一种基于面部区域时空关联性的抑郁程度评估方法
本发明提供一种基于面部区域时空关联性的抑郁程度评估方法,属于计算机视觉与医疗诊断技术领域,解决了现有抑郁症识别方法准确率不高的问题。本发明提出一种融合时空注意力机制的深度学习模型。其核心包括:将面部图像划分为多个子区域,独立计算各子区域的重要性;通过时空注意力机制动态融合空间重要性、空间上下文、时间上下文及空间相似性,生成面部注意力图谱;基于此构建的识别模型利用时序特征融合模块提取动态表情变化特征,实现抑郁程度的精准评估。实验表明,该方法在AVEC2013和AVEC2014数据集上分别取得MAE5.79和MAE 5.76的识别性能,优于现有技术。本发明通过细粒度捕捉面部肌肉的时空关联模式,为自动抑郁症识别提供了高效、客观的解决方案。
兰州大学
2021-01-12