本发明涉及图像分析，具体涉及一种精神障碍者的表情智能化鉴识方法。
背景技术：
1、精神病人暴力攻击行为的发生率远高于普通正常人群，受精神症状的影响，精神病人常常会出现一些极端、难以预测的严重危害社会公共安全的暴力行为，威胁到公众生命和财产安全，给社会治安和稳定带来了极大的负面影响，严重影响社会的和谐与稳定。为规避这类问题，通常需要针对精神障碍者进行法医鉴定，并评估其具有的暴力风险等级供参考。
2、现有技术中，针对具有暴力倾向的精神病人的鉴定过程，通常是通过一系列的评估量表来实现的，受试者自行填写或者由医生询问一系列问题，并记录受试者针对相关问题作出的反应，进而综合评估得到受试者的潜在暴力风险。
3、但是，在法医精神病鉴定过程中，对精神障碍患者暴力风险状态的鉴识通常依赖于相关工作者的主观判断和经验，这可能导致鉴定结果的偏差和不确定性。
技术实现思路
1、针对现有技术中存在的上述问题，现提供一种精神障碍者的表情智能化鉴识方法。
2、具体技术方案如下：
3、一种精神障碍者的表情智能化鉴识方法，包括：
4、步骤s1：对待鉴别对象采集一段时间内的表情信号量化数据；
5、步骤s2：对所述表情信号量化数据进行处理，以提取对应于不同情绪的情绪类信号和对应于面部肌肉的动作单元类信号；
6、步骤s3：依照所述情绪类信号和所述动作单元类信号确定所述待鉴别对象的暴力风险等级。
7、另一方面，所述步骤s1包括：
8、步骤s11：对所述待鉴别对象进行提问，并在提问过程中采集所述待鉴别对象的面部视频；
9、步骤s12：自所述面部视频中针对多个面部特征点提取面部特征点位置序列；
10、步骤s13：依照面部特征点位置序列生成所述表情信号量化数据。
11、另一方面，所述步骤s12包括：
12、步骤s121：自所述面部视频中识别得到所述面部特征点和面部中心点；
13、步骤s122：依照所述面部中心点将每个所述面部特征点在所述面部视频中的像素坐标转换为相对值坐标；
14、步骤s123：依照每个所述相对值坐标构建所述面部特征点位置序列。
15、另一方面，所述步骤s13包括：
16、步骤s131：依照面部肌肉分布对所述面部特征点进行分组以形成面部特征组；
17、步骤s132：针对每个所述面部特征组分别计算所述面部特征点之间的矢量参数；
18、步骤s133：依照所述矢量参数预测所述面部特征点位置序列于每一帧上的表情成分，并组合得到所述表情信号量化数据。
19、另一方面，所述步骤s2中，通过读取所述面部特征点位置序列与对应于不同面部肌肉动作的动作单元模板进行匹配，以确定每一帧上的所述动作单元类信号。
20、另一方面，所述步骤s2中，对所述情绪类信号进行提取的过程包括：
21、步骤s21：将所述表情信号量化数据依照所述情绪类信号分别转换为一维波形信号；
22、步骤s22：对所述一维波形信号分别提取信号变化特性；
23、步骤s23：依照所述信号变化特性提取信号特征并分离得到所述情绪类信号。
24、另一方面，所述步骤s22包括：
25、步骤s221：对一维波形信号进行短时傅里叶变换得到变换信号；
26、步骤s222：对所述变换信号在时间上进行局部分析，得到所述信号变化特性；
27、所述信号变化特性为信号能量或功率随时间和频率的变化特性。
28、另一方面，所述步骤s23包括：
29、步骤s231：从频率角度出发，以0.5为间隔，对所述信号变化特性的时频图进行等间隔的切分，得到不同频段的15个时频子图；
30、步骤s232：对15个时频子图中每个时频子图进行分析，提取信号特征；
31、步骤s233：依照所述信号特征分离所述情绪类信号。
32、另一方面，所述步骤s3中，将所述情绪类信号和所述动作单元类信号输入向量机中进行分类以得到所述暴力风险等级。
33、另一方面，所述动作单元类信号包括内侧眉毛提起、眉毛降下、微张嘴唇、下巴落下和眼睛闭合；
34、所述情绪类信号包括中性、愉快、悲伤、愤怒、惊奇、惧怕、厌恶、轻蔑。
35、上述技术方案具有如下优点或有益效果：
36、针对现有技术中通过访谈等方式作出评价的方法受到主观因素影响，一致性差且难以观测患者的细微神态的问题，本方案中引入了基于表情分析的评估过程，通过算法对待鉴别对象的表情视频进行处理，得到表情信号量化数据，并提取其中对应不同情绪的情绪类信号和对应于面部肌肉的动作单元类信号的成分，综合分析患者在评估过程中的情绪变化，从而实现了对待鉴别兑现的暴力风险等级的划分，实现了更为准确的评估过程。
1.一种精神障碍者的表情智能化鉴识方法，其特征在于，包括：
2.根据权利要求1所述的表情智能化鉴识方法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的表情智能化鉴识方法，其特征在于，所述步骤s12包括：
4.根据权利要求2所述的表情智能化鉴识方法，其特征在于，所述步骤s13包括：
5.根据权利要求4所述的表情智能化鉴识方法，其特征在于，所述步骤s2中，通过读取所述面部特征点位置序列与对应于不同面部肌肉动作的动作单元模板进行匹配，以确定每一帧上的所述动作单元类信号。
6.根据权利要求1所述的表情智能化鉴识方法，其特征在于，所述步骤s2中，对所述情绪类信号进行提取的过程包括：
7.根据权利要求6所述的表情智能化鉴识方法，其特征在于，所述步骤s22包括：
8.根据权利要求6所述的表情智能化鉴识方法，其特征在于，所述步骤s23包括：
9.根据权利要求1所述的表情智能化鉴识方法，其特征在于，所述步骤s3中，将所述情绪类信号和所述动作单元类信号输入向量机中进行分类以得到所述暴力风险等级。
10.根据权利要求1所述的表情智能化鉴识方法，其特征在于，所述动作单元类信号包括内侧眉毛提起、眉毛降下、微张嘴唇、下巴落下和眼睛闭合；
