₁+βA₂+λA₃ (1)

其中，α、β和λ为平衡因子。

环节二和环节三的第(2)种形式游戏测试的心理指标互异，也不同于环节一的心理指标。

最后的心理评估报告中包含三个环节所有心理指标的测试结果，以及与测试结果相应的服刑人员的个性心理特征、心理结构变化状况。心理评估报告分为两个版本：用户版和管理版。用户版主要用于向服刑人员被试反馈被挑选出来的部分评估结果以及相关建议，帮助服刑人员科学认识自己；管理版则是对心理评估全部结果的详细报告以及针对性的管理建议，供监狱工作者开展心理矫治工作参考。

第二个实施例，本实施例提供了服刑人员心理状态评估终端；

服刑人员心理状态评估终端，包括：

场景选择模块，用于根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；

第一信号采集模块，用于采集待测试服刑人员在动画游戏场景下的第一生理信号；

第二信号采集模块，用于采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；

特征提取模块，用于对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

特征融合模块，用于将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；

分类模块，用于将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。

第三个实施例，本实施例提供了服刑人员心理状态评估设备；

服刑人员心理状态评估设备，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述第一个实施例中所述方法的步骤。

第四个实施例，本实施例提供了一种计算机可读存储介质；

一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器运行时，完成上述第一个实施例中所述方法的步骤。

第五个实施例，本实施例提供了狱警客户端的工作方法；

狱警客户端的工作方法，包括：

接收登录账号和密码，将登录账号和密码与存储的账号和密码进行匹配，如果匹配成功，执行下一步，如果匹配失败，返回登录失败指令；

接收对信息的增删改查修改指令，所述信息包括：服刑人员信息、服刑人员指纹信息、心理测量信息、终端设备信息、游戏类型信息、问题题库信息、问答历史记录信息、生理数据记录信息、行为数据记录信息、心理评估结果信息或心理评估报告信息。

第六个实施例，本实施例提供了一种狱警客户端；

狱警客户端，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述第五个实施例所述的步骤。

所述狱警客户端，供监狱管理人员、心理测试工作人员使用，工作人员通过狱警客户端访问服务器端的后台管理系统，该后台管理系统功能模块设计如图5所示，包括服刑人员信息管理模块、服刑人员指纹管理模块、心理测量室管理模块、服刑人员客户端体验台设备管理模块、游戏类型管理模块、问题题库答案管理模块、问答历史记录管理模块、生理数据记录管理模块、行为数据记录管理模块、心理评估结果管理模块、心理评估报告管理模块。

所述服刑人员信息管理模块，用于维护服刑人员的个人信息资料。

所述服刑人员指纹管理模块，用于管理每名服刑人员的多个指纹信息，监狱工作人员可以增删改查与服刑人员相映射的指纹关系。

所述心理测量室管理模块，用于管理监狱心理测量室的编号、所处楼层位置及包含的设备，便于监狱工作人员开展施测计划等工作。

所述服刑人员客户端体验台设备管理模块，用于将服刑人员客户端体验台设备和监狱内的心理测量室房间关联起来，实现心理测量室与设备的映射关系。

所述游戏类型管理模块，管理服刑人员客户端软件的游戏列表，游戏规则说明和解释。

所述问题题库答案管理模块，用于维护管理智能问答环节的题目。

所述问答历史记录管理模块，用于记录管理所有服刑人员智能问答环节测试后得到的问答数据。

所述生理数据记录管理模块，用于管理所有服刑人员心理测试后得到的生理数据及分析结果。

所述行为数据记录管理模块，用于管理所有服刑人员心理测试后得到的行为动作数据及分析结果。

所述心理评估结果管理模块，用于保存按照游戏的计分规则生成的评估分数。

所述心理评估报告管理模块，用于下载和打印心理评估报告。

第七个实施例，本实施例提供了服刑人员心理状态评估方法；

服刑人员心理状态评估方法，所述方法不用于疾病的诊断，包括：

将采集的指纹信息发送给服刑人员心理状态评估终端；

根据服刑人员心理状态评估终端提供的问答场景、动画游戏场景和VR体验场景，选择其一；

完成问答场景下的问题答案选择、动画游戏场景下的游戏动作和VR体验场景下的VR体验；

接收心理状态评估终端提供的心理状态评估结果。

第八个实施例，本实施例提供了服刑人员客户端；

服刑人员客户端，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述第七个实施例所述的步骤。

第九个实施例，如图1所示，本实施例提供了服刑人员心理状态评估系统；

服刑人员心理状态评估系统，包括：

上述第八个实施例所述的服刑人员客户端；

上述第二个实施例所述的服刑人员心理状态评估终端，

上述第六个实施例所述的狱警客户端，

监狱内部禁用外网，监狱内网相对于外网来说，是一个局域网。监狱内部局域网的安全控制策略在逐步加强。因此，该系统采用的网络架构如图2所示，服刑人员客户端、狱警客户端通过监狱内部局域网与智能评估端通信，其中，服刑人员客户端与智能评估端的连接采用C/S架构，狱警客户端与智能评估端的连接采用B/S架构。

所述服刑人员客户端，供监狱内服刑人员使用，如图3所示，包括硬件部分和软件部分。

其中，所述服刑人员客户端的硬件部分包括计算机、交互信号类采集装置、生理信号类采集装置和行为信号类采集装置。

所述交互信号类采集装置包括：电容触摸屏、摄像头、指纹仪、麦克风、电容触摸屏、摄像头、指纹仪、麦克风均集成在计算机主板上，分别用以采集服刑人员的回答选项、面部表情、指纹和语音数据。

所述生理信号类采集装置包括：心率测量器、皮肤电阻测量器、脑电测量器、桌面眼动仪；心率测量器、皮肤电阻测量器集成在一个手环中，佩戴于服刑人员任一手腕，用于采集心率(HR)、皮肤电阻(GSR)和脑电(EEG)数据。桌面眼动仪固定在电容触摸屏下方，通过USB数据线与计算机连接，用于采集服刑人员的眼动数据(包括注视点轨迹图、屏幕热点图、兴趣区分析、注视点坐标、注视时间)。

所述行为信号类采集装置：VR头盔显示器、Leap Motion体感控制器、Kinect传感器。VR头盔显示器，通过USB数据线和HDMI数据线连接到计算机上，用于为服刑人员营造一种虚拟现实环境，并进行头部定位。Leap Motion体感控制器、Kinect传感器均通过USB数据线与计算机连接，用于采集服刑人员的人体骨架、手指动作变化等行为动作数据。

所述服刑人员客户端的软件部分设置了包含多种形式的心理测试内容的应用程序。除修理故障和断电外，应用程序在服刑人员客户端一直保持运行状态。服刑人员需通过指纹仪开启游戏列表界面，游戏界面中包含三种形式的心理测试内容：智能问答、动画游戏、VR体验。指纹对应于服刑人员编号，服刑人员测试完所有游戏后，应用程序将三个环节的测试记录(问答数据、生理数据、行为数据)传送到智能评估端存储分析。

所述智能问答，心理测试内容为量表问题，量表以符合中国国情与犯情的《中国罪犯心理评估系统(Chinese Offender Psychological Assessment，COPA)》下6个分测验量表为主，以世界各国监狱通用人格量表(如艾森克人格问卷、明尼苏达多相人格测量表、卡特尔十六种人格因素问卷)为辅。包含各类心理指标的量表问题，可以综合为服刑人员在入监、服刑、出监各阶段中提供基础性、矫治性和预测性心理评估。该环节需要服刑人员借助交互信号类采集装置采集他们的问答数据。

所述动画游戏，心理测试内容分为两种游戏形式：(1)量表问题情景游戏化，即该类动画游戏基于智能问答环节的量表问题转化，与智能问答环节测试同样的心理指标；(2)心理-生理诱发类动画游戏，测试与智能问答环节不同心理指标的动画游戏。该环节第(2)种形式的游戏过程中需要用生理信号类采集装置记录服刑人员的生理变化数据。

所述VR体验，心理测试内容分为两种游戏形式：(1)量表问题虚拟现实场景化，使受试者沉浸在基于智能问答环节系列量表设计的评估情景，与智能问答环节测试同样的心理指标；(2)心理-生理唤醒类虚拟现实游戏，测试与智能问答环节不同心理指标的VR游戏。该环节游戏中借助行为信号类采集装置帮助服刑人员完成游戏交互，其中该环节第(2)种形式的游戏过程中需要用生理信号类和行为信号类采集装置记录服刑人员的行为动作、生理变化数据。

所述智能评估端，由服务器组成，服务器通过局域网与服刑人员客户端、狱警客户端的计算机通信。

基于Plutchik的情感色轮模型建立3D情感心理指标模型。模型包括唤醒、效价和姿态三个维度，如图4所示。根据服刑人员客户端应用程序中游戏环节二和三第(2)种形式游戏诱发生理所设置的心理指标，找到对应于3D情感心理指标模型中的情感心理指标，用这些指标对CSP特征向量进行标注，即加上情感心理指标标签，建立特征训练样本数据库。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.服刑人员心理状态评估方法，所述方法不用于疾病的诊断，其特征是，包括：

根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；

采集待测试服刑人员在动画游戏场景下的第一生理信号；

采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；

对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；

将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。

2.如权利要求1所述的方法，其特征是，所述第一生理信号，包括：第一眼动信号、第一脑电信号、第一心率信号或第一皮肤电阻信号。

3.如权利要求1所述的方法，其特征是，所述第二生理信号，包括：第二眼动信号、第二脑电信号、第二心率信号或第二皮肤电阻信号。

4.如权利要求1所述的方法，其特征是，所述第一行为信号，包括：人体骨架关节动作信号或手指关节动作信号。

5.如权利要求1所述的方法，其特征是，对第一、第二生理信号和第一行为信号均进行预处理，是指对第一、第二生理信号和第一行为信号均进行同样方式的预处理；

第一生理信号的预处理过程包括：

S101：对生理信号进行滤波降噪处理，得到滤波后的数据；

S102：对滤波后的数据进行伪迹去除和基线矫正处理；得到基线矫正处理后的数据；

S103：对基线矫正处理后的数据进行特征提取与特征选择，得到对应的第一生理信号特征向量。

6.如权利要求1所述的方法，其特征是，预先训练好的预测模型的训练步骤，具体包括：

S210：构建训练样本，为每一个训练样本标注心理状态指标标签；

S220：将训练样本输入到深度学习网络中，对深度学习网络进行训练，得到训练好的预测模型；

所述S210的具体步骤为：

S211：根据输入的心理指标，选择与当前心理指标对应的动画游戏场景，选择与当前心理指标对应的VR体验场景；

S212：采集训练集服刑人员在动画游戏场景下的第一生理信号；采集训练集服刑人员在VR体验场景下的第二生理信号和第一行为信号；

S213：对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

S214：将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；融合后的特征向量即为训练样本对应的特征向量；

S215：根据S211输入的心理指标，对步骤S214得到的每个特征向量进行标签标注，从而每个训练样本的特征向量均有对应的标签对应。

7.如权利要求1所述的方法，其特征是，所述服刑人员心理状态评估方法，还包括：

接收服刑人员录入的指纹信息，根据指纹信息，从第一数据库中调取与当前指纹对应的待测试心理指标；根据待测试心理指标从第二数据库中调取与每个心理指标对应的问答场景、动画游戏场景和VR体验场景；将所调取的问答场景、动画游戏场景和VR体验场景，通过图形用户界面显示出来；

接收用户的场景选择指令，根据用户的响应，给出不同场景下服刑人员的心理指标评分结果，对不同场景下服刑人员的心理指标评分结果进行加权求和，得到最终的心理指标评分结果。

8.服刑人员心理状态评估终端，其特征是，包括：

场景选择模块，用于根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；

第一信号采集模块，用于采集待测试服刑人员在动画游戏场景下的第一生理信号；

第二信号采集模块，用于采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；

特征提取模块，用于对第一、第二生理信号和第一行为信号均进行预处理；对预处理后得到的信号进行特征提取，得到第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量；

特征融合模块，用于将第一生理信号特征向量、第二生理信号特征向量和第一行为信号特征向量进行特征向量融合，得到融合后的特征向量；

分类模块，用于将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。

9.服刑人员心理状态评估设备，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项方法所述的步骤。

10.服刑人员心理状态评估系统，其特征是，包括：

服刑人员客户端、服刑人员心理状态评估终端和狱警客户端；

其中，狱警客户端用于维护服刑人员心理状态评估终端内的数据；

服刑人员客户端用于将服刑人员的输入指令传输给服刑人员心理评估终端，同时接收服刑人员心理评估终端反馈的信息。