文摘

今天,当大学生是未来社会的主体,心理危机不断出现。同时,考虑到社会经济快速发展,最好的人才之间的竞争,文化的多样性,和诱惑的增长和公共卫生事件,所有这些让学生受到打击。然而,当传统的信心数据分析通过手动选择,通常有一些缺陷,如小样本大小,可怜的实时状态,交易成本高,高的人为错误。我们需要使用现代技术、应用技术和计算机情报收集所有受访者的心理数据,由情绪最终测量数据。使用情感的结果数据分析及时处理突发事件。本文设计的系统有前所未有的优势在自动化方面,及时性和准确性相比以前的参与式心理治疗方法。

1。介绍

近年来,人们的生活水平已大大提高。浮躁的生活节奏导致各种心理问题在日常生活和社会。为了解决心理问题在人们的生活中,我们需要建立一个心理健康的紧急措施系统(1]。考虑遇到的困难在心理数据的收集和分析,及时性和不合时宜的响应在紧急情况下,需要使用现代技术基于内部网技术建立精神卫生应急系统,通过人工智能技术,分析个人数据,以验证对象的心理状态和情绪波动,这样系统可以应对突发事件及时、准确(2]。

根据相关研究学者的问卷调查结果,超过五分之一的大学生使用互联网来寻求心理帮助;超过一半的大学生使用网络心理咨询寻求帮助。近年来,高校恶意事件的发生率明显高于前(3]。

大学生心理危机造成的心理问题经常发生,导致许多校园问题甚至群体事件,直接危害校园的安全与稳定,甚至危害人身、财产安全(4,5]。大学生校园安全意外的心理危机包括心理危机校园犯罪(犯罪大学生由于心理问题)和意外心理危机(创伤性心理不适引起的刑事侵略,校园安全事件,和公共卫生事故)(6]。在过去的十年里,学校的所有级别和类型经历更严重的心理危机突发事件由各种原因引起的,如把自己扔进水由于考试失败;对爱的自残自伤和其他损伤;暴徒赌博和战斗;新生无法适应大学生活和中途辍学;毕业生离开学校与酒精和扰动故意破坏学校设施,等等,导致正常的教育教学工作以及学校精神和风气的建设(7]。学校的正常教育教学工作,以及学术和校园文化的建设,已经造成不利影响。为了防止这些校园安全稳定事件,我们坚持预防的原则,教育首先,科学监测,有效干预,分级管理,明确责任,快速响应和效率高、发展心理危机预防计划,引导学生正确认识危机,面对危机,抓住机遇,及时获取和寻找新的self-order和平衡,实现预防和响应用双手,努力改善我们将努力提高心理调整能力,社会适应和挫折容忍学生在学校的8]。

本文着重于困难的心理数据收集和分析,心理紧急,及时性差,提出使用人工智能基于挖掘大数据分析的面部数据,检测主体的情绪状态和心理状态的分析,从而提出紧急的主题与异常(9]。

2。相关工作

做好维护校园稳定有序发展的必要保证学术研究,日常教学和校园生活。近年来,国内高校深化高等教育改革的机会增加灵活的处理突发事件的重要性,但由于疲软的危机意识,缓慢的应急响应和处置不当,他们不能有效控制突发事件在第一时间,造成的影响和损失的扩大,甚至威胁到教师和学生的生命和安全在严重的情况下(10]。因此,大学管理应该坚持危机意识,消除侥幸的心态,提高应急管理的战略地位在整个校园管理系统。

高校的扩张使得学生的数量逐年增加,一方面,有一个情况,现有的教学资源不够分配,另一方面,管理水平并没有提高的时候,学校和学生之间的矛盾加剧。例如,尽管学生的数量越来越多,宿舍建筑的学院和大学没有扩大,和一些学校已经改变了原来的“一室四”“六个一室”(11]。结果,学生的不满情绪增加,盗窃和斗争的发病率显著增加。此外,学校没有足够重视心理健康教育,尤其是当他们接近毕业,或当他们被学校处罚,一些大学生心理素质脆弱,可以很容易地显示过度行为在多重压力下,这也是一个常见的因素导致紧急情况。

大学生是国家的栋梁,但与此同时,他们缺乏社会经验,更容易被外部诱惑和侵蚀破坏的概念(12]。尤其是在互联网时代,穷人的监督网络,加上缺乏信息筛选许多大学生的意识,当使用互联网学习和娱乐,他们误导了“享乐主义”在网络上,和他们的价值观动摇。例如,近年来,“校园贷款”已成为流行,其中一些落入泥潭为了暂时的物质需求,这可能会影响学业,导致心理问题,或导致整个家庭的债务,其中有不少轻生活。一些学生选择偷窃和勒索为了偿还贷款,这一过程会损坏其他学生的利益和破坏学校的气氛13]。

1954年,一名美国心理学家是第一个提出“心理危机”的概念,在1943年,开始在火灾后的悲伤反应进行研究,导致一系列的经验总结和引入“悲伤辅导”[14]。提出了“悲伤辅导”的理论。这个文学开始暗示人们的压力反应在一个和平的生活环境取决于人格之间的相互关系,急性压力,和社会环境15]。操作阶段,退出阶段,创伤后阶段。在他的书中危机干预策略,布拉姆提出了一个应用危机理论,他心理危机分为三类:情境,发展和生存危机。

在1990年代初,国外危机干预的结果引入中国,第一个国内心理危机干预中心成立于南京,开始在中国第一个危机干预(16]。许多学者也发表了一些有价值的学术文章和专著,和主题是逐渐增加的宽度17]。中国的学者已经做了很多研究意义、分类、原因和危机预防大学生心理危机,等等。大学生的心理危机和由此产生的自杀现象和创伤事件吸引了许多学者的关注18]。预警是一个重要环节在大学生心理危机的预防和干预,尤其是在危机干预工作积极的变化和预防系统性的危机干预模式、心理危机预警的作用越来越突出(19,20.]。大学生心理危机预警是评估预警对象的相关信息,通过分析一系列的心理指标,使用科学的定量方法和及时发现和识别潜在的或真正的危机因素,预测心理危机的严重性,发出危机警报并采取有针对性的预防措施,限制甚至消除心理危机的发生和减少心理危机造成的伤害21,22]。如何采取有效措施,识别并警告大学生的心理危机,进行更系统,发展和积极预防心理危机是当前心理健康教育的一个重要组成部分的大学生(23]。因此,重要的是要建立一个科学的、可操作的心理危机预警指标体系及其匹配分级反应系统发展的心理危机预警工作的大学生(24,25]。

3所示。方法

紧急控制应该平稳过程,明确责任,有效措施为了有效处理突发事件。一套完整的控制过程图应包含的基本内容1。人出席了紧急通知应急管理的负责人应该尽快通过电话。澄清后应急的基本信息(位置、时间、规模等),向应急指挥中心报告,然后确定事件的性质和启动应急计划。相关人员(医务人员、安全人员等)也应尽快到达现场,做好维护稳定,最后确保紧急情况下妥善解决高层领导人的部署。具体的大学急救过程如图1。

根据信息化平台和用户的需求,大学的大学生心理应急系统的整体结构与物联网技术和计算智能技术的主要技术平台如图2。

整体架构图2表明,它分为四个部分:(1)设备层所需的硬件设备是一家集的建设平台。设备层底部的物联网平台和提供设备支持平台的总体架构使用设备层。设备层主要包括传感器、摄像头和手持设备,等等,并收集用户信息通过设备在设备层。使用设备(如心率呼吸率传感器和传感器,收集到的数据在不同的情况下检测到用户的心理状态。(2)平台提供网络支持平台通过光纤网络,无线网络和校园网络,并使用网络层实现接待、传输和共享精神卫生学院用户的数据,并实现信息和资源的传播的各种设备和用户通过网络。(3)的物联网层平台包括三个部分:功能层、智能处理层和数据层,通过这些分析,存储和集成的大规模实现心理健康数据。大学数据层负责存储用户信息,用户的心理数据,相关服务数据和数据记录;智能处理层使用相关物联网处理技术实现各种处理,如采矿、检索、分析、共享和融合大量的数据,并使用处理结果为用户提供信息,满足他们的需求;功能层提供了平台与信息等功能,语音和视频,并提供视频和语音应用程序层。应用程序层的功能服务。(4)应用程序层位于顶层的平台,这是直接体现为学院用户层高校心理健康服务。大学心理健康服务平台的应用程序层主要分为两个部分:大学用户模块和辅导员模块,分别为大学生服务,教师和辅导员。相关数据可以相互关联。

具体大学心理紧急组成如图3。情感的基于物联网的数据分析和心理应急系统和计算智能,它有三个主要组件,这是情感的数据分析部分,测量数据的收集,和心理紧急的部分。为了弥补之前的情感数据分析的缺陷和心理应急系统,比如可怜的有效性和大型设计错误,需要收集网络数据样本在监控对象,以便促进积极收集数据,如情绪波动和心理状态的监控对象,通过检测监控人的面部信息,然后使用情感数据分析部分,以确定他们的情绪波动和心理状态,当监视的人有一个很大的情绪波动或异常心理状态,应急系统将紧急问题。

3.1。人类表达数据的收集

人类情感表达的方式之一是通过面部活动,这被称为表达式,表达式可以用来理解人类情感的指标。表达式,它们的不同组合形成的人类的五种感官和面部肌肉,这使得他们一个重要的方式来表达情感,当人们交流。各种表情产生的人们中,常见的表达大致可以分为6种类型:快乐,厌恶,恐惧,悲伤,惊讶和愤怒,此外,多个表达式可以加剧生产更复杂的表达式,例如,悲伤和愤怒是生产复合表达式。心理健康领域的治疗,为了更好地解决病人的精神疾病,有必要掌握病人的变化表达式和心理波动。

3.2。面部表情识别

越来越多的人意识到面部表情识别技术的应用价值,和技术也在短短几十年里取得了快速发展。,当人们运用面部表情识别技术,他们经常需要降噪的脸图像,然后提取特征,如图像中轮廓和断点,以便分析的心情面对图像中根据其表达特性,然后做出相应的分类,然而,这种技术方法只是一个肤浅的学习方法,这是因为人们的面部表情特征提取是更多的是困难的和提取的数据量也是非常大的,这使得它迫切需要面部表情识别技术的优化应用程序稳定。深度学习的面部表情识别技术为核心的可以更好的提取面部特征图像,更深的学习方法掌握面部特征的提取在图像通过大量的学习。时间和节省大量劳动力成本。

在分析人类的面部表情,有必要掌握它们的阴影产生的不同组合形式变化和面部肌肉形态,因此有必要定义的特性,人类面部表情单位在每个地区因此,和具体的定义公式可以表示如下:

在上面的方程中,归一化后的欧几里得距离不同的特征点表示 ,这些特征点生成的德劳内三角形表示 。在此系统中,德劳内三角形用于分解图像中的人脸,有107个这样的三角形。伽柏过滤器也使用这个系统来处理人类大脑皮层未加工单位形象。

作为人类特有的表情,面部活动,是由人类的情感投射的指标。大多数表达式是各种面部肌肉的组合和美国的五种感官,是不可或缺的表达情感信息和调节人际关系在人际交往的过程。至少有12种人类面部表情,包括意外(可分解为快乐和惊奇),悲伤和愤怒(可分解为悲伤和愤怒)和其他15个化合物表情,除了6共同幸福的情感,惊奇的是,悲伤、愤怒、厌恶和恐惧。面部表情识别(带)日益显示其优越的应用价值的深度学习技术的广泛应用。

带技术的通用识别和日益增长的需求,以及心理学的发展,计算机科学和其他相关学科,带技术已经取得了很大的进步。在传统带技术,筛选脸图像去噪等预处理,提取和轮廓等特征角和断点是实现脸图像的分类不同的情绪,如图4。它的特征提取方法和肤浅的学习方法难以适应高要求的稳定识别技术由于数据量的增加和准确性的要求。

与传统带出特征提取算法,拿来,基于深度学习,有更好的图像特征提取能力。自的组合深度学习网络预测和工程特性消除了手工特征提取的步骤,它减少了时间和劳动成本的手工传统带的特征提取的方法。

人类面部表情分析结合形态学和影子变化的面部肌肉,从而定义特性在不同地区的行动单元(AU)的脸,如下: 在哪里是特征点之间的欧几里得距离归一化后,然后呢 是德劳内特征点之间的三角形。面部图像分解成107三角形使用德劳内三角测量,角度向量 特征向量的角度估计吗 。

未经加工的大脑图像单位使用伽柏过滤器来创建函数。 在哪里 在哪里表示波长,表示方向,表示阶段,表示空间长宽比表示过滤器的规模(标准差的高斯窗口)。

图片的特征向量我届非盟在伽柏过滤器jth采样得到

3.3。情感数据分析系统建设

深度学习仍然有两个主要问题领域的信心数据分析:小样本数据集的大小和深度学习网络的鲁棒性差,内部类的变化数据。

映射激励函数, - - - - - -所选函数类型如下:

网络训练过程如下:(1)选择数据集,初始化权重 并使周围的绝对值0,初始化精度控制参数和学习速率 。(2)选择照片样本训练机 ;(3)计算 - - - - - -术语实际输出之间的误差向量和目标输出向量。 (4)计算的误差隐层的节点。 (5)计算重量的变化阈值的数量。 (6)调整权重和阈值。

判断是否满足精度要求: 。

如图5这一次,监督神经网络构造。

使用落后的学习算法,神经网络的权重系数不断更新。如果培训满足精度要求,权重和阈值保存培训完成。

3.4。情感基于物联网的数据分析和心理应急系统和计算智能

情感研究的基于物联网的数据分析和心理应急系统和计算智能算法设计受内部类的差异是由于不同条件下系统的反馈的图片,和内部类差异将严重影响神经网络的训练结果,所以为了确保BP神经网络能够具有良好的鲁棒性在应用过程中,以便获得准确的训练结果,有必要选择多源数据库被选中。使用多源数据库中存储的样本对BP神经网络训练可以极大地丰富人脸的面部图像,从而大大减少了非盟盟和强度之间的相关性和样本。此外,合理的选择对样本数据的访问可以避免人为因素的主观干扰的过程中图像的选择。

物联网的架构设计BP神经网络数据库和基于计算智能的情感数据分析和心理应急响应系统,并使用它为基础,系统不再使用以前的Windows操作系统,而是使用机器人操作系统,叫做ROS机器人操作系统在英语。ROS系统。ROS的应用系统的基础上,为了达到收购的面部数据监控对象,相机也安装在系统硬件设备,摄像机Kinect 2.0 RGBD,具体配置如下:RGB分辨率2.0 Kinect RGBD相机是1024×768,深度分辨率为512×424,探测器的数量是6人探测范围0.5∼4.5米,和检测角度是70度。通过建立心理应急系统,如果检测到主体的心理状态波动异常在监测过程中,系统可以结合前面发现心理情况进行综合分析和提供必要的帮助信息的电子终端检测到主题的帮助下应急响应的UDP通信协议。

基于BP神经网络的体系结构数据库,使用ROS的心理应急系统是建立机器人操作系统,如图6。Kinect 2.0 RGBD深度相机是用来收购主体的面部数据,和Kinect摄像头的配置如表所示1。通过分析上面的情感分析系统中,如果主题显示不正常心理波动,结合综合分析主题的心理情况,紧急和帮助消息被发送到主题的电子终端使用UDP通信协议。

4所示。实验

测试的有效性基于物联网的高校应急管理系统和计算智能技术对大学生紧急响应、学院和大学的1000名学生在课堂上在某一个地方2018年被选为实验对象。平台服务的结果在这所大学的学生的心理健康如表所示2。平台可以满足用户的各种测试指标成功运作,与平台执行每个操作响应时间低于300 ms,这有效地表明应急平台设计的论文具有较高的效率,和实时平台高,可以满足实时需求的用户。

为了证明该平台的有效性,它是与个人的平台和新媒体技术平台。它可以看到从平台测试结果图7随着设备数量的增加,时间平台引入到文本将缩短;个性化的平台的实现时间和新媒体技术平台数量的增加而增加设备。平台试验结果表明,当硬件的数量很大,平台执行在文本中是更重要的。

在这项研究中,1000名大学生被选为调查对象,研究平台的使用,以保证学生的心理健康,体验和感知的统计数据,如表所示3。据统计在表3,88.4%的学生认为这个平台可以帮助学生正确地判断他们的心理健康状况;90.1%的学生认为该平台可以阐明影响心理健康的问题;它可以帮助用户适应特定的问题,影响他们的心理健康;超过90%的用户认为这个平台可以通过合理的评估他们的心理健康状况心理健康指标体系;平台更有效。超过90%的用户认为这个平台可以评估用户的心理状态通过一个合理的心理健康指标体系;平台的应急响应效率高;这个平台帮助用户更好地理解他们的心理健康状况;用户可以使用这个平台与顾问保持良好的联系,获得所需的心理效应。结果有效地验证了平台的有效性和为用户提供有效地应对突发事件的能力。

4.1。验证识别精度

所构造的神经网络使用一个测试组进行测试,结果如表所示4。

4.2。稳定性验证

Kinect摄像头捕捉到的图像流,使用OpenCV库进行相应的预处理,然后上面的情绪分析系统设计用于深入分析主体的心理和情绪波动,然后多源数据库的稳定性检查。在应用的过程中多源数据库,验证方法必须设置为了验证测试算法的稳定性。方法如下:首先选择数据库以随机的方式,与两个,然后用于训练网络,必须独立使用的验证数据集。实验方法有三种,一种是获得一个训练的结果,平均价值,另一个是获取相同的训练结果分析条件验证培训结果接近或相同。最后一个是估计的平均误差的强度行动组合。考虑到不同的数据集在拍摄过程中,或多或少的不同差异的内部类差异图像存储在不同的数据库是相对较高的。具体方法是选择任意两个数据库网络培训和使用剩下的一个独立数据集进行验证,实验设计可以在三个方面,如图8。图8(一个)显示了每个培训及其平均值的结果;图8 (b)显示了行动组的平均估计误差强度强度(AU)在同样的分析测试条件。因为每个数据集不是以同样的方式捕获的,和有一个高内部类图像数据库之间的差异。

4.3。实时验证心理应急响应

验证的准确性和及时性提出系统发行心理紧急事件,四组的匿名人随机选择,然后两个操作系统,ROS和Ubuntu,用于构建心理应急系统,以确定上述四组的心理状态的匿名人,以区分这四组的匿名人是正常的人,抑郁的人,和焦虑的人。心理应急系统建立了识别四个匿名群体的心理状态,以区分这四组的正常,抑郁和焦虑。心理应急系统使用时,结果与实际数据进行比较的人口分析心理应急系统的识别结果是否正确。比较的结果如图所示9和心理反应系统的有效性可以充分证明。

通过观察图的识别结果9我们可以理解,本文构造的心理应急系统能成功地识别双患有焦虑症,也就是说,双相的人情绪易怒和沮丧的状态。后的原因是这些人患有焦虑症,其表达变化将产生更为明显的异常特征,而正常人的识别是最高的。

5。结论

大学生的心理危机干预是一项系统工程,在细致的预警信息收集系统,一个完整的心理危机预防机构,有序的危机干预机制和专业的心理危机干预队伍是必不可少的。心理危机干预工作人员必须了解大学生心理危机的发展规律,掌握心理危机信号,根据学校各部门的密切合作,为了有效地心理危机预警,危机干预和采取必要的措施,因此,危机真的变成了一个学生成长的机会。

数据可用性

使用的实验数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者声明,关于这项工作他们没有利益冲突。