CN110729049B - 心理健康预警方法 - Google Patents

心理健康预警方法 Download PDF

Info

Publication number
CN110729049B
CN110729049B CN201911061017.7A CN201911061017A CN110729049B CN 110729049 B CN110729049 B CN 110729049B CN 201911061017 A CN201911061017 A CN 201911061017A CN 110729049 B CN110729049 B CN 110729049B
Authority
CN
China
Prior art keywords
curve
preset
student
time
mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911061017.7A
Other languages
English (en)
Other versions
CN110729049A (zh
Inventor
田雪松
陈天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Yundi Technology Co ltd
Original Assignee
Guangzhou Yundi Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Yundi Technology Co ltd filed Critical Guangzhou Yundi Technology Co ltd
Priority to CN201911061017.7A priority Critical patent/CN110729049B/zh
Publication of CN110729049A publication Critical patent/CN110729049A/zh
Application granted granted Critical
Publication of CN110729049B publication Critical patent/CN110729049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/12—Healthy persons not otherwise provided for, e.g. subjects of a marketing survey
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution

Abstract

本发明提供了一种心理健康预警方法，包括：获取预设的第一时长内，多个学生在不同科目的课堂听课视音频数据；其中，课堂听课视音频数据包括情绪信息和肢体动作；根据每个学生的情绪信息，得到每个学生的情绪随时间变化的第一曲线；根据每个学生的肢体动作，得到每个学生的肢体动作随时间变化的第二曲线；根据每个学生的第一曲线和/或第二曲线，判断学生是否存在心理异常；当存在心理异常时，生成第一预警提示信息；将第一预警提示信息发送给终端。由此，实现了对异常心理的预警，以便于家长和老师对异常状况提前关注，从而促进学生的健康发展并提高教学效果。

Description

心理健康预警方法
技术领域
本发明涉及数据处理领域，尤其涉及一种心理健康预警方法。
背景技术
近年来，学生的心理健康问题是一个重要的问题，存在心理问题时，不但影响学生的身体发育、人格发育，也对教育教学造成一定的影响，因此，如何对学生的心理健康进行预警，做到早发现，早干预，对学生的成长至关重要。
发明内容
本发明实施例的目的是提供一种心理健康的预警方法，以解决现有技术中的不能对学生心理健康进行预警的问题。
为解决上述问题，第一方面，本发明提供了一种心理健康预警方法，所述方法包括：
获取预设的第一时长内，多个学生在不同科目的课堂听课视音频数据；其中，所述课堂听课视音频数据包括情绪信息和肢体动作；
根据每个学生的情绪信息，得到每个学生的情绪随时间变化的第一曲线；
根据每个学生的肢体动作，得到每个学生的肢体动作随时间变化的第二曲线；
根据每个学生的所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常；
当存在心理异常时，生成第一预警提示信息；
将所述第一预警提示信息发送给终端。
在一种可能的实现方式中，所述方法还包括：
获取预设的第一时长内的第一环境参数和第二环境参数；其中，所述第一环境参数包括教室内温度，所述第二环境参数包括教室内光照强度；
根据所述教室内温度和对应的时间，得到时间-温度的第三曲线；
根据所述教室内光照强度盒对应的时间，得到时间-光照强度的第四曲线。最后，根据所述每个学生的所述第三曲线以及所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常；和/或，
根据所述每个学生的所述第四曲线以及所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常。
在一种可能的实现方式中，所述根据每个学生的所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常之前，还包括：
根据所述第一环境参数和所述第二环境参数，确定预警判断模式。
在一种可能的实现方式中，所述根据所述第一环境参数和所述第二环境参数，确定预警判断模式具体包括：
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值都在预设的第一范围内时，确定预警判断模式为第一模式；
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值都不在预设的第一范围内时，确定预警判断模式为第二模式；
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值中的一个在预设的第一范围内，另一个不在预设的第一范围内时，确定预警判断模式为第三模式。
在一种可能的实现方式中，所述根据所述第一环境参数和所述第二环境参数，确定预警判断模式具体包括：
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值均在预设的第二范围内时，确定预警判断模式为第一模式；
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值均不在预设的第二范围内时，确定预警判断模式为第二模式；
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值有一个在预设的第二范围内，有一个不在预设的第二范围内时，确定预警判断模式为第三模式。
在一种可能的实现方式中，所述第一模式为通过第一曲线和第二曲线判断学生是否存在心理异常；所述第二模式为通过第一曲线判断学生是否存在心理异常；所述第三模式为通过第二曲线判断学生是否存在心理异常。
在一种可能的实现方式中，当为第一模式时，所述根据每个学生的所述第一曲线和所述第二曲线，判断学生是否存在异常情况具体包括：
为每个情绪设置分值，并根据每个情绪的分值，得到时间-情绪分值的第一曲线；
为每个肢体动作设置分值，并根据每个肢体动作的分值，得到时间-肢体动作分值的第二曲线；
根据时间轴，将所述第一曲线和所述第二曲线设置在一个图表中；
统计所述第一曲线的变化率大于预设的第一变化率阈值的第一次数；
当所述第一次数大于预设的第一次数阈值时，统计所述第二曲线的变化率大于预设的第二变化率阈值的第二次数；
当所述第二次数大于预设的第二次数阈值时，确定学生存在心理异常。
在一种可能的实现方式中，当为第二模式时，所述根据每个学生的所述第一曲线和所述第二曲线，判断学生是否存在异常情况具体包括：
为每个情绪设置分值，并根据每个情绪的分值，得到时间-情绪分值的第一曲线；
统计所述第一曲线的变化率大于预设的第一变化率阈值的第一次数；
当所述第一次数大于预设的第一次数阈值时，确定学生存在心理异常。
在一种可能的实现方式中，当为第三模式时，所述根据每个学生的所述第一曲线和所述第二曲线，判断学生是否存在异常情况具体包括：
为每个肢体动作设置分值，并根据每个肢体动作的分值，得到时间-肢体动作分值的第二曲线；
统计所述第二曲线的变化率大于预设的第二变化率阈值的第二次数；
当所述第二次数大于预设的第二次数阈值时，确定学生存在心理异常。
在一种可能的实现方式中，所述方法还包括：
获取预设的第一时长内多个学生的第一学生的眼神方向；
判断眼神方向是否为正常眼神方向；
当所述眼神方向为非正常眼神方向时，根据所述眼神方向，确定眼神方向的投射目标；
获取所述投射目标的信息；所述投射目标的信息包括面部信息和背部信息；
判断所述投射目标的面部信息和背部信息是否异常；
当所述投射目标的面部信息和背部信息均正常时，统计在预设的第二时长内，第一学生的眼神方向投射至投射目标的投射次数和每次的投射时长；
当投射次数大于预设的第一投射次数阈值时，判断投射时长是否大于预设的第一投射时长阈值；
当投射时长大于预设的第一投射时长阈值时，生成第二预警提示信息；
将所述第二预警提示信息发送给终端。
第二方面，本发明提供了一种设备，包括存储器和处理器，存储器用于存储程序，处理器用于执行第一方面任一所述的方法。
第三方面，本发明提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如第一方面任一所述的方法。
第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面任一所述的方法。
通过应用本发明实施例提供的心理健康预警方法，可以通过对学生长期的情绪和肢体动作进行分析，并根据分析结果判断是否生成预警信息，从而实现了对异常心理的预警，以便于家长和老师对异常状况提前关注，从而促进学生的健康发展并提高教学效果。
附图说明
图1为本发明实施例一提供的心理健康预警方法流程示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
第一、第二、第三和第四等编号仅予以区分，并无其他含义。
图1为本发明实施例一提供的心理健康预警方法流程示意图。该方法应用在教学场景中，该方法的执行主体为服务器、处理器、终端等具有处理功能的设备。如图1所示，该方法包括以下步骤：
步骤101，获取预设的第一时长内，多个学生在不同科目的课堂听课视音频数据。
具体的，在课堂中，可以通过录播系统获取课堂听课视音频数据。在学校的每个教室内，都设置有录播系统，录播系统对授课过程中的学生的听课状态进行追踪录播，从而得到课堂听课视音频数据。
为了进行后续的横向和纵向比较，可以将授课地点设定在第一授课场地。其中，第一授课场地可以为某学校的教室a，该学校可以是小学、中学、大学、职业中学等学校中的任意一个。多个科目包括但不限于语文、数学、英语常规科目或者模拟电子、计算机基础等专业科目。
其中，预设的第一时长可以是一个月、一周或者三个月，本申请对此并不限定。课堂听课视音频数据包括情绪信息和肢体动作。情绪信息包括但不限于：正常、高兴、悲伤、惊讶、生气、脸红、鬼脸和哭泣。肢体动作包括但不限于挠头、挠耳、举手、回答问题、脚部小动作。
由于录播系统中有多路摄像头，可以对于班级内全部学生的听课反应，进行录制。后续通过智能识别技术，可以识别出具体的学生，并将识别出的学生与数据库中的学生图像信息进行比较，从而可以确定出具体的学生个体，并可以对该学生个体在一个科目的情绪信息进行分析。
步骤102，根据每个学生的情绪信息，得到每个学生的情绪随时间变化的第一曲线。
具体的，示例而非限定，预设的第一时长为一周，班级为小学一年级一班，班级内学生人数为30，假设出勤率为100％，对于30个学生，语文、数学和英语的上课频率都为一周五次，则对于语文，30个学生中的每个学生，在一周内以时间为横坐标，以情绪信息为纵坐标，生成了一条第一曲线。
步骤103，根据每个学生的肢体动作，得到每个学生的肢体动作随时间变化的第二曲线。
具体的，针对具体的班级，可以获取到摄像头拍摄的对于该班级内的全部学生在第一科目的全部面部表情，并将面部表情进行人工智能(Artificial Intelligence，AI)识别，识别出每个表情对应的情绪信息，比如班级内的学生M在上课刚开始时，通过面部表情采集，识别得到的情绪为正常，与此对应的课堂行为信息为听讲，在上课十分钟后，情绪为生气，与此对应的课堂行为为应答，再经过十分钟，情绪为悲伤，与此对应的课堂行为为师生互动，则可以将学生M的情绪信息，生成第一曲线。将学生M的肢体动作，生成第二曲线。
步骤104，根据每个学生的第一曲线和/或第二曲线，判断学生是否存在心理异常。
进一步的，由于情绪和肢体动作有时会受到环境的影响，比如，在温度较低时，会存在搓手的动作，或者光照强度大时，会有揉眼的动作，或者温度过低、光照强度低时，会有哈欠的动作等，因此，在进行心理健康预警时，要尽量排除外在环境因素对情绪和肢体动作的影响。因此，在步骤104之前还可以包括：
首先，获取预设的第一时长内的第一环境参数和第二环境参数；其中，第一环境参数包括教室内温度，第二环境参数包括教室内光照强度。然后，根据教室内温度和对应的时间，得到时间-温度的第三曲线。接着，根据教室内光照强度盒对应的时间，得到时间-光照强度的第四曲线。最后，根据每个学生的第三曲线以及第一曲线和/或第二曲线，判断学生是否存在心理异常；和/或，根据每个学生的第四曲线以及第一曲线和/或第二曲线，判断学生是否存在心理异常。
具体的，本申请中的执行主体，可以获取到教室内的温度传感器测量的室内温度以及采集光照传感器采集的室内的光照强度，然后根据上述步骤会得到横坐标为时间，纵坐标为温度的第三曲线，以及横坐标为时间，纵坐标为光照强度的第四曲线，并结合第三曲线和/或第四曲线判断学生是否存在心理异常，比如，学生A的情绪正常为5分、生气为10分、鬼脸为8分等，在某个时长内，情绪从5分跳跃至10分，且持续时长为20秒，如果在此时间内第三曲线和第四曲线均不存在跳变，则说明学生A的情绪变化与环境信息无关，可以不考虑第三和第四曲线。如果第四曲线也存在跳变，可以考虑学生A的情绪变化是光照强度变化引起的，对预设的第一时长内第一至第四曲线进行长期的分析后，如果光照强度存在跳变时，情绪也存在跳变的次数超过了一定的次数时，则可以判定学生A的情绪是由于环境信息引起的，可以不生成预警提示信息，或者，可以生成用于指示学生A的情绪变化与环境信息相关的指示信息，以便老师或者家长对学生A给予一定的引导或者对于学生A给予一定的医学治疗措施。
随后，该方法还包括：根据第一环境参数和第二环境参数，确定预警判断模式。从而可以将预警判断模式和环境关联起来，在不同的环境条件下，采用不同的预警判断模式，以实现更加精确和智能的预警。示例而非限定，可以通过下面两个示例确定预警判断模式。
在一个示例中，当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值都在预设的第一范围内时，确定预警判断模式为第一模式；
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值都不在预设的第一范围内时，确定预警判断模式为第二模式；
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值中的一个在预设的第一范围内，另一个不在预设的第一范围内时，确定预警判断模式为第三模式。
在另一个示例中，当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值均在预设的第二范围内时，确定预警判断模式为第一模式；
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值均不在预设的第二范围内时，确定预警判断模式为第二模式；
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值有一个在预设的第二范围内，有一个不在预设的第二范围内时，确定预警判断模式为第三模式。
其中，第一模式为通过第一曲线和第二曲线判断学生是否存在心理异常；第二模式为通过第一曲线判断学生是否存在心理异常；第三模式为通过第二曲线判断学生是否存在心理异常。
具体的，继续接上面两个示例，示例而非限定，可以通过下面三种方法判断是否存在心理异常。
第一种，当为第一模式时，步骤104包括：为每个情绪设置分值，并根据每个情绪的分值，得到时间-情绪分值的第一曲线；
为每个肢体动作设置分值，并根据每个肢体动作的分值，得到时间-肢体动作分值的第二曲线；
根据时间轴，将第一曲线和第二曲线设置在一个图表中；
统计第一曲线的变化率大于预设的第一变化率阈值的第一次数；
当第一次数大于预设的第一次数阈值时，统计第二曲线的变化率大于预设的第二变化率阈值的第二次数；
当第二次数大于预设的第二次数阈值时，确定学生存在心理异常。
第二种、当为第二模式时，为每个情绪设置分值，并根据每个情绪的分值，得到时间-情绪分值的第一曲线；
统计第一曲线的变化率大于预设的第一变化率阈值的第一次数；
当第一次数大于预设的第一次数阈值时，确定学生存在心理异常。
第三种、当为第三模式时，为每个肢体动作设置分值，并根据每个肢体动作的分值，得到时间-肢体动作分值的第二曲线；
统计第二曲线的变化率大于预设的第二变化率阈值的第二次数；
当第二次数大于预设的第二次数阈值时，确定学生存在心理异常。
步骤105，当存在心理异常时，生成第一预警提示信息。
步骤106，将第一预警提示信息发送给终端。
其中，此处的终端可以是老师的终端，也可以是家长的终端，此处并不限定。由此，可以通过对学生个体长期的心理健康进行分析，并及时的将信息推送给家长或者老师，以进行心理健康预警。
进一步的，一直以来，早恋问题是家长和学校关注的重点，因此，通过课堂听课视音频数据，研究该问题，以进一步的掌握学生心理，是至关重要的，步骤106之后还包括：
首先，获取预设的第一时长内多个学生的第一学生的眼神方向；判断眼神方向是否为正常眼神方向；当眼神方向为非正常眼神方向时，根据眼神方向，确定眼神方向的投射目标；然后，获取投射目标的信息；投射目标的信息包括面部信息和背部信息；判断投射目标的面部信息和背部信息是否异常；最后，当投射目标的面部信息和背部信息均正常时，统计在预设的第二时长内，第一学生的眼神方向投射至投射目标的投射次数和每次的投射时长；当投射次数大于预设的第一投射次数阈值时，判断投射时长是否大于预设的第一投射时长阈值；当投射时长大于预设的第一投射时长阈值时，生成第二预警提示信息；将第二预警提示信息发送给终端。
其中，非正常眼神方向可以是是否处于黑板与眼睛的视线范围内，对于是否处于视线范围内，可以预先对教室内的每个座位与黑板的视线范围进行计算，并通过对采集的课堂听课视音频数据进行分析处理，得到学生当前的眼神方向是否为非正常眼神，此处的非正常眼神可以是脸红。对于投射目标的面部信息和背部信息继续分析，目的是为了确认投射目标的穿着，包括衣服色彩、图案等，发型是否是异常的，比如投射目标的衣服图案为特殊图案，则此时非正常眼神可以忽略，可以确认是投射目标的衣服图案吸引了学生的眼神。当投射目标的该些都为正常时，可以通过统计学生对投射目标的投射次数和投射时长，确认是否向终端或服务器发送眼神异常提示信息，以提高检测精度。
具体的，在班级内，可以通过面部识别，获取学生的眼神方向，并通过对眼神方向以及投射目标进行分析，以判断学生是否存在早恋倾向，并通过第二预警提示信息进行提醒，其中，第二预警提示信息可以发送至学校的服务器中，也可以发送至班主任的终端中，还可以发送至家长登录的终端中，从而对学生的多方面识别，以便于预防和干预眼神异常现象。
通过应用本发明实施例一提供的心理健康预警方法，可以通过对学生长期的情绪和肢体动作进行分析，并根据分析结果判断是否生成预警信息，从而实现了对异常心理的预警，以便于家长和老师对异常状况提前关注，从而促进学生的健康发展并提高教学效果。
发明实施例二提供了一种设备，包括存储器和处理器，存储器用于存储程序，存储器可通过总线与处理器连接。存储器可以是非易失存储器，例如硬盘驱动器和闪存，存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能；设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序，该软件程序被执行时，能够实现本发明实施例一提供的方法。
本发明实施例三提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。
本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种心理健康预警方法，其特征在于，所述方法包括：
获取预设的第一时长内，多个学生在不同科目的课堂听课视音频数据；其中，所述课堂听课视音频数据包括情绪信息和肢体动作；
根据每个学生的情绪信息，得到每个学生的情绪随时间变化的第一曲线；所述情绪信息包括正常、高兴、悲伤、惊讶、生气、脸红、鬼脸和哭泣；
根据每个学生的肢体动作，得到每个学生的肢体动作随时间变化的第二曲线；所述肢体动作包括挠头、挠耳、举手、回答问题、脚部小动作；
根据每个学生的所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常；
当存在心理异常时，生成第一预警提示信息；
将所述第一预警提示信息发送给终端；
所述方法还包括：
获取预设的第一时长内的第一环境参数和第二环境参数；其中，所述第一环境参数包括教室内温度，所述第二环境参数包括教室内光照强度；
根据所述教室内温度和对应的时间，得到时间-温度的第三曲线；
根据所述教室内光照强度和对应的时间，得到时间-光照强度的第四曲线；最后，根据所述每个学生的所述第三曲线以及所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常；和/或，
根据所述每个学生的所述第四曲线以及所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常；
所述根据每个学生的所述第一曲线和/或所述第二曲线，判断学生是否存在心理异常之前，还包括：
根据所述第一环境参数和所述第二环境参数，确定预警判断模式；
所述根据所述第一环境参数和所述第二环境参数，确定预警判断模式具体包括：
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值都在预设的第一范围内时，确定预警判断模式为第一模式；
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值都不在预设的第一范围内时，确定预警判断模式为第二模式；
当教室内温度的均值与预设的温度阈值的差值，以及教室内光照强度的均值与预设的光照强度的差值中的一个在预设的第一范围内，另一个不在预设的第一范围内时，确定预警判断模式为第三模式；
所述根据所述第一环境参数和所述第二环境参数，确定预警判断模式具体包括：
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值均在预设的第二范围内时，确定预警判断模式为第一模式；
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值均不在预设的第二范围内时，确定预警判断模式为第二模式；
当第三曲线中的突变次数与预设的第一突变次数的差值，以及第四曲线中的突变次数与预设的第二突变次数的差值有一个在预设的第二范围内，有一个不在预设的第二范围内时，确定预警判断模式为第三模式；
其中，所述第一模式为通过第一曲线和第二曲线判断学生是否存在心理异常；所述第二模式为通过第一曲线判断学生是否存在心理异常；所述第三模式为通过第二曲线判断学生是否存在心理异常；
当为第一模式时，所述根据每个学生的所述第一曲线和所述第二曲线，判断学生是否存在异常情况具体包括：
为每个情绪设置分值，并根据每个情绪的分值，得到时间-情绪分值的第一曲线；
为每个肢体动作设置分值，并根据每个肢体动作的分值，得到时间-肢体动作分值的第二曲线；
根据时间轴，将所述第一曲线和所述第二曲线设置在一个图表中；
统计所述第一曲线的变化率大于预设的第一变化率阈值的第一次数；
当所述第一次数大于预设的第一次数阈值时，统计所述第二曲线的变化率大于预设的第二变化率阈值的第二次数；
当所述第二次数大于预设的第二次数阈值时，确定学生存在心理异常。
2.根据权利要求1所述的方法，其特征在于，当为第二模式时，所述根据每个学生的所述第一曲线和所述第二曲线，判断学生是否存在异常情况具体包括：
为每个情绪设置分值，并根据每个情绪的分值，得到时间-情绪分值的第一曲线；
统计所述第一曲线的变化率大于预设的第一变化率阈值的第一次数；
当所述第一次数大于预设的第一次数阈值时，确定学生存在心理异常。
3.根据权利要求1所述的方法，其特征在于，当为第三模式时，所述根据每个学生的所述第一曲线和所述第二曲线，判断学生是否存在异常情况具体包括：
为每个肢体动作设置分值，并根据每个肢体动作的分值，得到时间-肢体动作分值的第二曲线；
统计所述第二曲线的变化率大于预设的第二变化率阈值的第二次数；
当所述第二次数大于预设的第二次数阈值时，确定学生存在心理异常。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取预设的第一时长内多个学生的第一学生的眼神方向；
判断眼神方向是否为正常眼神方向；
当所述眼神方向为非正常眼神方向时，根据所述眼神方向，确定眼神方向的投射目标；
获取所述投射目标的信息；所述投射目标的信息包括面部信息和背部信息；
判断所述投射目标的面部信息和背部信息是否异常；
当所述投射目标的面部信息和背部信息均正常时，统计在预设的第二时长内，第一学生的眼神方向投射至投射目标的投射次数和每次的投射时长；
当投射次数大于预设的第一投射次数阈值时，判断投射时长是否大于预设的第一投射时长阈值；
当投射时长大于预设的第一投射时长阈值时，生成第二预警提示信息；
将所述第二预警提示信息发送给终端。
CN201911061017.7A 2019-11-01 2019-11-01 心理健康预警方法 Active CN110729049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911061017.7A CN110729049B (zh) 2019-11-01 2019-11-01 心理健康预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911061017.7A CN110729049B (zh) 2019-11-01 2019-11-01 心理健康预警方法

Publications (2)

Publication Number Publication Date
CN110729049A CN110729049A (zh) 2020-01-24
CN110729049B true CN110729049B (zh) 2023-09-22

Family

ID=69223657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911061017.7A Active CN110729049B (zh) 2019-11-01 2019-11-01 心理健康预警方法

Country Status (1)

Country Link
CN (1) CN110729049B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111696673A (zh) * 2020-05-08 2020-09-22 吕小民 一种心理健康管理模型系统及方法
CN112446590B (zh) * 2020-11-05 2021-08-10 重庆第二师范学院 一种综合性学生管理系统、方法、介质及终端
CN113052427A (zh) * 2020-12-14 2021-06-29 北京易华录信息技术股份有限公司 一种基于视频数据的学生状态分析系统
CN114281191A (zh) * 2021-12-20 2022-04-05 咪咕音乐有限公司 歌曲试听方法、终端设备及可读存储介质
CN114121287B (zh) * 2022-01-24 2023-01-24 广东数业智能科技有限公司 一种学生心理健康检测方法、系统和可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106502402A (zh) * 2016-10-25 2017-03-15 四川农业大学 一种三维动态情景教学系统及方法
AU2018100784A4 (en) * 2015-12-17 2018-07-12 Lyrebird Interactive Holdings Pty Ltd Apparatus and method for an interactive entertainment media device
CN108694679A (zh) * 2018-05-15 2018-10-23 北京中庆现代技术股份有限公司 一种学生学习状态检测和精准推送的方法
CN109035089A (zh) * 2018-07-25 2018-12-18 重庆科技学院 一种在线课堂氛围评估系统及方法
CN109461104A (zh) * 2018-10-22 2019-03-12 杭州闪宝科技有限公司 课堂监控方法、装置及电子设备
CN109657553A (zh) * 2018-11-16 2019-04-19 江苏科技大学 一种学生课堂注意力检测方法
CN110309201A (zh) * 2019-06-28 2019-10-08 广州云蝶科技有限公司 作业定制方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2018100784A4 (en) * 2015-12-17 2018-07-12 Lyrebird Interactive Holdings Pty Ltd Apparatus and method for an interactive entertainment media device
CN106502402A (zh) * 2016-10-25 2017-03-15 四川农业大学 一种三维动态情景教学系统及方法
CN108694679A (zh) * 2018-05-15 2018-10-23 北京中庆现代技术股份有限公司 一种学生学习状态检测和精准推送的方法
CN109035089A (zh) * 2018-07-25 2018-12-18 重庆科技学院 一种在线课堂氛围评估系统及方法
CN109461104A (zh) * 2018-10-22 2019-03-12 杭州闪宝科技有限公司 课堂监控方法、装置及电子设备
CN109657553A (zh) * 2018-11-16 2019-04-19 江苏科技大学 一种学生课堂注意力检测方法
CN110309201A (zh) * 2019-06-28 2019-10-08 广州云蝶科技有限公司 作业定制方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"南京交警心理危机及预警机制研究";张磊;《中国优秀硕士学位论文全文数据库社会科学Ⅰ辑》(第9期);第G113-36页 *
Boysen, G. A.等."Trigger warnings in psychology: psychology teachers' perspectives and practices".《Scholarship of Teaching and Learning in Psychology》.2018,第4卷(第1期),第16-26页. *

Also Published As

Publication number Publication date
CN110729049A (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
CN110729049B (zh) 心理健康预警方法
Johnston et al. Strategies and tactics of behavioral research and practice
Froese et al. Validating and calibrating first-and second-person methods in the science of consciousness
Ayres et al. Dependent measures and measurement systems
Geake et al. Cognitive Neuroscience: implications for education?
CN110837960A (zh) 学生情感分析方法
Kaklauskas et al. Student progress assessment with the help of an intelligent pupil analysis system
Banda et al. Multimodal affect recognition in intelligent tutoring systems
Krishnan et al. The influence of evaluative right/wrong feedback on phonological and semantic processes in word learning
Cooker Assessment as learner autonomy
Sharpley et al. Psychometric evaluation of a “standardized client” procedure with trainee counsellors
Hirt et al. Measuring emotions during learning: lack of coherence between automated facial emotion recognition and emotional experience
Neufeld et al. A behavioral approach to the human understanding of time: Relational frame theory and temporal relational framing
Kei et al. Metacognition in 3-6 years old: Evidence from a kindergarten in Hong Kong
Al Madi et al. Constructing semantic networks of comprehension from eye-movement during reading
Kulkarni et al. Applications of Artificial Intelligence in Learning Assessment
Boekaerts et al. Predicting attribution of letter writing performance in secondary school: A machine learning approach
Telgmann et al. Training & prompting pre-service teachers’ noticing in a standardized classroom simulation–a mobile eye-tracking study
Heinsen Allocation of attention and automaticity in expert music teaching
Peña et al. Use of a Low Cost Neurosignals Capture System to Show the Importance of Developing Didactic Activities Within a Class to Increase the Level of Student Engagement (Case Study)
Tyson Effective Instructional Practices of Special Education Teachers Who Teach Students with Emotional and Behavioral Disorders through the Lens of the Expertise Theory
Lombardo Investigating sequential effects in humans performing a 2AFC psychophysical task
Auliya et al. The impact of YouTube videos of children in English for toddler 2-4 years old
Jazby Teaching ‘on the fly’: Investigating the mid-lesson adaptive behaviour of primary mathematics teachers
PRUSS The effect of embodiment on adaptive robot assisted language learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant