CN116825361B - 一种基于面部识别的全自动心理状态评估系统 - Google Patents
一种基于面部识别的全自动心理状态评估系统 Download PDFInfo
- Publication number
- CN116825361B CN116825361B CN202311075365.6A CN202311075365A CN116825361B CN 116825361 B CN116825361 B CN 116825361B CN 202311075365 A CN202311075365 A CN 202311075365A CN 116825361 B CN116825361 B CN 116825361B
- Authority
- CN
- China
- Prior art keywords
- module
- answer
- psychological
- unit
- analysis
- 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
Links
- 230000001815 facial effect Effects 0.000 title description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- 230000014509 gene expression Effects 0.000 claims description 45
- 238000013139 quantization Methods 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000004927 fusion Effects 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 abstract description 3
- 230000009323 psychological health Effects 0.000 abstract 1
- 238000012549 training Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000004630 mental health Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种基于面部识别的全自动心理状态评估系统，包括面部采集模块、语音播放模块、语音采集模块、数据库模块、答复分析模块、提问指引模块和心理评估模块，所述面部采集模块用于采集评估者的面部图像，所述语音播放模块用于播放心理评估问答题，所述语音采集模块用于采集评估者的回答语音，所述数据库模块用于存储心理评估问答题，所述答复分析模块用于对面部画面和回答语音进行状态分析，所述提问指引模块基于分析结果选择心理评估问答题，所述心理评估模块基于答题路径和答题结果对心理状态进行评估；本系统能够提供单人环境测试心理状态，能够推广民众对心理健康的关注。
Description
技术领域
本发明涉及心理术装置领域，具体涉及一种基于面部识别的全自动心理状态评估系统。
背景技术
随着社会的发展，心理健康问题事件常常会登上新闻热搜，人们也逐渐意识到心理健康是和身体健康具有一样的重要性，可即便如此，由于昂贵的费用和安全感问题，当人们意识到自己的心理健康出现问题时也很少会有人主动联系心理医生解决问题，导致心理问题越积越重，最终导致事故的发生，因此，需要一种无人的心理状态评估系统，在心理问题初期给予帮助。
背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。
现在已经开发出了很多心理评估系统，经过我们大量的检索与参考，发现现有的评估系统有如公开号为CN106510736B所公开的系统，这些系统一般包括：设计不同刺激模式的诱发心理状态变化实验，构建测试个体的不同心理状态所对应的训练集；构建出不同心理状态所对应的心理状态指标数据的判断矩阵，计算出不同心理状态所对应的训练集内心理状态指标数据的权重矩阵及相应判断矩阵的最大特征值；得到不同心理状态所对应的训练集心理状态指标数据矩阵并存储至训练集心理状态集合；采集非实验条件下测试个体的心理状态指标数据并分别与不同心理状态所对应的权重矩阵相乘后，再与训练集心理状态集合内元素相对应作差得到差值矩阵；根据差值矩阵与训练集心理状态集合内元素所对应最大特征值比较，判定测试个体的心理状态。但该系统在评估过程中人需要第二人参与，使人产生抗拒感而不参与心理评估。
发明内容
本发明的目的在于，针对所存在的不足，提出了一种基于面部识别的全自动心理状态评估系统。
本发明采用如下技术方案：
一种基于面部识别的全自动心理状态评估系统，包括面部采集模块、语音播放模块、语音采集模块、数据库模块、答复分析模块、提问指引模块和心理评估模块；
所述面部采集模块用于采集评估者的面部图像，所述语音播放模块用于播放心理评估问答题，所述语音采集模块用于采集评估者的回答语音，所述数据库模块用于存储心理评估问答题，所述答复分析模块用于对面部画面和回答语音进行状态分析，所述提问指引模块基于分析结果选择心理评估问答题，所述心理评估模块基于答题路径和答题结果对心理状态进行评估；
所述答复分析模块包括文本量化单元、表情融合分析单元和结果输出单元，所述文本量化单元对接收的文本数据进行量化解析，所述表情融合分析单元基于接收的表情类型对解析结果进行融合分析处理，所述结果输出单元将处理结果发送至所述提问指引模块；
所述提问指引模块包括记录单元、节点交互单元和选择单元，所述记录单元用于记录提问路径数据以及每个回答的处理结果，所述节点交互单元用于从所述数据库模块中获取当前节点的子节点信息，所述选择单元基于当前回答的处理结果从子节点中选择下一个问答题对应的节点；
所述心理评估模块包括路径解析单元和评估输出单元，所述路径解析单元用于对提问路径进行解析得到心理状态，所述评估输出单元基于心理状态做出最终的评估结果并输出表达给评估者；
进一步的，所述文本量化单元包括关键词量化寄存器、关键词检索统计处理器和量化计算处理器，所述关键词量化寄存器用于存储关键词以及关键词的量化数据，关键词包括事件关键词和环境关键词，事件关键词的量化数据为多维向量，环境关键词的量化数据为系数值，所述关键词检索统计处理器从所述文本量化单元中检索出事件关键词，然后基于每个事件关键词检索出最邻近的环境关键词，将每个事件关键词的量化数据和对应环境关键词的系数值配对记录，所述量化计算处理器根据下式计算出特征向量Ca：
；
其中，表示第u个事件关键词的多维向量，/>表示第u个环境关键词的系数值，n为检索到的事件关键词的数量，/>为累计函数；
进一步的，所述表情融合分析单元包括表情参数转换处理器和融合计算处理器，所述表情参数转换处理器用于存储每个表情类型的参数值并根据接收表情类型输出对应的参数值，所述融合计算处理器根据下式对特征向量和表情参数进行计算处理：
；
其中，是特征向量Ca，/>是表情参数，Re为结果矩阵；
进一步的，子节点信息中包括了每个子节点的选择矩阵Se，所述选择单元根据下式计算出结果矩阵与选择矩阵的相似度P：
；
其中，表示Re矩阵中第i行第j列的元素值，/>表示Se矩阵中第i行第j列的元素值；
所述选择单元选择相似度值最接近1的选择矩阵对应的子节点；
进一步的，所述路径解析单元包括问答题属性寄存器和属性变化处理器，所述问答题属性寄存器用于保存每个心理评估问答题的属性坐标，所述属性变化处理器用于对路径上问答题的属性坐标进行计算处理；
所述属性变化处理器根据下式计算出路径一致指数Q1：
；
其中，表示第s个属性坐标指向第s+1个属性坐标的方向角，w为路径上问答题的数量；
所述属性变化处理器根据下式计算出路径绝对指数Q2：
；
其中，表示路径上第s个问答题的属性坐标。
本发明所取得的有益效果是：
本系统由语音播放系统和语音采集系统与评估者进行沟通，全程无需第二人参与，使普通民众能够能够跨越安全感这道门槛参与到评估过程，本系统内置了大量的专业问答题，通过对评估者回答和表情的分析引出下一个问答题，通过对问答题的路径进行分析，能够准确地获得评估者的基础心理状态，帮助人们及时地了解自身的心理状态。
为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。
附图说明
图1为本发明整体结构框架示意图；
图2为本发明数据库模块构成示意图；
图3为本发明答复分析模块构成示意图；
图4为本发明提问指引模块构成示意图；
图5为本发明文本量化单元构成示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实施例一：本实施例提供了一种基于面部识别的全自动心理状态评估系统，结合图1，包括面部采集模块、语音播放模块、语音采集模块、数据库模块、答复分析模块、提问指引模块和心理评估模块；
所述面部采集模块用于采集评估者的面部图像，所述语音播放模块用于播放心理评估问答题，所述语音采集模块用于采集评估者的回答语音，所述数据库模块用于存储心理评估问答题，所述答复分析模块用于对面部画面和回答语音进行状态分析，所述提问指引模块基于分析结果选择心理评估问答题，所述心理评估模块基于答题路径和答题结果对心理状态进行评估；
所述答复分析模块包括文本量化单元、表情融合分析单元和结果输出单元，所述文本量化单元对接收的文本数据进行量化解析，所述表情融合分析单元基于接收的表情类型对解析结果进行融合分析处理，所述结果输出单元将处理结果发送至所述提问指引模块；
所述提问指引模块包括记录单元、节点交互单元和选择单元，所述记录单元用于记录提问路径数据以及每个回答的处理结果，所述节点交互单元用于从所述数据库模块中获取当前节点的子节点信息，所述选择单元基于当前回答的处理结果从子节点中选择下一个问答题对应的节点；
所述心理评估模块包括路径解析单元和评估输出单元，所述路径解析单元用于对提问路径进行解析得到心理状态，所述评估输出单元基于心理状态做出最终的评估结果并输出表达给评估者；
所述文本量化单元包括关键词量化寄存器、关键词检索统计处理器和量化计算处理器，所述关键词量化寄存器用于存储关键词以及关键词的量化数据，关键词包括事件关键词和环境关键词，事件关键词的量化数据为多维向量，环境关键词的量化数据为系数值，所述关键词检索统计处理器从所述文本量化单元中检索出事件关键词，然后基于每个事件关键词检索出最邻近的环境关键词，将每个事件关键词的量化数据和对应环境关键词的系数值配对记录，所述量化计算处理器根据下式计算出特征向量Ca：
；
其中，表示第u个事件关键词的多维向量，/>表示第u个环境关键词的系数值，n为检索到的事件关键词的数量，/>为累计函数；
所述表情融合分析单元包括表情参数转换处理器和融合计算处理器，所述表情参数转换处理器用于存储每个表情类型的参数值并根据接收表情类型输出对应的参数值，所述融合计算处理器根据下式对特征向量和表情参数进行计算处理：
；
其中，是特征向量Ca，/>是表情参数，Re为结果矩阵；
子节点信息中包括了每个子节点的选择矩阵Se，所述选择单元根据下式计算出结果矩阵与选择矩阵的相似度P：
；
其中，表示Re矩阵中第i行第j列的元素值，/>表示Se矩阵中第i行第j列的元素值；
所述选择单元选择相似度值最接近1的选择矩阵对应的子节点；
所述路径解析单元包括问答题属性寄存器和属性变化处理器，所述问答题属性寄存器用于保存每个心理评估问答题的属性坐标，所述属性变化处理器用于对路径上问答题的属性坐标进行计算处理；
所述属性变化处理器根据下式计算出路径一致指数Q1：
；
其中，表示第s个属性坐标指向第s+1个属性坐标的方向角，w为路径上问答题的数量；
所述属性变化处理器根据下式计算出路径绝对指数Q2：
；
其中，表示路径上第s个问答题的属性坐标。
实施例二：本实施例包含了实施例一中的全部内容，提供了一种基于面部识别的全自动心理状态评估系统，包括面部采集模块、语音播放模块、语音采集模块、数据库模块、答复分析模块、提问指引模块和心理评估模块；
所述面部采集模块用于采集评估者的面部图像，所述语音播放模块用于播放心理评估问答题，所述语音采集模块用于采集评估者的回答语音，所述数据库模块用于存储心理评估问答题，所述答复分析模块用于对面部画面和回答语音进行状态分析，所述提问指引模块基于分析结果选择心理评估问答题，所述心理评估模块基于答题路径和答题结果对心理状态进行评估；
所述面部采集模块包括摄像单元、视频存储单元、特征提取单元、表情识别单元和数据输出单元，所述摄像单元用于拍摄评估者的面部画面，所述视频存储单元用于保存拍摄的画面数据，所述特征提取单元用于从所述画面数据中提取出特征向量数据，所述表情识别单元根据特征向量数据识别出评估者的表情类型，所述数据输出单元将表情类型发送至所述答复分析模块；
所述语音播放模块包括播放单元、文本转换单元和文本存储单元，所述播放单元用于语音播放心理评估问答题，所述文本转换单元用于将心理评估问答题的文本数据转换为音频数据，所述文本存储单元用于接收并保存心理评估问答题的文本数据；
所述语音采集模块包括麦克风单元、音频转换单元和采集控制单元，所述麦克风单元用于采集评估者的回答音频，所述音频转换单元用于将音频数据转换为文本数据，文本数据将直接发送至所述答复分析模块，所述采集控制单元用于控制所述麦克风单元的开关状态；
结合图2，所述数据库模块包括节点索引单元和文本存储单元，所述文本存储单元用于保存具体的心理评估问答题文本，每个心理评估问答题具有唯一的标识符，所述节点索引单元用于保存由节点构成的树状结构，每个节点对应一个标识符，每个节点有多个子节点或者无子节点，通过节点的父子关系来确定下一个心理评估问答题的选择范围，当一个节点无子节点时，表示该节点对应的心理评估问答题是用于评估的最后一个问答题；
结合图3，所述答复分析模块包括文本量化单元、表情融合分析单元和结果输出单元，所述文本量化单元对接收的文本数据进行量化解析，所述表情融合分析单元基于接收的表情类型对解析结果进行融合分析处理，所述结果输出单元将处理结果发送至所述提问指引模块；
结合图4，所述提问指引模块包括记录单元、节点交互单元和选择单元，所述记录单元用于记录提问路径数据以及每个回答的处理结果，所述节点交互单元用于从所述数据库模块中获取当前节点的子节点信息，所述选择单元基于当前回答的处理结果从子节点中选择下一个问答题对应的节点；
所述系统对评估者进行心理状态评估的过程包括如下步骤：
S1、语音模块播放语音提示评估者做好评估准备；
S2、面部采集模块采集评估者面部画面，若面部画面符合要求，进入步骤S4，若面部画面不符合要求，进入步骤S3；
S3、语音模块播放语音提示评估者校正姿势，回到步骤S2；
S4、语音播放模块从数据库模块中获取初始问答题并播放；
S5、语音采集模块采集评估者的回答，面部采集模块采集评估者的面部画面；
S6、答复分析模块对答复内容进行分析处理；
S7、提问指引模块选择下一个问答题，将对应标识符发送给数据库模块，进入步骤S8，若无下一个问答题，则进入步骤S9；
S8、数据库模块根据标识符将下一个问答题发送给语音播放模块，语音播放模块进行播放，回到步骤S5；
S9、心理评估模块做出最终的评估结果并发送给语音播放模块；
S10、语音播放模块播放评估结果；
结合图5，所述文本量化单元包括关键词量化寄存器、关键词检索统计处理器和量化计算处理器，所述关键词量化寄存器用于存储关键词以及关键词的量化数据，关键词包括事件关键词和环境关键词，事件关键词的量化数据为多维向量，环境关键词的量化数据为系数值，所述关键词检索统计处理器从所述文本量化单元中检索出事件关键词，然后基于每个事件关键词检索出最邻近的环境关键词，将每个事件关键词的量化数据和对应环境关键词的系数值配对记录，所述量化计算处理器根据下式计算出特征向量Ca：
；
其中，表示第u个事件关键词的多维向量，/>表示第u个环境关键词的系数值，n为检索到的事件关键词的数量，/>为累计函数；
所述累计函数的取值范围为，具体分布由心理专家自行设定，该函数的一种示例为：/>；
事件关键词的多维向量包括m个元素，每个元素的取值范围为，所述环境关键词的系数值的取值范围为/>；
所述表情融合分析单元包括表情参数转换处理器和融合计算处理器，所述表情参数转换处理器用于存储每个表情类型的参数值并根据接收表情类型输出对应的参数值，所述融合计算处理器根据下式对特征向量和表情参数进行计算处理：
；
其中，是特征向量Ca，/>是表情参数，Re为结果矩阵；
子节点信息中包括了每个子节点的选择矩阵Se，所述选择单元根据下式计算出结果矩阵与选择矩阵的相似度P：
；
其中，表示Re矩阵中第i行第j列的元素值，/>表示Se矩阵中第i行第j列的元素值；
所述选择单元选择相似度值最接近1的选择矩阵对应的子节点；
所述心理评估模块包括路径解析单元和评估输出单元，所述路径解析单元用于对提问路径进行解析得到心理状态，所述评估输出单元基于心理状态做出最终的评估结果并输出表达给评估者；
所述路径解析单元包括问答题属性寄存器和属性变化处理器，所述问答题属性寄存器用于保存每个心理评估问答题的属性坐标，所述属性变化处理器用于对路径上问答题的属性坐标进行计算处理；
所述属性变化处理器根据下式计算出路径一致指数Q1：
；
其中，表示第s个属性坐标指向第s+1个属性坐标的方向角，w为路径上问答题的数量；
所述属性变化处理器根据下式计算出路径绝对指数Q2：
；
其中，表示路径上第s个问答题的属性坐标；
所述评估输出单元内存储了每一级心理状态对应的路径一致指数和路径绝对指数的范围以及对应的评估语，所述评估输出单元经对比后将结果发送给语音播放模块。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。
Claims (1)
1.一种基于面部识别的全自动心理状态评估系统，其特征在于，包括面部采集模块、语音播放模块、语音采集模块、数据库模块、答复分析模块、提问指引模块和心理评估模块；
所述面部采集模块用于采集评估者的面部图像，所述语音播放模块用于播放心理评估问答题，所述语音采集模块用于采集评估者的回答语音，所述数据库模块用于存储心理评估问答题，所述答复分析模块用于对面部画面和回答语音进行状态分析，所述提问指引模块基于分析结果选择心理评估问答题，所述心理评估模块基于答题路径和答题结果对心理状态进行评估；
所述答复分析模块包括文本量化单元、表情融合分析单元和结果输出单元，所述文本量化单元对接收的文本数据进行量化解析，所述表情融合分析单元基于接收的表情类型对解析结果进行融合分析处理，所述结果输出单元将处理结果发送至所述提问指引模块；
所述提问指引模块包括记录单元、节点交互单元和选择单元，所述记录单元用于记录答题路径数据以及每个回答的处理结果，所述节点交互单元用于从所述数据库模块中获取当前节点的子节点信息，所述选择单元基于当前回答的处理结果从子节点中选择下一个问答题对应的节点；
所述心理评估模块包括路径解析单元和评估输出单元，所述路径解析单元用于对答题路径进行解析得到心理状态，所述评估输出单元基于心理状态做出最终的评估结果并输出表达给评估者；
所述文本量化单元包括关键词量化寄存器、关键词检索统计处理器和量化计算处理器，所述关键词量化寄存器用于存储关键词以及关键词的量化数据，关键词包括事件关键词和环境关键词，事件关键词的量化数据为多维向量，环境关键词的量化数据为系数值，所述关键词检索统计处理器从所述文本量化单元中检索出事件关键词，然后基于每个事件关键词检索出最邻近的环境关键词，将每个事件关键词的量化数据和对应环境关键词的系数值配对记录，所述量化计算处理器根据下式计算出特征向量Ca：
；
其中，表示第u个事件关键词的多维向量，/>表示第u个环境关键词的系数值，n为检索到的事件关键词的数量，/>为累计函数；
所述表情融合分析单元包括表情参数转换处理器和融合计算处理器，所述表情参数转换处理器用于存储每个表情类型的参数值并根据接收的表情类型输出对应的参数值，所述融合计算处理器根据下式对特征向量和表情参数进行计算处理：
；
其中，是特征向量Ca，/>是表情参数，Re为结果矩阵；
子节点信息中包括了每个子节点的选择矩阵Se，所述选择单元根据下式计算出结果矩阵与选择矩阵的相似度P：
；
其中，表示Re矩阵中第i行第j列的元素值，/>表示Se矩阵中第i行第j列的元素值；
所述选择单元选择相似度值最接近1的选择矩阵对应的子节点；
所述路径解析单元包括问答题属性寄存器和属性变化处理器，所述问答题属性寄存器用于保存每个心理评估问答题的属性坐标，所述属性变化处理器用于对路径上问答题的属性坐标进行计算处理；
所述属性变化处理器根据下式计算出路径一致指数Q1：
；
其中，表示第s个属性坐标指向第s+1个属性坐标的方向角，w为路径上问答题的数量；
所述属性变化处理器根据下式计算出路径绝对指数Q2：
；
其中，表示路径上第s个问答题的属性坐标；
所述评估输出单元内存储了每一级心理状态对应的路径一致指数和路径绝对指数的范围以及对应的评估语，所述评估输出单元经对比后将结果发送给语音播放模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311075365.6A CN116825361B (zh) | 2023-08-25 | 2023-08-25 | 一种基于面部识别的全自动心理状态评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311075365.6A CN116825361B (zh) | 2023-08-25 | 2023-08-25 | 一种基于面部识别的全自动心理状态评估系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116825361A CN116825361A (zh) | 2023-09-29 |
| CN116825361B true CN116825361B (zh) | 2023-11-14 |
Family
ID=88118731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311075365.6A Active CN116825361B (zh) | 2023-08-25 | 2023-08-25 | 一种基于面部识别的全自动心理状态评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116825361B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107799165A (zh) * | 2017-09-18 | 2018-03-13 | 华南理工大学 | 一种基于虚拟现实技术的心理评估方法 |
| CN110674267A (zh) * | 2019-08-15 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 基于问答交互方式的信息审核方法以及装置 |
| CN111310436A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技（深圳）有限公司 | 基于人工智能的文本处理方法、装置及电子设备 |
| WO2020182121A1 (zh) * | 2019-03-14 | 2020-09-17 | 腾讯科技（深圳）有限公司 | 表情识别方法及相关装置 |
| CN112133407A (zh) * | 2020-09-22 | 2020-12-25 | 田文洪 | 一种基于语音与表情的快速智能情绪测评分析方法 |
| CN112579757A (zh) * | 2020-12-25 | 2021-03-30 | 泰康保险集团股份有限公司 | 智能问答方法、装置、计算机可读存储介质及电子设备 |
| CN113782200A (zh) * | 2021-08-19 | 2021-12-10 | 刘欣 | 心理风险筛查测定方法、装置及计算机设备及存储介质 |
| CN116069876A (zh) * | 2023-01-16 | 2023-05-05 | 合肥讯飞数码科技有限公司 | 基于知识图谱的问答方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10839944B2 (en) * | 2016-02-01 | 2020-11-17 | Tuvi Orbach | Computerized interactive psychological assessment protocol—iPAP |
-
2023
- 2023-08-25 CN CN202311075365.6A patent/CN116825361B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107799165A (zh) * | 2017-09-18 | 2018-03-13 | 华南理工大学 | 一种基于虚拟现实技术的心理评估方法 |
| WO2020182121A1 (zh) * | 2019-03-14 | 2020-09-17 | 腾讯科技（深圳）有限公司 | 表情识别方法及相关装置 |
| CN110674267A (zh) * | 2019-08-15 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 基于问答交互方式的信息审核方法以及装置 |
| CN111310436A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技（深圳）有限公司 | 基于人工智能的文本处理方法、装置及电子设备 |
| CN112133407A (zh) * | 2020-09-22 | 2020-12-25 | 田文洪 | 一种基于语音与表情的快速智能情绪测评分析方法 |
| CN112579757A (zh) * | 2020-12-25 | 2021-03-30 | 泰康保险集团股份有限公司 | 智能问答方法、装置、计算机可读存储介质及电子设备 |
| CN113782200A (zh) * | 2021-08-19 | 2021-12-10 | 刘欣 | 心理风险筛查测定方法、装置及计算机设备及存储介质 |
| CN116069876A (zh) * | 2023-01-16 | 2023-05-05 | 合肥讯飞数码科技有限公司 | 基于知识图谱的问答方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116825361A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | Visual7w: Grounded question answering in images | |
| Xu et al. | Jointly modeling deep video and compositional text to bridge vision and language in a unified framework | |
| US7684651B2 (en) | Image-based face search | |
| Teney et al. | Visual question answering: A tutorial | |
| CN112949622B (zh) | 融合文本与图像的双模态性格分类方法及装置 | |
| CN111046155A (zh) | 一种基于fsm多轮问答的语义相似度计算方法 | |
| CN110580516B (zh) | 一种基于智能机器人的交互方法及装置 | |
| Jha et al. | A novel approach on visual question answering by parameter prediction using faster region based convolutional neural network | |
| CN112559723B (zh) | 一种基于深度学习的faq检索式问答构建方法及系统 | |
| CN112527993B (zh) | 一种跨媒体层次化深度视频问答推理框架 | |
| Plummer et al. | Revisiting image-language networks for open-ended phrase detection | |
| CN113609326B (zh) | 基于外部知识和目标间关系的图像描述生成方法 | |
| CN111461394A (zh) | 一种基于深度矩阵分解的学生成绩预测方法 | |
| CN114676903A (zh) | 一种基于时间感知和认知诊断的在线预测方法及系统 | |
| CN114186983A (zh) | 视频面试多维评分方法、系统、计算机设备及存储介质 | |
| Mazaheri et al. | Video fill in the blank using lr/rl lstms with spatial-temporal attentions | |
| CN116825361B (zh) | 一种基于面部识别的全自动心理状态评估系统 | |
| Panesar et al. | Improving visual question answering by leveraging depth and adapting explainability | |
| CN116778391A (zh) | 一种多模态作物病害表型协同分析模型及装置 | |
| CN108959467B (zh) | 一种基于强化学习的问句和答案句相关度的计算方法 | |
| CN110633363B (zh) | 一种基于nlp和模糊多准则决策的文本实体推荐方法 | |
| CN114625986A (zh) | 对搜索结果进行排序的方法、装置、设备及存储介质 | |
| CN113821610A (zh) | 信息匹配方法、装置、设备及存储介质 | |
| Toshevska et al. | Question answering with deep learning: a survey | |
| Santhanavijayan et al. | Fuzzy-MCS algorithm-based ontology generation for e-assessment |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231023 Address after: 424299 North foot of Wangxianling in Chengdong, Chenzhou City, Hunan Province Applicant after: XIANGNAN University Applicant after: FOSHAN LONGSHENG GUANGQI TECHNOLOGY CO.,LTD. Address before: 528051 Room A1108-6, Block 2 (Building T16), No. 1, Smart New Town, Zhangcha Street, Chancheng District, Foshan City, Guangdong Province Applicant before: FOSHAN LONGSHENG GUANGQI TECHNOLOGY CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |