CN113918818A - 心理辅导内容推荐方法及装置 - Google Patents
心理辅导内容推荐方法及装置 Download PDFInfo
- Publication number
- CN113918818A CN113918818A CN202111228249.4A CN202111228249A CN113918818A CN 113918818 A CN113918818 A CN 113918818A CN 202111228249 A CN202111228249 A CN 202111228249A CN 113918818 A CN113918818 A CN 113918818A
- Authority
- CN
- China
- Prior art keywords
- target user
- psychological
- abnormal
- psychological state
- video segment
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 290
- 230000001815 facial effect Effects 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims description 49
- 230000008921 facial expression Effects 0.000 claims description 38
- 230000006996 mental state Effects 0.000 claims description 20
- 238000009223 counseling Methods 0.000 claims description 18
- 238000010195 expression analysis Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 210000004709 eyebrow Anatomy 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000001097 facial muscle Anatomy 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 241001417519 Priacanthidae Species 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010063659 Aversion Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例公开了一种心理辅导内容推荐方法及装置,属于智能教育领域。在本申请实施例中,通过采集目标用户学习时的多个视频段,并根据多个视频段中目标用户的面部图像来确定目标用户在学习时是否存在异常心理状态以及每种异常心理状态的存在时长,这样不仅能够及时发现目标用户在学习时出现的异常心理状态,还能够根据每种异常心理状态的存在时长确定目标用户出现的异常心理状态的严重程度,进而针对性的为目标用户推荐更适合该目标用户自身的心理辅导内容,提高了心理辅导效果。
Description
技术领域
本申请涉及智能教育领域,特别涉及一种心理辅导内容推荐方法及装置。
背景技术
随着经济的发展和社会的进步,人们的观念在不断更新,社会环境也变的日趋复杂,学生在面对这样复杂的社会环境又具有较大的学习压力时,就容易出现各种心理问题,如果不能及时发现并进行正确的心理辅导,会对学生的身心健康和学习成绩产生严重影响。基于此,亟需提出一种心理辅导内容推荐方法来为不同的学生推荐合适的心理辅导内容。
发明内容
本申请实施例提供了一种心里辅导内容推荐方法及装置,可以为存在异常心理状态的目标用户推荐适合该目标用户的心理辅导内容,所述技术方案如下:
一方面,提供了一种心理辅导内容推荐方法,所述方法包括:
获取在多个时间段中的每个时间段内采集到的目标用户学习时的视频段,每个视频段包含有所述目标用户的面部图像;
根据所述多个视频段包括的面部图像确定所述目标用户在学习时出现的至少一种心理状态;
如果所述至少一种心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段的存在时长;
根据每种异常心理状态在每个视频段的存在时长向所述目标用户推荐心理辅导内容。
可选地,所述根据所述多个视频段包括的面部图像确定所述目标用户在学习时出现的至少一种心理状态,包括:
通过面部表情分析模型,对每个视频段中包括的目标用户的多个面部图像中的面部表情进行识别;
根据识别得到的每个视频段中每个面部图像中的面部表情,确定每个视频段中每个面部图像对应的心理状态;
将每个视频段中每个面部图像对应的心理状态作为所述目标用户在学习时出现的至少一种心理状态。
可选地,所述获取每种异常心理状态在每个视频段的存在时长,包括:
根据每个视频段中第一异常心理状态对应的面部图像,确定所述第一异常心理状态在相应视频段内的存在时长,所述第一异常心理状态为所述至少一种异常心理状态中的任一种。
可选地,所述根据每种异常心理状态在每个视频段的存在时长向所述目标用户推荐心理辅导内容,包括:
获取每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长;
根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定所述目标用户的每种异常心理状态的波动值;
如果确定的波动值中存在大于第一阈值的波动值,则根据确定的波动值向所述目标用户推荐心理辅导内容。
可选地,所述根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定所述目标用户的每种异常心理状态的波动值,包括:
根据第一异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,通过下述公式确定所述目标用户的第一异常心理状态的波动值,所述第一异常心理状态为所述至少一种异常心理状态中的任一种;
其中,所述n为在所述多个时间段采集到的所述目标用户学习时的视频段的数量,i表示n个视频段中的第i个视频段,所述xi为所述第一异常心理状态在所述第i个视频段中的存在时长,所述μi为所述第一异常心理状态在所述第i个视频段对应的时间段内的平均存在时长。
可选地,所述根据确定的波动值向所述目标用户推荐心理辅导内容,包括:
从确定的波动值中获取最大波动值;
如果所述最大波动值小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的游戏类辅导内容;
如果所述最大波动值小于第三阈值,且不小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的在线课程辅导内容;
如果所述最大波动阈值不小于第三阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的心理咨询服务信息。
可选地,所述根据确定的波动值向所述目标用户推荐心理辅导内容,包括:
根据确定的波动值,确定推荐内容类型;
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵;
根据确定的波动值,确定所述目标用户的异常心理状态的状态波动矩阵,所述状态波动矩阵为[β1,β2,…,βm]T,其中,所述i为不小于1且不大于m的整数,所述m为所述目标用户出现的异常心理状态的种类数量,所述Gi为所述目标用户的第i种异常心理状态的波动值;
根据每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵和所述目标用户的异常心理状态的状态波动矩阵,确定每种子类型的心理辅导内容对应的推荐度;
根据每种子类型的心理辅导内容对应的推荐度向所述目标用户推荐心理辅导内容。
可选地,所述获取所述推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵,包括:
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分;
根据每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分,确定相应子类型的心理辅导内容对多种异常心理状态的治愈率矩阵。
可选地,所述推荐内容类型为游戏类、在线课程类和心理咨询服务类中的一种。
另一方面,提供了一种心理辅导内容推荐装置,所述装置包括处理器,所述处理器用于:
获取在多个时间段中的每个时间段内采集到的目标用户学习时的视频段,每个视频段包含有所述目标用户的面部图像;
根据所述多个视频段包括的面部图像确定所述目标用户在学习时出现的至少一种心理状态;
如果所述至少一种心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段的存在时长;
根据每种异常心理状态在每个视频段的存在时长向所述目标用户推荐心理辅导内容。
可选地,所述处理器用于:
通过面部表情分析模型,对每个视频段中包括的目标用户的多个面部图像中的面部表情进行识别;
根据识别得到的每个视频段中每个面部图像中的面部表情,确定每个视频段中每个面部图像对应的心理状态;
将每个视频段中每个面部图像对应的心理状态作为所述目标用户在学习时出现的至少一种心理状态。
可选地,所述处理器用于:
根据每个视频段中第一异常心理状态对应的面部图像,确定所述第一异常心理状态在相应视频段内的存在时长,所述第一异常心理状态为所述至少一种异常心理状态中的任一种。
可选地,所述处理器用于:
获取每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长;
根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定所述目标用户的每种异常心理状态的波动值;
如果确定的波动值中存在大于第一阈值的波动值,则根据确定的波动值向所述目标用户推荐心理辅导内容。
可选地,所述处理器用于:
根据第一异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,通过下述公式确定所述目标用户的第一异常心理状态的波动值,所述第一异常心理状态为所述至少一种异常心理状态中的任一种;
其中,所述n为在所述多个时间段采集到的所述目标用户学习时的视频段的数量,i表示n个视频段中的第i个视频段,所述xi为所述第一异常心理状态在所述第i个视频段中的存在时长,所述μi为所述第一异常心理状态在所述第i个视频段对应的时间段内的平均存在时长。
可选地,所述处理器用于:
从确定的波动值中获取最大波动值;
如果所述最大波动值小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的游戏类辅导内容;
如果所述最大波动值小于第三阈值,且不小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的在线课程辅导内容;
如果所述最大波动阈值不小于第三阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的心理咨询服务信息。
可选地,所述处理器用于:
根据确定的波动值,确定推荐内容类型;
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵;
根据确定的波动值,确定所述目标用户的异常心理状态的状态波动矩阵,所述状态波动矩阵为[β1,β2,…,βm]T,其中,所述i为不小于1且不大于m的整数,所述m为所述目标用户出现的异常心理状态的种类数量,所述Gi为所述目标用户的第i种异常心理状态的波动值;
根据每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵和所述目标用户的异常心理状态的状态波动矩阵,确定每种子类型的心理辅导内容对应的推荐度;
根据每种子类型的心理辅导内容对应的推荐度向所述目标用户推荐心理辅导内容。
可选地,所述处理器用于:
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分;
根据每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分,确定相应子类型的心理辅导内容对多种异常心理状态的治愈率矩阵。
可选地,所述推荐内容类型为游戏类、在线课程类和心理咨询服务类中的一种。
另一方面,提供了一种心理辅导内容推荐装置,所述装置包括:
第一获取模块,用于获取在多个时间段中的每个时间段内采集到的目标用户学习时的视频段,每个视频段包含有所述目标用户的面部图像;
确定模块,用于根据所述多个视频段包括的面部图像确定所述目标用户在学习时出现的至少一种心理状态;
第二获取模块,用于如果所述至少一种心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段的存在时长;
推荐模块,用于根据每种异常心理状态在每个视频段的存在时长向所述目标用户推荐心理辅导内容。
可选地,所述确定模块主要用于:
通过面部表情分析模型,对每个视频段中包括的目标用户的多个面部图像中的面部表情进行识别;
根据识别得到的每个视频段中每个面部图像中的面部表情,确定每个视频段中每个面部图像对应的心理状态;
将每个视频段中每个面部图像对应的心理状态作为所述目标用户在学习时出现的至少一种心理状态。
可选地,所述第二获取模块主要用于:
根据每个视频段中第一异常心理状态对应的面部图像,确定所述第一异常心理状态在相应视频段内的存在时长,所述第一异常心理状态为所述至少一种异常心理状态中的任一种。
可选地,所述推荐模块主要用于:
获取每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长;
根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定所述目标用户的每种异常心理状态的波动值;
如果确定的波动值中存在大于第一阈值的波动值,则根据确定的波动值向所述目标用户推荐心理辅导内容。
可选地,所述推荐模块具体用于:
根据第一异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,通过下述公式确定所述目标用户的第一异常心理状态的波动值,所述第一异常心理状态为所述至少一种异常心理状态中的任一种;
其中,所述n为在所述多个时间段采集到的所述目标用户学习时的视频段的数量,i表示n个视频段中的第i个视频段,所述xi为所述第一异常心理状态在所述第i个视频段中的存在时长,所述μi为所述第一异常心理状态在所述第i个视频段对应的时间段内的平均存在时长。
可选地,所述推荐模块具体用于:
从确定的波动值中获取最大波动值;
如果所述最大波动值小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的游戏类辅导内容;
如果所述最大波动值小于第三阈值,且不小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的在线课程辅导内容;
如果所述最大波动阈值不小于第三阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的心理咨询服务信息。
可选地,所述推荐模块具体用于:
根据确定的波动值,确定推荐内容类型;
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵;
根据确定的波动值,确定所述目标用户的异常心理状态的状态波动矩阵,所述状态波动矩阵为[β1,β2,…,βm]T,其中,所述i为不小于1且不大于m的整数,所述m为所述目标用户出现的异常心理状态的种类数量,所述Gi为所述目标用户的第i种异常心理状态的波动值;
根据每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵和所述目标用户的异常心理状态的状态波动矩阵,确定每种子类型的心理辅导内容对应的推荐度;
根据每种子类型的心理辅导内容对应的推荐度向所述目标用户推荐心理辅导内容。
可选地,所述推荐模块具体用于:
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分;
根据每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分,确定相应子类型的心理辅导内容对多种异常心理状态的治愈率矩阵。
可选地,所述推荐内容类型为游戏类、在线课程类和心理咨询服务类中的一种。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被计算机执行时实现上述所述心理辅导内容推荐方法的步骤。
另一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述的心理辅导内容推荐方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
在本申请实施例中,通过采集目标用户学习时的多个视频段,并根据多个视频段中目标用户的面部图像来确定目标用户在学习时是否存在异常心理状态以及每种异常心理状态的存在时长,这样不仅能够及时发现目标用户在学习时出现的异常心理状态,还能够根据每种异常心理状态的存在时长确定目标用户出现的异常心理状态的严重程度,进而针对性的为目标用户推荐更适合该目标用户自身的心理辅导内容,提高了心理辅导效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种心理辅导内容推荐方法所涉及的系统架构图;
图2是本申请实施例提供的一种心理辅导内容推荐方法的流程图;
图3是本申请实施例提供的一种面部表情与心理状态的映射关系的示意图;
图4是本申请实施例提供的一种多个视频段中目标用户的第一异常心理状态的存在时长的统计图;
图5是本申请实施例提供的一种多个用户在对应时间段的第一异常心理状态的平均存在时长的统计图;
图6是本申请实施例提供的一种心理辅导内容推荐装置的结构示意图;
图7是本申请实施例提供的一种用于心理辅导内容推荐的服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细的解释说明之前,先对本申请实施例涉及的应用场景予以说明。
本申请实施例提供的心理辅导内容推荐方法可以用于测试目标用户在家庭或学校场景下学习时是否存在异常心理状态,如果存在,则为该目标用户推荐相应的心理辅导内容。例如,在完成家庭作业场景中,可以通过图像采集设备采集目标用户学习时的多个视频段,并将采集到的多个视频段发送给服务器,相应地,服务器接收目标用户学习时的多个视频段,并采用本申请实施例的方法根据多个视频段中目标用户学习时的面部表情来确定目标用户是否存在异常心理状态以及每种异常心理状态的存在时长,之后,根据每种异常心理状态的存在时长为目标用户推荐相应的心理辅导内容。
需要说明的是,上述仅是本申请实施例给出的一些示例性的应用场景,并不构成对本申请实施例提供的心理辅导内容推荐方法的应用场景的限定。
图1是本申请实施例提供的一种心理辅导内容推荐方法所涉及的系统架构图。如图1所示,该系统包括服务器101和图像采集设备102,其中,图像采集设备102可以部署在用户的学习场所中以采集用户学习时的面部图像,例如,图像采集设备102可以部署在用户的住所、用户所在的教室里或其它可以供用户进行学习的场所中。而且,图像采集设备102和服务器101通过有线网络或无限网络连接。
图像采集设备102采集用户学习时的多个视频段,并将采集到的多个视频段发送给服务器101,相应地,服务器101接收图像采集设备102采集的多个视频段,并采用本申请实施例的方法根据多个视频段中用户学习时的面部表情来确定用户是否存在异常心理状态,如果存在,则根据每种异常心理状态的存在时长为该用户推荐相应的心理辅导内容。
其中,服务器101可以为一台服务器,也可以为由若干台服务器组成的服务器集群,或者是一个云计算服务中心;图像采集设备102可以为人脸摄像机、智能摄像机和普通摄像机等具有图像采集功能的设备,或者,图像采集设备102也可以为用于学习的配置有摄像头或摄像组件的智能设备,如平板电脑、智能手机等。
接下来对本申请实施例提供的心理辅导内容推荐方法进行介绍。
图2是本申请实施例提供的一种心理辅导内容推荐方法的流程图,该方法可以应用于图1所示的服务器中。如图2所示,该方法包括以下步骤:
步骤201:获取在多个时间段中的每个时间段内采集到的目标用户学习时的视频段,每个视频段包含有目标用户的面部图像。
在本申请实施例中,可以将图像采集设备部署在目标用户的学习场所中,并在目标用户学习的多个时间段针对目标用户的面部采集视频图像,得到目标用户学习时的多个视频段,并将得到的多个视频段发送给服务器,相应地,服务器接收图像采集设备采集的目标用户学习时的多个视频段。其中,每个视频段中均包含有目标用户的面部图像。
其中,目标用户的学习场所可以为目标用户的住所,目标用户所在的教室、图书馆或其它可以供目标用户进行学习的场所。例如,当目标用户的学习场所为目标用户的住所时,可以在目标用户学习时,将图像采集设备部署在目标用户的书桌上来采集目标用户学习时的视频图像。
其中,在采集目标用户学习时的视频图像时,可以由目标用户或者是目标用户的关联用户在图像采集设备上设置自习时间段,相应地,图像采集设备可以根据该自习时间段来采集目标用户的视频图像,例如,可以在图像采集设备上设置自习时间段为9:00至10:00。或者,也可以由目标用户或目标用户的关联用户在图像采集设备上设置自习时长,并触发开始图像采集,图像采集设备可以根据该自习时长来采集目标用户的视频图像。例如,将采集时长设置为10分钟,也可以设置为30分钟。另外,每次设置的采集时长可以相同,也可以不同,本申请实施例对此不做限定。
步骤202:根据多个视频段包括的面部图像确定目标用户在学习时出现的至少一种心理状态。
服务器可以通过面部表情分析模型,对每个视频段中包括的目标用户的多个面部图像中的面部表情进行识别,根据识别得到的每个视频段中每个面部图像中的面部表情,确定每个视频段中每个面部图像对应的心理状态;将每个视频段中每个面部图像对应的心理状态作为目标用户在学习时出现的至少一种心理状态。
其中,服务器可以将接收到的目标用户的多个视频段中的每个视频段中包括的目标用户的面部图像依次输入面部表情分析模型,面部表情分析模型检测并提取每个面部图像中目标用户面部的肌肉特征,并根据目标用户面部的肌肉特征对所有面部图像中的面部表情依次进行识别,从而输出每一个面部图像对应的目标用户的面部表情。
在本申请实施例中,不同的面部肌肉特征对应不同的面部表情,如下表1所示,例如,当面部表情分析模型检测到一帧视频图像中目标用户面部图像中的肌肉特征为眼睛周围肌肉收紧,颚骨突出,嘴角向上拉起时,则输出该面部图像对应的目标用户的面部表情为喜悦。
表1不同的面部肌肉特征对应的目标用户的面部表情
面部肌肉特征 | 面部表情 |
眼睛周围肌肉收紧,颚骨突出,嘴角向上拉起 | 喜悦 |
眼睛瞪大,眉毛扬起,嘴巴张开 | 惊讶 |
眼睛睁大,眉头紧锁,嘴巴紧闭 | 愤怒 |
眼周肌肉舒展,眉头舒展,嘴巴紧闭 | 冷漠 |
眉头微皱,嘴紧闭嘴角下拉 | 厌恶 |
眼睛瞪大,鼻孔张大,嘴唇紧闭 | 恐惧 |
眉毛突起,嘴角下陷 | 悲伤 |
其中,服务器在得到每个视频段中每个面部图像中的面部表情之后,可以从面部表情与心理状态的映射关系中得到每个视频段中每个面部图像对应的心理状态,并将得到的心理状态作为目标用户在学习时出现的至少一种心理状态。
示例性的,参考图3,服务器可以从图3所示的面部表情与心理状态的映射关系中得到目标用户的每个视频段中的每个面部图像对应的心理状态。例如,当服务器通过面部表情分析模型得到目标用户的面部图像中面部表情为喜悦或惊讶时,则该面部图像对应的目标用户的心理状态为认真学习,当服务器通过面部表情分析模型得到目标用户的面部图像中面部表情为恐惧时,则该面部图像对应的目标用户的心理状态为抗拒学习。
需要说明的是,服务器根据面部表情与心理状态的对应关系依次从多个视频段中确定出每个视频段中的所有面部图像对应的心理状态之后,对得到的心理状态中存在的相同的心理状态进行去重,将去重之后的心理状态作为该目标用户在学习时出现的心理状态。
示例性的,服务器在获取到多个视频段中的第一个视频段中的第一帧面部图像对应的心理状态之后,将该心理状态储存于该目标用户的心理状态库中,对于除第一个视频段中第一帧面部图像之外的面部图像,例如,第一个视频段中的第二帧面部图像或第二个视频段中的第一帧面部图像,服务器在确定出该面部图像对应的心理状态之后,先从该目标用户的心理状态库中查找该心理状态是否存在,如果存在,则不对该心理状态进行储存,并继续确定下一帧面部图像对应的心理状态,如果不存在,则将该心理状态储存于目标用户的心理状态库中,并对该目标用户的心理状态库进行更新,之后再确定下一帧面部图像对应的心理状态,重复上述步骤至确定完目标用户的多个视频段中的最后一帧面部图像对应的心理状态之后,将最后一次更新后的心理状态库中包括的心理状态作为目标用户在学习时出现的心理状态。
步骤203:如果至少一种心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段的存在时长。
服务器在采用上述方法得到目标用户的心理状态之后,判断该目标用户的心理状态中是否存在异常心理状态,如果该目标用户的心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段中的存在时长。
其中,异常心理状态可以为注意力不集中,心理压力大,抗拒学习或其它异常心理状态,本申请实施例对此不做限定。
示例性的,以目标用户存在的至少一种异常心理状态中的任一种为例,为了方便说明,将其称为第一异常心理状态,服务器根据每个视频段中第一异常心理状态对应的面部图像,确定第一异常心理状态在相应视频段内的存在时长。
例如,对于任一个视频段,服务器可以根据该视频段内对应的心理状态为第一异常心理状态的面部图像的采集时间确定该第一异常心理状态在该视频段中出现的时间段,将该第一异常心理状态在该视频段中出现的所有时间段的时长之和作为该第一异常心理状态在该视频段内的存在时长。
步骤204:根据每种异常心理状态在每个视频段中的存在时长向目标用户推荐心理辅导内容。
在得到目标用户在学习时出现的每种异常心理状态在每个视频段中的存在时长之后,服务器获取每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长;根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定目标用户的每种异常心理状态的波动值;如果确定的波动值中存在大于第一阈值的波动值,则根据确定的波动值向目标用户推荐心理辅导内容。
示例性的,为方便说明,将目标用户的多个视频段中的任意一个视频段称为第一视频段,将该第一视频段对应的时间段称为第一时间段。服务器在接收到在第一时间段内采集的目标用户学习时的第一视频段之后,还可以接收在第一时间段内采集的其他的多个用户学习时的多个视频段,并从该多个用户学习时的多个视频段中获取每个用户的每种异常心理状态的存在时长。之后,计算多个用户的每种异常心理状态存在时长的平均值,得到多个用户的每种异常心理状态在第一时间段内的平均存在时长。其中,从该多个用户学习时的视频段中获取每个用户的每种异常心理状态的存在时长的方式可以参考获取目标用户每种异常心理状态的存在时长的方式,本申请实施例在此不再赘述。
需要说明的是,目标用户与多个用户可以为同一年级的学生,并且在获取某个时间段内目标用户学习时的视频段和多个用户在该时间段内学习时的视频段时,多个用户学习时的学习内容的难易程度和目标用户学习时的学习内容的难易程度相近。
例如,参考图4和图5,图4是目标用户在10个视频段中的每个视频段中第一异常心理状态的存在时长,分别为20、25、23、26、33、30、26、31、32和26分钟,图5是20个用户在对应的10个时间段中的每个时间段的第一异常心理状态的平均存在时长,分别为21、23、20、21、18、20、19、24、24和23分钟。
在得到目标用户在学习时出现的每种异常心理状态在每个视频段中的存在时长和每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长之后,对于任一种异常心理状态,服务器可以通过下述公式(1)计算目标用户的该种异常心理状态在每个视频段中的存在时长和每个视频段对应的时间段内多个用户学习时该种异常心理状态的平均存在时长的标准差,并将计算出的标准差作为该种异常心理状态的波动值。
其中,n为在多个时间段采集到的目标用户学习时的视频段的数量,i表示n个视频段中的第i个视频段,xi表示第一异常心理状态在第i个视频段中的存在时长,μi为第一异常心理状态在第i个视频段对应时间段内的平均存在时长,其中,第一异常心理状态为至少一种异常心理状态中的任一种。
可选地,服务器也可以根据目标用户的每种异常心理状态在每个视频段中的存在时长和在每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长,计算出能够表示目标用户异常心理状态严重程度的其它指标值,并将计算出的指标值作为对应的异常心理状态的波动值,本申请实施例对此不做限定。
可选地,服务器在确定目标用户的每种异常心理状态的波动值之前,还可以先判断目标用户的每种异常心理状态是否满足波动值的计算条件,对于满足条件的异常心理状态,服务器可以参考上述方式计算该异常心理状态的波动值,对于不满足条件的异常心理状态,则不进行波动值的计算。
示例性的,以第一异常心理状态为例,服务器在得到目标用户出现的第一异常心理状态在多个视频段中的存在时长和第一异常心理状态在相应视频段对应的时间段内的平均存在时长之后,首先计算目标用户在多个视频段中出现的第一异常心理状态的存在时长的平均值,得到第一平均时长,计算多个视频段对应的时间段内第一异常心理状态的平均存在时长的平均值,得到第二平均时长,当第一平均时长大于第二平均时长时,则参考上述方式确定目标用户的第一异常心理状态的波动值,当第一平均时长不大于第二平均时长时,则不满足波动值的计算条件,不计算目标用户第一异常心理状态的波动值。
例如,计算目标用户在图4所统计的10个视频段中出现的第一异常心理状态的存在时长的平均值,得到第一平均时长为27.5分钟,计算在图5所统计的20个用户在对应的时间段中出现第一异常心理状态的平均存在时长的平均值,得到第二平均时长为21.3分钟,第一平均时长27.5大于第二平均时长21.3,此时,服务器可以参考上述方式计算目标用户的第一异常心理状态的波动值,本申请实施例在此不再赘述。
在得到目标用户的每种异常心理状态的波动值之后,服务器将得到的目标用户的各异常心理状态的波动值依次与第一阈值进行比较,如果目标用户的异常心理波动值中存在大于第一阈值的波动值,则可以采用下述两种不同的实现方式向目标用户推荐心理辅导内容。
在第一种实现方式中,服务器首先从确定的波动值中获取最大波动值;如果最大波动值小于第二阈值,则向目标用户推荐最大波动值对应的异常心理状态所对应的游戏类辅导内容;如果最大波动值小于第三阈值,且不小于第二阈值,则向目标用户推荐最大波动值对应的异常心理状态所对应的在线课程辅导内容;如果最大波动值不小于第三阈值,则向目标用户推荐最大波动值对应的异常心理状态所对应的心理咨询服务信息。
例如,服务器通过上述步骤获得了目标用户注意力不集中,心理压力大和抗拒学习这三种异常心理状态的波动值,则将这三种异常心理状态的波动值进行比较,得到最大波动值,之后,将最大波动值先与第二阈值进行比较,如果最大波动值小于第二阈值,则向目标用户推荐最大波动值对应的异常心理状态所对应的游戏类辅导内容,如果最大波动值不小于第二波动值时,再将最大波动值与第三阈值进行比较,并根据比较结果向目标用户推荐相应的心理辅导内容。例如,通过上述步骤获得了目标用户学习时存在注意力不集中这种异常心理状态的波动值为7.8,存在心理压力大这种异常心理状态的波动值为8.3,存在抗拒学习这种异常心理状态的波动值为2.2时,则目标用户的最大波动值为心理压力大对应的波动值。假设第二阈值为6.5,第三阈值为9.4,则该最大波动值小于第三阈值,且不小于第二阈值,这时,服务器向目标用户推荐心理压力大这一异常心理状态对应的在线课程辅导内容。
可选地,在第二种实现方式中,服务器根据确定的波动值,确定推荐内容类型;获取推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵;根据确定的波动值,确定目标用户的异常心理状态的状态波动矩阵;根据每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵和目标用户的异常心理状态的状态波动矩阵,确定每种子类型的心理辅导内容对应的推荐度;根据每种子类型的心理辅导内容对应的推荐度向目标用户推荐心理辅导内容。
其中,推荐内容类型为游戏类、在线课程类和心理咨询服务类中的一种。
在该种实现方式中,服务器首先从确定的波动值中获取最大波动值,如果最大波动值小于第二阈值,则确定推荐内容类型为游戏类;如果最大波动值小于第三阈值,且不小于第二阈值,则确定推荐内容类型为在线课程类;如果最大波动值不小于第三阈值,则确定推荐内容类型为心理咨询服务类。
服务器根据确定的波动值,确定推荐内容类型之后,获取推荐内容类型包括的每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分;根据每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分,确定相应子类型的心理辅导内容对多种异常心理状态的治愈率矩阵。
其中,如果服务器确定的推荐内容类型为游戏类的辅导内容,则该推荐内容类型包括的每种子类型的心理辅导内容为一个包含有特定类型的游戏的游戏集合或者一个具体游戏;如果服务器确定的推荐内容类型为在线课程类的辅导内容,则该推荐内容类型包括的每种子类型的心理辅导内容为一个包含有特定类型的课程内容的在线课程集合或者一节具体的在线课程;如果服务器确定的推荐内容类型为心理咨询服务类的辅导内容,则该推荐内容类型包括的每种子类型的心理辅导内容为一个包含有特定类型的心理咨询服务内容的咨询服务集合或者一个具体的心理咨询服务。
在此基础上,服务器在确定出推荐内容类型之后,可以获取多个历史用户提交的该推荐内容类型包括的每种子类型的辅导内容对各个历史用户存在的各种异常心理状态的治愈评分,并根据获取到的治愈评分,计算每种子类型的辅导内容对每种异常心理状态的治愈平均分。之后,对于任一种子类型的辅导内容,根据该种子类型的辅导内容对每种异常心理状态的治愈平均分,计算该种子类型的辅导内容对相应异常心理状态的治愈率,之后,根据该种子类型的辅导内容对每种异常心理状态的治愈率,确定该种子类型的辅导内容对多种异常心理状态的治愈率矩阵。
以确定的推荐内容类型为游戏类辅导内容为例,示例性的,游戏类辅导内容包含的子类型的心理辅导内容有A类游戏、B类游戏和C类游戏,当通过上述步骤确定出的目标用户的异常心理状态为第一异常心理状态、第二异常心理状态和第三异常心理状态时,服务器首先获取多个历史用户中的每个历史用户提交的A类游戏对自己存在的第一心理状态的治愈评分,并求A类游戏对多个历史用户的第一异常心理状态的治愈评分的平均分计算平均分与预设的A类游戏的治愈参考分之间的比值,从而得到A类游戏对第一异常心理状态的治愈率重复上述步骤还可以得到A类游戏对多个历史用户存的第二异常心理状态的治愈率和对评分的平均分和对多个历史用户存的第三异常心理状态的治愈率即可获得A类游戏对于第一异常心理状态、第二异常心理状态、第三异常心理状态这三种异常心理状态的治愈率矩阵采用上述方式还可以得到B类游戏和C类游戏对于上述三种异常心理状态的治愈率矩阵,分别为和
当服务器确定的推荐内容类型为在线课程类或心理咨询服务类时,相应地每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵的获取方式可以参考上述方式,本申请实施例在此不再赘述。
服务器还可以根据目标用户的每种异常心理状态的波动值,确定目标用户的异常心理状态的状态波动矩阵。
示例性的,服务器通过前述方式获得了目标用户存在的异常心理状态的波动值分别为G1,G2…Gm,则服务器可以根据确定的异常心理状态的波动值,确定得到状态波动矩阵D=[β1,β2,…,βm]T,其中,状态波动矩阵中的矩阵元素βi可以采用下述公式(2)计算得到:
其中,i=1,2,…,m。
服务器在得到目标用户的异常心理状态的状态波动矩阵之后,将确定的子类型的心理辅导内容对多种异常心理状态的治愈率矩阵与目标用户存在的异常心理状态的状态波动矩阵相乘,得到每种子类型的心理辅导内容对应的推荐度,之后,将推荐度最大的子类型的心理辅导内容推荐给目标用户。
示例性的,服务器将基于目标用户的三种异常心理状态的波动值得到的目标用户的异常心理状态的状态波动矩阵D分别与治愈率矩阵θA,θB,θC相乘,得到A类游戏的推荐度NA,B类游戏的推荐度NB和C类游戏的推荐度Nc,之后,比较推荐度NA,NB,Nc的大小,当NA最大时,则向目标用户推荐A类游戏。
可选地,服务器在向目标用户推荐心理辅导内容之前,还可以先统计对各种心理辅导内容提交过治愈评分的历史用户的数量,当历史用户的数量小于第四阈值时,则根据上述的第一种实现方式向目标用户推心理辅导内容,当历史用户数量不小于第四阈值时,则采用上述的第二种实现方式向目标用户推荐心理辅导内容,这样可以为目标用户推荐出更适合该目标用户的心理辅导内容。当然,当历史用户数量不小于第四阈值时,也可以采用上述第一种实现方式向目标用户推荐心理辅导内容。
在本申请实施例中,通过采集目标用户学习时的多个视频段,并根据多个视频段中目标用户的面部图像来确定目标用户在学习时是否存在异常心理状态以及每种异常心理状态的存在时长,这样不仅能够及时发现目标用户在学习时出现的异常心理状态,还能够根据每种异常心理状态的存在时长确定目标用户出现的异常心理状态的严重程度,进而针对性的为目标用户推荐更适合该目标用户自身的心理辅导内容,提高了心理辅导效果。
接下来,对本申请实施例提供的心理辅导内容推荐装置进行介绍。
参见图6,本申请实施例提供了一种心理辅导内容推荐装置600,装置600包括:
第一获取模块601,用于获取在多个时间段中的每个时间段内采集到的目标用户学习时的视频段,每个视频段包含有目标用户的面部图像;
确定模块602,用于根据多个视频段包括的面部图像确定目标用户在学习时出现的至少一种心理状态;
第二获取模块603,用于如果至少一种心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段的存在时长;
推荐模块604,用于根据每种异常心理状态在每个视频段的存在时长向目标用户推荐心理辅导内容。
可选地,确定模块602主要用于:
通过面部表情分析模型,对每个视频段中包括的目标用户的多个面部图像中的面部表情进行识别;
根据识别得到的每个视频段中每个面部图像中的面部表情,确定每个视频段中每个面部图像对应的心理状态;
将每个视频段中每个面部图像对应的心理状态作为目标用户在学习时出现的至少一种心理状态。
可选地,第二获取模块603主要用于:
根据每个视频段中第一异常心理状态对应的面部图像,确定第一异常心理状态在相应视频段内的存在时长,第一异常心理状态为至少一种异常心理状态中的任一种。
可选地,推荐模块604主要用于:
获取每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长;
根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定目标用户的每种异常心理状态的波动值;
如果确定的波动值中存在大于第一阈值的波动值,则根据确定的波动值向目标用户推荐心理辅导内容。
可选地,推荐模块604具体用于:
根据第一异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,通过下述公式确定目标用户的第一异常心理状态的波动值,第一异常心理状态为至少一种异常心理状态中的任一种;
其中,n为在多个时间段采集到的目标用户学习时的视频段的数量,i表示n个视频段中的第i个视频段,xi为第一异常心理状态在第i个视频段中的存在时长,μi为第一异常心理状态在第i个视频段对应的时间段内的平均存在时长。
可选地,推荐模块604具体用于:
从确定的波动值中获取最大波动值;
如果最大波动值小于第二阈值,则向目标用户推荐最大波动值对应的异常心理状态所对应的游戏类辅导内容;
如果最大波动值小于第三阈值,且不小于第二阈值,则向目标用户推荐最大波动值对应的异常心理状态所对应的在线课程辅导内容;
如果最大波动阈值不小于第三阈值,则向目标用户推荐最大波动值对应的异常心理状态所对应的心理咨询服务信息。
可选地,推荐模块604具体用于:
根据确定的波动值,确定推荐内容类型;
获取推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵;
根据确定的波动值,确定目标用户的异常心理状态的状态波动矩阵,状态波动矩阵为[β1,β2,…,βm]T,其中,i为不小于1且不大于m的整数,m为目标用户出现的异常心理状态的种类数量,Gi为目标用户的第i种异常心理状态的波动值;
根据每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵和目标用户的异常心理状态的状态波动矩阵,确定每种子类型的心理辅导内容对应的推荐度;
根据每种子类型的心理辅导内容对应的推荐度向目标用户推荐心理辅导内容。
可选地,推荐模块604具体用于:
获取推荐内容类型包括的每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分;
根据每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分,确定相应子类型的心理辅导内容对多种异常心理状态的治愈率矩阵。
可选地,推荐内容类型为游戏类、在线课程类和心理咨询服务类中的一种。
综上所述,在本申请实施例中,通过采集目标用户学习时的多个视频段,并根据多个视频段中目标用户的面部图像来确定目标用户在学习时是否存在异常心理状态以及每种异常心理状态的存在时长,这样不仅能够及时发现目标用户在学习时出现的异常心理状态,还能够根据每种异常心理状态的存在时长确定目标用户出现的异常心理状态的严重程度,进而针对性的为目标用户推荐更适合该目标用户自身的心理辅导内容,提高了心理辅导效果。
需要说明的是,上述实施例提供的心理辅导内容推荐装置在向目标用户推荐心理辅导内容时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的心理辅导内容推荐装置与心理辅导内容推荐方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是根据一示例性实施例示出的一种的服务器结构示意图。上述实施例中的心理辅导内容推荐的功能即可以通过图7中所示的服务器来实现。该服务器可以是后台服务器集群中的服务器。具体来讲:
服务器700包括中央处理单元(Central Processing Unit,CPU)701、包括随机存取存储器(Random Access Memory,RAM)702和只读存储器(Read-Only Memory,ROM)703的系统存储器704,以及连接系统存储器704和中央处理单元701的系统总线705。服务器700还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(Input/Output,I/O系统)706,和用于存储操作系统713、应用程序714和其他程序模块715的大容量存储设备707。
基本输入/输出系统706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备709。其中显示器708和输入设备709都通过连接到系统总线705的输入输出控制器710连接到中央处理单元701。基本输入/输出系统706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器710还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备707通过连接到系统总线705的大容量存储控制器(未示出)连接到中央处理单元701。大容量存储设备707及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说,大容量存储设备707可以包括诸如硬盘或者CD-ROM(CompactDisc Read-Only Memory,紧凑型光盘只读储存器)驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory,带电可擦可编程只读存储器)、闪存或其他固态存储设备,CD-ROM、DVD(Digital Versatile Disc,数字通用光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器704和大容量存储设备707可以统称为存储器。
根据本申请的各种实施例,服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在系统总线705上的网络接口单元711连接到网络712,或者说,也可以使用网络接口单元711来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的心理辅导内容推荐方法的指令。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。所述计算机指令可以存储在上述计算机可读存储介质中。
也即是,在一些实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的心理辅导内容推荐方法。
以上所述并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请实施例的保护范围之内。
Claims (10)
1.一种心理辅导内容推荐方法,其特征在于,所述方法包括:
获取在多个时间段中的每个时间段内采集到的目标用户学习时的视频段,每个视频段包含有所述目标用户的面部图像;
根据所述多个视频段包括的面部图像确定所述目标用户在学习时出现的至少一种心理状态;
如果所述至少一种心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段的存在时长;
根据每种异常心理状态在每个视频段的存在时长向所述目标用户推荐心理辅导内容。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个视频段包括的面部图像确定所述目标用户在学习时出现的至少一种心理状态,包括:
通过面部表情分析模型,对每个视频段中包括的目标用户的多个面部图像中的面部表情进行识别;
根据识别得到的每个视频段中每个面部图像中的面部表情,确定每个视频段中每个面部图像对应的心理状态;
将每个视频段中每个面部图像对应的心理状态作为所述目标用户在学习时出现的至少一种心理状态。
3.根据权利要求2所述的方法,其特征在于,所述获取每种异常心理状态在每个视频段的存在时长,包括:
根据每个视频段中第一异常心理状态对应的面部图像,确定所述第一异常心理状态在相应视频段内的存在时长,所述第一异常心理状态为所述至少一种异常心理状态中的任一种。
4.根据权利要求1所述的方法,其特征在于,所述根据每种异常心理状态在每个视频段的存在时长向所述目标用户推荐心理辅导内容,包括:
获取每个视频段对应的时间段内多个用户学习时每种异常心理状态的平均存在时长;
根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定所述目标用户的每种异常心理状态的波动值;
如果确定的波动值中存在大于第一阈值的波动值,则根据确定的波动值向所述目标用户推荐心理辅导内容。
5.根据权利要求4所述的方法,其特征在于,所述根据每种异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,确定所述目标用户的每种异常心理状态的波动值,包括:
根据第一异常心理状态在每个视频段的存在时长和在相应视频段对应的时间段内的平均存在时长,通过下述公式确定所述目标用户的第一异常心理状态的波动值,所述第一异常心理状态为所述至少一种异常心理状态中的任一种;
其中,所述n为在所述多个时间段采集到的所述目标用户学习时的视频段的数量,i表示n个视频段中的第i个视频段,所述xi为所述第一异常心理状态在所述第i个视频段中的存在时长,所述μi为所述第一异常心理状态在所述第i个视频段对应的时间段内的平均存在时长。
6.根据权利要求4或5所述的方法,其特征在于,所述根据确定的波动值向所述目标用户推荐心理辅导内容,包括:
从确定的波动值中获取最大波动值;
如果所述最大波动值小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的游戏类辅导内容;
如果所述最大波动值小于第三阈值,且不小于第二阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的在线课程辅导内容;
如果所述最大波动阈值不小于第三阈值,则向所述目标用户推荐所述最大波动值对应的异常心理状态所对应的心理咨询服务信息。
7.根据权利要求4或5所述的方法,其特征在于,所述根据确定的波动值向所述目标用户推荐心理辅导内容,包括:
根据确定的波动值,确定推荐内容类型;
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵;
根据确定的波动值,确定所述目标用户的异常心理状态的状态波动矩阵,所述状态波动矩阵为[β1,β2,…,βm]T,其中,所述i为不小于1且不大于m的整数,所述m为所述目标用户出现的异常心理状态的种类数量,所述Gi为所述目标用户的第i种异常心理状态的波动值;
根据每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵和所述目标用户的异常心理状态的状态波动矩阵,确定每种子类型的心理辅导内容对应的推荐度;
根据每种子类型的心理辅导内容对应的推荐度向所述目标用户推荐心理辅导内容。
8.根据权利要求7所述的方法,其特征在于,所述获取所述推荐内容类型包括的每种子类型的心理辅导内容对多种异常心理状态的治愈率矩阵,包括:
获取所述推荐内容类型包括的每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分;
根据每种子类型的心理辅导内容对多个历史用户的异常心理状态的治愈评分,确定相应子类型的心理辅导内容对多种异常心理状态的治愈率矩阵。
9.根据权利要求8所述的方法,其特征在于,所述推荐内容类型为游戏类、在线课程类和心理咨询服务类中的一种。
10.一种心理辅导内容推荐装置,其特征在于,所述装置包括处理器,所述处理器用于:
获取在多个时间段中的每个时间段内采集到的目标用户学习时的视频段,每个视频段包含有所述目标用户的面部图像;
根据所述多个视频段包括的面部图像确定所述目标用户在学习时出现的至少一种心理状态;
如果所述至少一种心理状态中存在异常心理状态,则获取每种异常心理状态在每个视频段的存在时长;
根据每种异常心理状态在每个视频段的存在时长向所述目标用户推荐心理辅导内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111228249.4A CN113918818A (zh) | 2021-10-21 | 2021-10-21 | 心理辅导内容推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111228249.4A CN113918818A (zh) | 2021-10-21 | 2021-10-21 | 心理辅导内容推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113918818A true CN113918818A (zh) | 2022-01-11 |
Family
ID=79242138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111228249.4A Pending CN113918818A (zh) | 2021-10-21 | 2021-10-21 | 心理辅导内容推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113918818A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101948306B1 (ko) * | 2018-01-12 | 2019-02-14 | 유한책임회사 단호연 | 심리 상태에 따른 레시피 추천 방법 및 장치 |
CN110025321A (zh) * | 2019-03-20 | 2019-07-19 | 华为技术有限公司 | 一种心理压力评估方法及相关设备 |
CN110459296A (zh) * | 2019-06-26 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 信息推送方法及相关产品 |
CN110957039A (zh) * | 2019-12-16 | 2020-04-03 | 河南科技学院 | 一种基于深度学习的校园心理辅导的方法及装置 |
CN111759329A (zh) * | 2020-07-08 | 2020-10-13 | 山西医科大学 | 一种病态心理检测评估智能系统 |
-
2021
- 2021-10-21 CN CN202111228249.4A patent/CN113918818A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101948306B1 (ko) * | 2018-01-12 | 2019-02-14 | 유한책임회사 단호연 | 심리 상태에 따른 레시피 추천 방법 및 장치 |
CN110025321A (zh) * | 2019-03-20 | 2019-07-19 | 华为技术有限公司 | 一种心理压力评估方法及相关设备 |
CN110459296A (zh) * | 2019-06-26 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 信息推送方法及相关产品 |
CN110957039A (zh) * | 2019-12-16 | 2020-04-03 | 河南科技学院 | 一种基于深度学习的校园心理辅导的方法及装置 |
CN111759329A (zh) * | 2020-07-08 | 2020-10-13 | 山西医科大学 | 一种病态心理检测评估智能系统 |
Non-Patent Citations (1)
Title |
---|
宁淑娥;孙月吉;魏刚;林媛;张磊;华龙;: "军人急性心理应激模型的构建", 解放军预防医学杂志, no. 04, 30 August 2013 (2013-08-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807962B (zh) | 一种智能组卷考试系统 | |
US20130311409A1 (en) | Web-Based Education System | |
CN109816265B (zh) | 知识特征掌握度的评价方法、题目推荐方法及电子设备 | |
CN110210540B (zh) | 基于注意力机制的跨社交媒体用户身份识别方法及系统 | |
KR101581921B1 (ko) | 학습 컨설팅 방법 및 장치 | |
CN113395578B (zh) | 一种提取视频主题文本的方法、装置、设备及存储介质 | |
CN111859140B (zh) | 一种知识推荐的方法、装置、推荐设备及可读存储介质 | |
US11934405B2 (en) | Method for monitoring user behavior when interacting with content and a system for its implementation | |
CN115544241B (zh) | 一种线上作业的智能推送方法及装置 | |
CN112333420A (zh) | 一种智慧校园的大数据信息安全管理系统 | |
CN113657723A (zh) | 知识点掌握情况诊断方法、试题推荐方法及装置 | |
CN114885216B (zh) | 习题推送方法、系统、电子设备和存储介质 | |
CN114202978A (zh) | 一种基于大数据的智能培训方法及系统 | |
CN112365384B (zh) | 目标事件结果指标权重、影响因素值确定方法及相关装置 | |
CN114492803A (zh) | 基于知识图谱的问答生成方法及装置、自动考题生成系统 | |
CN117956232A (zh) | 一种视频推荐方法及装置 | |
CN110765278B (zh) | 一种查找相似习题的方法、计算机设备及存储介质 | |
CN115588485B (zh) | 基于社交故事训练的自适应干预方法、系统、装置和介质 | |
CN113918818A (zh) | 心理辅导内容推荐方法及装置 | |
CN115081965B (zh) | 一种学情大数据分析系统及学情服务器 | |
CN113961796A (zh) | 基于移动互联网的教育平台互动方法、系统和电子设备 | |
CN114664400A (zh) | 病历档案归档方法及装置 | |
CN114297488B (zh) | 推荐竞赛题目的方法及装置 | |
CN110766326A (zh) | 试题推送、评测训练方法及计算机装置、系统及打印终端 | |
CN110991788A (zh) | 一种获取直播课程学习反馈信息的方法及装置 |
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 |