摘要
随着社会经济的发展，人们的生活节奏日益加快，心理压力增大所导致的抑郁症等疾病已逐渐成为严峻的社会问题。心理压力的筛查和干预将有效减少心理疾病的发生。生理信号可以间接地反映出心理压力状态，传统方法需要接触式设备提取生理信号，存在成本高、使用不便和适用范围少等问题。视频光电容积描记法(Video Photoplethysmography, VPPG)具有非接触测量、方便快捷等优势，但VPPG所提取的生理信息不充分，导致压力分类性能不足。针对上述问题，本文提出了一种基于特征信息融合的心理压力识别方法。本文的主要工作如下： （1）针对传统接触式心理压力识别技术在使用成本、便利性和适用范围方面存在的问题，提出了一种基于VPPG的心理压力识别方法。该方法利用网络摄像头远程获取面部脉搏波并从中提取脉率变异性特征，通过分析其在非压力和压力状态间的变化趋势并与光电容积描记法进行对比，验证了VPPG识别心理压力的可行性。使用序列前进后退法进行特征选择得到合适的特征子集，通过支持向量机、K近邻等学习模型验证特征子集对于心理压力识别的有效性。 （2）针对脉率变异性特征所含心理压力信息不充分导致分类性能不足的问题，提出了一种基于脉率变异性与面部特征融合的心理压力识别模型。通过引入面部特征对心理压力信息进行补充，将其与脉率变异性进行特征层信息融合，以融合信息特征作为输入，构建了基于卷积神经网络和长短时记忆网络的心理压力识别模型。最后，利用融合特征数据集对心理压力识别模型进行训练和测试，验证模型对分类性能的有效提升。 为验证所提方法对心理压力识别的有效性，本文通过自建数据集对其进行了测试实验。实验结果表明，VPPG技术能够有效的识别心理压力，补充的面部特征信息进一步提升了心理压力识别的准确率。本文提出的基于面部视频的心理压力识别方法，有望在临床、家庭和日常生活等现实场景中应用于心理压力的筛查和干预。
NETL