CN113205869B - 一种基于用户社交软件头像的心理健康检测及干预方法 - Google Patents

一种基于用户社交软件头像的心理健康检测及干预方法 Download PDF

Info

Publication number
CN113205869B
CN113205869B CN202110474759.3A CN202110474759A CN113205869B CN 113205869 B CN113205869 B CN 113205869B CN 202110474759 A CN202110474759 A CN 202110474759A CN 113205869 B CN113205869 B CN 113205869B
Authority
CN
China
Prior art keywords
user
good
social
bad
psychological
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
CN202110474759.3A
Other languages
English (en)
Other versions
CN113205869A (zh
Inventor
吴雯
郑兴海
纪雨
张麒
周锡雄
班启敏
吴旭升
吴平
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.)
East China Normal University
Original Assignee
East China Normal University
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 East China Normal University filed Critical East China Normal University
Priority to CN202110474759.3A priority Critical patent/CN113205869B/zh
Publication of CN113205869A publication Critical patent/CN113205869A/zh
Application granted granted Critical
Publication of CN113205869B publication Critical patent/CN113205869B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06Q50/01—Social networking

Abstract

本发明公开了一种基于用户社交软件头像的心理健康检测及干预方法，包括如下步骤：收集用户个人信息与不同社交软件的头像图像数据；对收集的数据进行处理，抽取社交头像的图像特征；GBDT+LR模型首先通过GBDT自动进行特征筛选和组合以生成新的离散特征向量，再将该离散特征向量送入LR中，通过LR的线性组合得到最终用户的心理地位；对心理地位为“我不好”或“你不好”的用户施加干预或向相关人员预警；根据干预后用户的反馈选择继续干预或持续监测。本发明只需要获得用户的社交头像图像，即可自动获得用户的心理地位并进行相应干预。

Description

一种基于用户社交软件头像的心理健康检测及干预方法
技术领域
本发明涉及采用计算机技术对用户心理地位检测与干预，尤其涉及一种基于用户社交软件头像的心理健康检测及干预方法
背景技术
近年来人群中心理行为问题发生率和精神障碍患病率逐年攀升，自杀等极端现象屡见不鲜，引发了全社会的广泛关注。人民群众的心理健康问题不仅关系到国民的素质，也关系到个体和家庭的幸福，关系到社会的和谐和稳定。帮助用户摆脱心理健康问题的困扰，及时发现和正确干预用户的各种心理危机是非常重要的。
现有的心理检测技术多是通过常规的方式(例如，心理问卷、一对一访谈等)来获取用户的心理健康状态，不仅耗时耗力，无法及时发现用户的心理健康问题，且容易引起用户的反感情绪。
发明内容
本发明的目的是提出一种基于用户社交软件头像的心理健康检测及干预方法，该方法通过分析用户社交头像的特征自动识别用户心理地位，并主动进行干预，向用户推荐语音条，课程，练习与文章，干预后回收反馈评估，再次进行干预或继续检测。
实现本发明目的的具体技术方案是：
一种基于用户社交软件头像的心理健康检测及干预方法，该方法包括以下具体步骤：
步骤1：收集用户的个人信息与社交头像图像；
步骤2：数据处理，对每位用户上传的若干张社交头像进行图像特征抽取，使用0填充数据中的缺失值，将微信头像和QQ头像的图像特征取平均，定义为「熟人社交软件的头像特征」；将微博头像、网易云头像、抖音头像、知乎头像的图像特征取平均，定义为「私人社交软件的头像特征」；其中：
使用皮尔逊相关性分析心理地位与图像特征之间的关联，得知：
(1)用户在私人社交软件即微博、网易云、抖音及知乎上选择的头像更能够反应出用户的心理地位；
(2)用户对自身根本价值的基本态度即我好或我不好和用户对他人根本价值的基本态度即你好或你不好呈正相关，倾向于“我好”的用户也会倾向于“你好”，而倾向于“我不好”的用户则会倾向于“你不好”；
(3)关于用户对自身根本价值的基本态度即我好或我不好，包括：
a.社交头像中包含“红色”、“白色”越多，用户越倾向于“我好”；
b.社交头像中包含“蓝色”越多，用户越倾向于“我不好”；
c.社交头像越偏“冷色调”，用户越倾向于“我不好”；
(4)关于用户对他人根本价值的基本态度即你好或你不好，包括：
a.社交头像的R通道灰度均值越高、整体灰度均值越高，用户越倾向于“你好”；
b.社交头像中包含“黑色”越多，用户越倾向于“你好”；
c.社交头像的二阶明度、三阶明度越高，用户越倾向于“你好”；
d.社交头像的亮度越高，用户越倾向于“你好”；
e.社交头像的对比度越高，用户越倾向于“你好”；
f.社交头像的颜色丰富度越高，用户越倾向于“你好”；
g.社交头像的纹理对比度、纹理相异性、纹理同质性、纹理角二矩阵及纹理最大概率越大，用户越倾向于“你好”；
h.社交头像中包含“灰色”、“青色”越多，用户越倾向于“你不好”；
i.社交头像的优势度越高，用户越倾向于“你不好”；
步骤3：采用GBDT+LR模型，首先通过GBDT自动对步骤1中抽取的图像特征进行特征筛选和组合以生成新的离散特征向量，再将所述离散特征向量送入LR中，通过LR的线性组合得到最终用户心理地位；其中：
GBDT全称为Gradient Boosting Decision Tree，梯度提升决策树，而LR全称Logistic Regression，逻辑回归；使用GBDT+LR模型构建两个二分类器C1和C2；其中，分类器C1用于判断用户对自身根本价值的基本态度即我好或我不好，分类器C2用于判断用户对他人根本价值的基本态度即你好或你不好；利用收集的用户心理地位与社交软件头像数据对模型进行训练，使用五折交叉验证，为分类器C1和分类器C2选择最优参数；
步骤4：个性化干预，对心理地位为“我不好”或“你不好”的用户进行干预，针对不同心理地位的用户，采取不同的干预措施，或向相关人员预警；根据干预后用户的反馈选择继续干预或持续监测。
步骤1所述收集的用户社交头像图像，是采用问卷调查形式获得的用户微信、QQ、微博、网易云、抖音及知乎七款社交软件的社交头像。
所述心理地位为“我好，你好”、“我好，你不好”、“我不好，你好”及“我不好，你不好”四种，需要干预的为“我好，你不好”、“我不好，你好”及“我不好，你不好”三种。
所述的干预是指向不同心理地位用户推荐不同的语音条，课程，练习与文章；其中：
a)语音条
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，语音条的内容为开导用户接纳自己的缺陷，遇到挫折坚定信念；
针对“我好、你不好”该种心理地位的用户，语音条的内容为劝说用户宽恕他人的过错，不要过多苛责他人，学会欣赏他人；
b)课程推荐
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，推荐的课程为：《Know yourself》；
针对“我好、你不好”该种心理地位的用户，推荐的课程为：《Headspace Guide toMeditation》系列课程；
c)练习推荐
针对“我好、你不好”该种心理地位的用户，推荐练习：在一张纸上，每天记录身边的人的一个非常棒的点，无论它是多么的微小或是平常，只要让人感到欣喜和感叹，就把它记录下来；
d)文章推荐
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，推荐文章《怎样才算爱自己》和《接纳自己不是不求上进》。
本发明的有益效果在于：
本发明方法通过用户的社交头像了解用户的心理地位并予以个性化的干预，可以预防用户心理行为问题和精神障碍发生，引导用户迷途知返。其次本发明方法具有易行性，通过常规的方式(例如，心理问卷、一对一访谈等)来获取用户的心理健康状态，不仅耗时耗力，无法及时发现用户的心理健康问题，且容易引起用户的反感情绪。相对于其他方法，本方法简单快捷，能及时发现和正确干预用户的心理问题。
附图说明
图1为本发明的流程图；
图2为本发明用户心理地位识别模型的流程图
图3为本发明实施例的流程示意图。
具体实施方式
结合以下具体实施例和附图，对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。
参阅图1，本发明具体操作按下述步骤进行：
步骤1：用户个人信息和社交头像图像采集，通过向用户发放问卷的形式，获得用户的个人信息与社交头像图像信息。
步骤2：数据处理，对每位用户上传的若干张社交头像进行图像特征抽取,所抽取特征如表1所示，使用0填充数据中的缺失值，将微信头像和QQ头像的图像特征取平均，定义为「熟人社交软件的头像特征」；将微博头像、网易云头像、抖音头像、知乎头像的图像特征取平均，定义为「私人社交软件的头像特征」；其中：
使用皮尔逊相关性分析心理地位与图像特征之间的关联，如下表2所示，得知：
(1)用户在私人社交软件即微博、网易云、抖音及知乎上选择的头像更能够反应出用户的心理地位；
(2)用户对自身根本价值的基本态度即我好或我不好和用户对他人根本价值的基本态度即你好或你不好呈正相关，倾向于“我好”的用户也会倾向于“你好”，而倾向于“我不好”的用户则会倾向于“你不好”；
(3)关于用户对自身根本价值的基本态度即我好或我不好，包括：
a.社交头像中包含“红色”、“白色”越多，用户越倾向于“我好”；
b.社交头像中包含“蓝色”越多，用户越倾向于“我不好”；
c.社交头像越偏“冷色调”，用户越倾向于“我不好”；
(4)关于用户对他人根本价值的基本态度即你好或你不好，包括：
a.社交头像的R通道灰度均值越高、整体灰度均值越高，用户越倾向于“你好”；
b.社交头像中包含“黑色”越多，用户越倾向于“你好”；
c.社交头像的二阶明度、三阶明度越高，用户越倾向于“你好”；
d.社交头像的亮度越高，用户越倾向于“你好”；
e.社交头像的对比度越高，用户越倾向于“你好”；
f.社交头像的颜色丰富度越高，用户越倾向于“你好”；
g.社交头像的纹理对比度、纹理相异性、纹理同质性、纹理角二矩阵及纹理最大概率越大，用户越倾向于“你好”；
h.社交头像中包含“灰色”、“青色”越多，用户越倾向于“你不好”；
i.社交头像的优势度越高，用户越倾向于“你不好”；
表1社交头像的图像特征
Figure BDA0003046635360000051
表2心理地位与图像特征之间的关联
Figure BDA0003046635360000052
Figure BDA0003046635360000061
Figure BDA0003046635360000071
步骤3：采用GBDT+LR模型，首先通过GBDT自动对步骤1中抽取的图像特征进行特征筛选和组合以生成新的离散特征向量，再将所述离散特征向量送入LR中，通过LR的线性组合得到最终用户心理地位，具体流程如图2所示；其中：
GBDT全称为Gradient Boosting Decision Tree，梯度提升决策树，而LR全称Logistic Regression，逻辑回归；使用GBDT+LR模型构建两个二分类器C1和C2；其中，分类器C1用于判断用户对自身根本价值的基本态度即我好或我不好，分类器C2用于判断用户对他人根本价值的基本态度即你好或你不好；利用收集的用户心理地位与社交软件头像数据对模型进行训练，使用五折交叉验证，为分类器C1和分类器C2选择最优参数，最优参数如下表3所示；
表3本发明中模型的最优参数
Figure BDA0003046635360000081
步骤4：个性化干预，对心理地位为“我不好”或“你不好”的用户进行干预，针对不同心理地位的用户，采取不同的干预措施，或向相关人员预警；根据干预后用户的反馈选择继续干预或持续监测。
所述收集的用户社交头像图像，是采用问卷调查形式获得的用户微信、QQ、微博、网易云、抖音及知乎七款社交软件的社交头像。
所述心理地位为“我好，你好”、“我好，你不好”、“我不好，你好”及“我不好，你不好”四种，需要干预的为“我好，你不好”、“我不好，你好”及“我不好，你不好”三种。
所述的干预是指向不同心理地位用户推荐不同的语音条，课程，练习与文章；其中：
a)语音条
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，语音条的内容为：你是不是做错事的时候习惯性地自我批评，不肯放过自己？你有没有下意识地和他人比较，以此来定义自己的价值？你会不会总是为了别人的想法、感受而忽略自己的想法和感受？如果是这样，我想，你可以更多的爱自己，接纳自己。爱自己的第一步，是去觉察你的感受和需要。想想有什么东西是你很想吃，但一直拒绝的？有什么话是你一直想说，但又说不出口的？我想，有很多吧。在“看到了”自己以后，你还要学会接纳自己。你身上那些一直被你自己排挤、赶走、甚至拒绝的东西，都是你学会爱自己的障碍。一味地与负面感受斗争只会制造更多痛苦。试着不抵抗自己的缺点和情绪，别批判，，只去客观的反思它们就好，你会变得越来越坚定。坚定是爱自己中非常重要的环节。当外部环境中的各种言论充斥左右、干扰你的时候，你可以停下来看看，回溯自己的内心本源，坚定的你这时不会轻易动摇、陷入迷茫。你可以尝试从生活小事做起，试着在难过的时候用双臂抱住自己，试着在受挫的时候，将手放在自己的心脏处，感受自己生命的力量；你也可以给自己写一些安慰的、鼓励的话；也可以记录自己每天微小的闪光点，这些点会聚成你生命的光；
针对“我好、你不好”该种心理地位的用户，语音条的内容为：你是不是在别人做错事的时候一味地批评，不肯放过他们？你有没有下意识地将他人和自己比较，以此来定义他人的价值？你会不会有时为了自己的目标，而忽略他人的想法和感受？也许，你觉得其他人都是不好的。你可以慢下来，去想想看，世界上的人都是完美的吗？每个人都有自己的优点，当然也有自己的缺点。你可以试着先去了解一下他，当熟悉起来的时候，你会发现对方有很多意想不到优点。有时，在苛责他人的时候，你可以抽出身来想想，我可以比他做的更好吗？也许能，也许不能，但都不重要。重要的是，你可以用这种方式知道自己能力的限度，这是一种更大的收获。另外，每个人都是需要肯定的，人与人之间的情感，都是通过欣赏出现的。当你真诚的认可对方的时候，他的眼里，也都是对你的欣赏。你可以尝试每天记录一个身边伙伴的优点，你也可以试着去夸夸他们，最后，你会发现，在这个过程中，欣赏他人成了你的优秀品质，你也获得了成长的力量；
b)课程推荐
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，推荐的课程为：《Know yourself》；
针对“我好、你不好”该种心理地位的用户，推荐的课程为：《Headspace Guide toMeditation》系列课程；
c)练习推荐
针对“我好、你不好”该种心理地位的用户，推荐练习：在一张纸上，每天记录身边的人的一个非常棒的点，无论它是多么的微小或是平常，只要让人感到欣喜和感叹，就把它记录下来；
d)文章推荐
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，推荐文章《怎样才算爱自己》和《接纳自己不是不求上进》。
实施例
参阅图3，本实施例具体操作按下述步骤进行，其中示例图像模糊处理：
(1)用户个人信息和社交头像图像采集
通过向用户发放问卷的形式，获得用户的个人信息与社交头像图像信息。
(2)、数据处理
主要内容是对用户上传的多张社交头像图像抽取特征，使用0.0填充数据中的缺失值，同时将社交软件划分为两类，将微信头像和QQ头像的图像特征取平均，定义为「熟人社交软件的头像特征」；将微博头像、网易云头像、抖音头像、知乎头像的图像特征取平均，定义为「私人社交软件的头像特征」。
(3)、识别用户心理地位
使用GBDT+LR模型根据上述步骤抽取的图像特征识别用户的心理地位。本发明使用GBDT+LR模型构建两个二分类器C1和C2；其中，C1分类器用于判断用户对自身根本价值的基本态度即我好或我不好，C2分类器用于判断用户对他人根本价值的基本态度即你好或你不好，实施例中，用户心理地位识别为“我不好，你好”。
(4)、心理干预
对于所识别出的“我不好，你好”的用户，推荐语音条，课程与文章。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。

Claims (4)

1.一种基于用户社交软件头像的心理健康检测及干预方法，其特征在于，该方法包括以下具体步骤：
步骤1：收集用户的个人信息与社交头像图像；
步骤2：数据处理，对每位用户上传的若干张社交头像进行图像特征抽取，使用0填充数据中的缺失值，将微信头像和QQ头像的图像特征取平均，定义为熟人社交软件的头像特征；将微博头像、网易云头像、抖音头像、知乎头像的图像特征取平均，定义为私人社交软件的头像特征；其中：
使用皮尔逊相关性分析心理地位与图像特征之间的关联，得知：
（1）用户在私人社交软件即微博、网易云、抖音、知乎上选择的头像更能够反应出用户的心理地位；
（2）用户对自身根本价值的基本态度即我好或我不好和用户对他人根本价值的基本态度即你好或你不好呈正相关，倾向于“我好”的用户也会倾向于“你好”，而倾向于“我不好”的用户则会倾向于“你不好”；
（3）关于用户对自身根本价值的基本态度即我好或我不好，包括：
a. 社交头像中包含“红色”、“白色”越多，用户越倾向于“我好”；
b. 社交头像中包含“蓝色”越多，用户越倾向于“我不好”；
c. 社交头像越偏“冷色调”，用户越倾向于“我不好”；
（4）关于用户对他人根本价值的基本态度即你好或你不好，包括：
a. 社交头像的R通道灰度均值越高、整体灰度均值越高，用户越倾向于“你好”；
b. 社交头像中包含“黑色”越多，用户越倾向于“你好”；
c. 社交头像的二阶明度、三阶明度越高，用户越倾向于“你好”；
d. 社交头像的亮度越高，用户越倾向于“你好”；
e. 社交头像的对比度越高，用户越倾向于“你好”；
f. 社交头像的颜色丰富度越高，用户越倾向于“你好”；
g. 社交头像的纹理对比度、纹理相异性、纹理同质性、纹理角二矩阵及纹理最大概率越大，用户越倾向于“你好”；
h. 社交头像中包含“灰色”、“青色”越多，用户越倾向于“你不好”；
i. 社交头像的优势度越高，用户越倾向于“你不好”；
步骤3：采用GBDT+LR模型，首先通过GBDT自动对步骤2中抽取的图像特征进行特征筛选和组合以生成新的离散特征向量，再将所述离散特征向量送入LR中，通过LR的线性组合得到最终用户心理地位；其中：
GBDT全称为Gradient Boosting Decision Tree，梯度提升决策树，而LR全称LogisticRegression，逻辑回归；使用GBDT+LR模型构建两个二分类器C1和C2；其中，分类器C1用于判断用户对自身根本价值的基本态度即我好或我不好，分类器C2用于判断用户对他人根本价值的基本态度即你好或你不好；利用收集的用户心理地位与社交软件头像数据对模型进行训练，使用五折交叉验证，为分类器C1和分类器C2选择最优参数；
步骤4：个性化干预，对心理地位为“我不好”或“你不好”的用户进行干预，针对不同心理地位的用户，采取不同的干预措施，或向相关人员预警；根据干预后用户的反馈选择继续干预或持续监测。
2.根据权利要求1所述的基于用户社交软件头像的心理健康检测及干预方法，其特征在于，步骤1收集的用户社交头像图像，是采用问卷调查形式获得的用户微信、QQ、微博、网易云、抖音及知乎七款社交软件的社交头像。
3.根据权利要求1所述的基于用户社交软件头像的心理健康检测及干预方法，其特征在于，所述心理地位为“我好，你好”、“我好，你不好”、“我不好，你好”及 “我不好，你不好”四种，需要干预的为“我好，你不好”、“我不好，你好”及“我不好，你不好”三种。
4.根据权利要求1所述的基于用户社交软件头像的心理健康检测及干预方法，其特征在于，所述的干预是指向不同心理地位用户推荐不同的语音条，课程，练习与文章；其中：
a) 语音条
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，语音条的内容为开导用户接纳自己的缺陷，遇到挫折坚定信念；
针对“我好、你不好”该种心理地位的用户，语音条的内容为劝说用户宽恕他人的过错，不要过多苛责他人，学会欣赏他人；
b) 课程推荐
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，推荐的课程为：《Knowyourself》；
针对“我好、你不好”该种心理地位的用户，推荐的课程为：《Headspace Guide toMeditation》系列课程；
c) 练习推荐
针对“我好、你不好”该种心理地位的用户，推荐练习：在一张纸上，每天记录身边的人的一个非常棒的点，无论它是多么的微小或是平常，只要让人感到欣喜和感叹，就把它记录下来；
d)文章推荐
针对“我不好、你好”和“我不好、你不好”两种心理地位的用户，推荐文章《怎样才算爱自己》和《接纳自己不是不求上进》。
CN202110474759.3A 2021-04-29 2021-04-29 一种基于用户社交软件头像的心理健康检测及干预方法 Active CN113205869B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110474759.3A CN113205869B (zh) 2021-04-29 2021-04-29 一种基于用户社交软件头像的心理健康检测及干预方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110474759.3A CN113205869B (zh) 2021-04-29 2021-04-29 一种基于用户社交软件头像的心理健康检测及干预方法

Publications (2)

Publication Number Publication Date
CN113205869A CN113205869A (zh) 2021-08-03
CN113205869B true CN113205869B (zh) 2022-10-04

Family

ID=77029361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110474759.3A Active CN113205869B (zh) 2021-04-29 2021-04-29 一种基于用户社交软件头像的心理健康检测及干预方法

Country Status (1)

Country Link
CN (1) CN113205869B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106901759A (zh) * 2017-03-15 2017-06-30 陈沁舒 基于虹膜检测技术构建中学生精神压力检测系统的方法
CN109192310A (zh) * 2018-07-25 2019-01-11 同济大学 一种基于大数据的大学生心理行为异动系统方案设计方法
CN109410080A (zh) * 2018-10-16 2019-03-01 合肥工业大学 一种基于层次注意力机制的社交图像推荐方法
CN110558997A (zh) * 2019-08-30 2019-12-13 深圳智慧林网络科技有限公司 基于机器人的陪护方法、机器人和计算机可读存储介质
CN111000571A (zh) * 2019-12-26 2020-04-14 上海市精神卫生中心（上海市心理咨询培训中心） 创伤后心理疾病的风险预测方法，相关设备及存储装置
CN111091538A (zh) * 2019-12-04 2020-05-01 上海君睿信息技术有限公司 一种管道焊缝自动识别、缺陷检测方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104346503A (zh) * 2013-07-23 2015-02-11 广州华久信息科技有限公司 一种基于人脸图像的情感健康监控方法及手机
CN108509041A (zh) * 2018-03-29 2018-09-07 百度在线网络技术（北京）有限公司 用于执行操作的方法和装置
CN109215763A (zh) * 2018-10-26 2019-01-15 广州华见智能科技有限公司 一种基于人脸图像的情感健康监控方法及系统
CN110309714A (zh) * 2019-05-22 2019-10-08 深圳壹账通智能科技有限公司 基于表情识别的心理健康评估方法、装置和存储介质
CN111839489B (zh) * 2020-05-26 2021-04-13 合肥工业大学 非接触式生理心理健康检测系统
CN112669936A (zh) * 2021-01-04 2021-04-16 上海海事大学 一种基于文本和图像社交网络抑郁检测方法
CN112687374B (zh) * 2021-01-12 2023-09-15 湖南师范大学 一种基于文本和图像信息联合计算的心理危机预警方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106901759A (zh) * 2017-03-15 2017-06-30 陈沁舒 基于虹膜检测技术构建中学生精神压力检测系统的方法
CN109192310A (zh) * 2018-07-25 2019-01-11 同济大学 一种基于大数据的大学生心理行为异动系统方案设计方法
CN109410080A (zh) * 2018-10-16 2019-03-01 合肥工业大学 一种基于层次注意力机制的社交图像推荐方法
CN110558997A (zh) * 2019-08-30 2019-12-13 深圳智慧林网络科技有限公司 基于机器人的陪护方法、机器人和计算机可读存储介质
CN111091538A (zh) * 2019-12-04 2020-05-01 上海君睿信息技术有限公司 一种管道焊缝自动识别、缺陷检测方法及装置
CN111000571A (zh) * 2019-12-26 2020-04-14 上海市精神卫生中心（上海市心理咨询培训中心） 创伤后心理疾病的风险预测方法，相关设备及存储装置

Also Published As

Publication number Publication date
CN113205869A (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
Black et al. Methods for analyzing and measuring group deliberation
Ambadar et al. Deciphering the enigmatic face: The importance of facial dynamics in interpreting subtle facial expressions
Abudarham et al. Reverse engineering the face space: Discovering the critical features for face identification
US10843078B2 (en) Affect usage within a gaming context
Farid et al. Perceptual discrimination of computer generated and photographic faces
US10108852B2 (en) Facial analysis to detect asymmetric expressions
US11073899B2 (en) Multidevice multimodal emotion services monitoring
US20150313530A1 (en) Mental state event definition generation
Sartori et al. Affective analysis of professional and amateur abstract paintings using statistical analysis and art theory
Raudonis et al. Evaluation of human emotion from eye motions
CN109919001A (zh) 基于情绪识别的客服监测方法、装置、设备和存储介质
US11430561B2 (en) Remote computing analysis for cognitive state data metrics
Macdonald et al. Visual jihad: Constructing the “good Muslim” in online jihadist magazines
Grabe et al. Image bite analysis of political visuals: Understanding the visual framing process in election news
de la Rosa et al. Visual categorization of social interactions
JP2020173787A (ja) 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム
Podder et al. An analysis of human engagement behaviour using descriptors from human feedback, eye tracking, and saliency modelling
CN113205869B (zh) 一种基于用户社交软件头像的心理健康检测及干预方法
Rooney et al. Shared or separate mechanisms for self-face and other-face processing? Evidence from adaptation
Lasén Self-(re) presentation in mobile communication practices
Gupta et al. Neuromarketing in predicting voting behavior: A case of National elections in India
Kim Assessing engagement levels in a non‐face‐to‐face learning environment through facial expression analysis
Spies et al. Women outperform men in distinguishing between authentic and nonauthentic smiles
WO2022024956A1 (ja) 感情解析システムおよび感情解析装置
Rao et al. Teacher assistance system to detect distracted students in online classroom environment

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