本发明涉及计算机，具体而言，涉及一种基于多维度因素的抑郁情绪程度预估方法及系统。
背景技术：
1、目前，抑郁症已然成为一种常见的心理病症。而对于抑郁症在刚开始出现时能够对其进行判别，从而积极进行治疗。抑郁症的症状包括情绪低落、睡眠不好、食欲问题等情况。在对抑郁症进行判断时，主要采用心理疏导和身体的物理检测时进行判断。但是心理疏导时通常会由于用户的不配合产生回答的有关抑郁症状的问题而错误或随便选择。所以需要对其进行判断。并且使用单一维度会导致抑郁倾向程度的判别不够准确。
技术实现思路
1、本发明的目的在于提供了一种基于多维度因素的抑郁情绪程度预估方法及系统，用以解决现有技术中存在的上述问题。
2、第一方面，本发明实施例提供了一种基于多维度因素的抑郁情绪程度预估方法，包括：
3、获得多个自我评估问题、对应的自我评估回答和对应的行为检测图像；所述自我评估问题为用户对自身的抑郁情绪的认知的问题；所述自我评估回答为对所述自我评估问题的回答；所述行为检测图像为用户在回答出自我评估回答时的身体姿态的图像；
4、通过图论，基于所述多个自我评估问题和对应的自我评估回答，构建所述自我评估回答之间的关系，得到自我评估图；
5、通过姿态检测网络，基于所述行为检测图像，进行用户的姿态检测，判断用户的姿态对应的自我评估回答的准确性，得到第一可检测回答准确值；多个行为检测图像对应获得多个第一可检测回答准确值；
6、基于所述多个行为检测图像和对应的第一可检测回答准确值，得到多个待检测行为图像；
7、通过行为变化检测网络，基于多个行为检测图像，预测待检测行为图像对应的自我评估回答，得到多个第二可检测回答准确值；
8、基于所述自我评估图、多个第一可检测回答准确值和多个第二可检测回答准确值，通过卡尔曼滤波，得到自我回答图；
9、根据所述自我回答图，进行抑郁情绪的预估，判断用户是否存在抑郁倾向。
10、可选的，所述通过图论，基于所述多个自我评估问题和对应的自我评估回答，构建所述自我评估回答之间的关系，得到自我评估图，包括：
11、根据n个自我评估问题，检测相同的关键词，得到m个自我评估问题集合；一个关键词对应一个自我评估问题集合；n和m是正整数；
12、根据m个自我评估问题集合，将所述多个自我评估回答分割为m个自我评估回答集合；
13、获得问题顺序；所述问题顺序表示自我评估问题中进行询问的顺序；
14、将所述自我评估回答集合中的值按照问题顺序进行连接，得到部分图；所述部分图中采用连接矩阵来存储图的连接关系；多个自我评估回答集合对应获得多个部分图；
15、将所述多个部分图中相同的自我评估回答进行连接，得到自我评估图。
16、可选的，所述姿态检测网络包括第一局部姿态网络、第一分类网络、第一整体姿态网络和第二分类网络。
17、可选的，所述通过姿态检测网络，基于所述行为检测图像，进行用户的姿态检测，判断用户的姿态对应的自我评估回答的准确性，得到第一可检测回答准确值，包括：
18、将所述行为检测图像输入第一局部姿态网络，提取姿态部分的四肢的特征，得到局部检测特征；
19、将所述局部检测特征输入第一分类网络，检测四肢的摆放姿态，得到局部四肢姿态；
20、将所述行为检测图像输入第一整体姿态网络，提取姿态部分的整体的特征，得到整体检测特征；
21、将所述整体检测特征和所述局部检测特征进行融合，增加局部构成的整体的特征，得到融合特征；
22、将所述融合特征输入第二分类网络，检测整体的姿态，得到整体姿态；
23、根据所述整体姿态和所述局部四肢姿态，判断用户是否抗拒回答，得到第一可检测回答准确值。
24、可选的，所述通过行为变化检测网络，基于多个行为检测图像，预测待检测行为图像对应的自我评估回答，得到多个第二可检测回答准确值，包括：
25、将相邻时间点对应的两个行为检测图像，设为第一行为检测图像和第二行为检测图像；所述第一行为检测图像的对应的时间点早于所述第二行为检测图像对应的时间点；
26、根据所述第一行为检测图像和第二行为检测图像的像素判断进行相似判断，判断是否发生突变；
27、若发生突变，将对应的第二行为图像设为突变图像；
28、将所述突变图像前一个时间点和后一个时间点对应的突变图像构建突变集合；
29、多个突变图像对应获得多个突变集合；
30、将所述突变集合按照时间点从早到晚输入时间卷积网络，判断用户姿态的变化情况，得到预测姿态；
31、根据所述预测姿态，找到姿态对应的标号，得到第二可检测回答准确值。
32、可选的，所述基于所述自我评估图、多个第一可检测回答准确值和多个第二可检测回答准确值，通过卡尔曼滤波，得到自我回答图，包括：
33、按照所述自我评估图，根据所述多个第一可检测回答准确值和多个第二可检测回答准确值，构建回答准确图；所述回答准确图中的连接方式与自我评估图相同；所述回答准确图中的值为第一可检测回答准确值或多个第二可检测回答准确值；
34、将所述回答准确图中起点对应的值、与起点相连接的值对应图和之间的连接关系进行提取，得到第一回答相邻图；
35、根据所述第一回答相邻图，通过卡尔曼滤波，预测下一时间点的自我评估回答和对应的自我评估问题，得到第一预测自我评估回答；
36、将所述回答准确图中预测自我评估回答对应的值、与起点相连接的值对应图和之间的连接关系进行提取，得到第二回答相邻图；
37、根据所述第二回答相邻图，通过卡尔曼滤波，预测下一时间点的自我评估回答和对应的自我评估问题，得到第二预测自我评估回答；
38、根据所述第二预测自我评估回答，对应获得预测自我评估回答；
39、依次将所述第一预测自我评估回答、第二预测自我评估回答和多个预测自我评估回答进行连接，得到自我回答图。
40、可选的，所述根据所述自我回答图，进行抑郁情绪的预估，判断用户是否存在抑郁倾向，包括：
41、将所述自我回答图输入抑郁倾向判别网络，根据用户多个时间中松弛状态下的进行的回答进行抑郁倾向的判别，得到抑郁倾向判别值；
42、所述判别值为1，表示用户存在抑郁倾向；所述判别值为0，表示用户未存在抑郁倾向。
43、可选的，所述基于所述多个行为检测图像和对应的第一可检测回答准确值，得到多个待检测行为图像，包括：
44、若所述第一可检测回答准确值大于准确阈值，将所述行为检测图像设为待检测行为图像。
45、可选的，所述姿态检测网络的训练集包括松弛姿态图像和抗拒姿态图像：所述松弛姿态图像表示用户放松情况下的身体姿态的图像；所述抗拒姿态图像表示用户对回答较为抗拒的情况下的身体姿态的图像。
46、第二方面，本发明实施例提供了一种基于多维度因素的抑郁情绪程度预估系统，包括：
47、获取模块：获得多个自我评估问题、对应的自我评估回答和对应的行为检测图像；所述自我评估问题为用户对自身的抑郁情绪的认知的问题；所述自我评估回答为对所述自我评估问题的回答；所述行为检测图像为用户在回答出自我评估回答时的身体姿态的图像；
48、图论模块：通过图论，基于所述多个自我评估问题和对应的自我评估回答，构建所述自我评估回答之间的关系，得到自我评估图；
49、姿态检测模块：通过姿态检测网络，基于所述行为检测图像，进行用户的姿态检测，判断用户的姿态对应的自我评估回答的准确性，得到第一可检测回答准确值；多个行为检测图像对应获得多个第一可检测回答准确值；
50、待检测图像判别模块：基于所述多个行为检测图像和对应的第一可检测回答准确值，得到多个待检测行为图像；
51、行为变化检测模块：通过行为变化检测网络，基于多个行为检测图像，预测待检测行为图像对应的自我评估回答，得到多个第二可检测回答准确值；
52、行为回答更新模块：基于所述自我评估图、多个第一可检测回答准确值和多个第二可检测回答准确值，通过卡尔曼滤波，得到自我回答图；
53、抑郁判别模块：根据所述自我回答图，进行抑郁情绪的预估，判断用户是否存在抑郁倾向。
54、相较于现有技术，本发明实施例达到了以下有益效果：
55、本发明实施例还提供了一种基于多维度因素的抑郁情绪程度预估方法和系统，所述方法包括：获得多个自我评估问题、对应的自我评估回答和对应的行为检测图像；所述自我评估问题为用户对自身的抑郁情绪的认知的问题；所述自我评估回答为对所述自我评估问题的回答；所述行为检测图像为用户在回答出自我评估回答时的身体姿态的图像；通过图论，基于所述多个自我评估问题和对应的自我评估回答，构建所述自我评估回答之间的关系，得到自我评估图；通过姿态检测网络，基于所述行为检测图像，进行用户的姿态检测，判断用户的姿态对应的自我评估回答的准确性，得到第一可检测回答准确值；多个行为检测图像对应获得多个第一可检测回答准确值；基于所述多个行为检测图像和对应的第一可检测回答准确值，得到多个待检测行为图像；通过行为变化检测网络，基于多个行为检测图像，预测待检测行为图像对应的自我评估回答，得到多个第二可检测回答准确值；基于所述自我评估图、多个第一可检测回答准确值和多个第二可检测回答准确值，通过卡尔曼滤波，得到自我回答图；根据所述自我回答图，进行抑郁情绪的预估，判断用户是否存在抑郁倾向。
56、本发明根据表征自身心理理解的问题问卷答案和行为多个维度来对抑郁情绪程度进行判断，即用回答问题时的行为的是放松还是躲避，对回答进行判断，由这些对自我评估的回答进行判断。图论表示一个问题接下来可以问多个问题，多个关键字相连的问题连续询问能够体现用户是否存在抑郁情况。身体姿态不仅和回答问题有关，还和情绪判断有关，回答问题的用户的状态也表明是否存在抑郁情绪。用户一是与无抑郁情绪的人的身体姿态的不同进行判断。二是根据用户整体的行动的连续的行为进行判断。本发明中，根据自我评估、自我评估时的局部四肢姿态和整体姿态，多个时间点的连续行动来判断是否存在抑郁情绪，达到了更加准确的抑郁情绪预估的效果。
1.一种基于多维度因素的抑郁情绪程度预估方法，其特征在于，包括：
2.根据权利要求1所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述通过图论，基于所述多个自我评估问题和对应的自我评估回答，构建所述自我评估回答之间的关系，得到自我评估图，包括：
3.根据权利要求1所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述姿态检测网络包括第一局部姿态网络、第一分类网络、第一整体姿态网络和第二分类网络。
4.根据权利要求3所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述通过姿态检测网络，基于所述行为检测图像，进行用户的姿态检测，判断用户的姿态对应的自我评估回答的准确性，得到第一可检测回答准确值，包括：
5.根据权利要求1所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述通过行为变化检测网络，基于多个行为检测图像，预测待检测行为图像对应的自我评估回答，得到多个第二可检测回答准确值，包括：
6.根据权利要求1所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述基于所述自我评估图、多个第一可检测回答准确值和多个第二可检测回答准确值，通过卡尔曼滤波，得到自我回答图，包括：
7.根据权利要求1所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述根据所述自我回答图，进行抑郁情绪的预估，判断用户是否存在抑郁倾向，包括：
8.根据权利要求1所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述基于所述多个行为检测图像和对应的第一可检测回答准确值，得到多个待检测行为图像，包括：
9.根据权利要求4所述的基于多维度因素的抑郁情绪程度预估方法，其特征在于，所述姿态检测网络的训练集包括松弛姿态图像和抗拒姿态图像：所述松弛姿态图像表示用户放松情况下的身体姿态的图像；所述抗拒姿态图像表示用户对回答较为抗拒的情况下的身体姿态的图像。
10.一种基于多维度因素的抑郁情绪程度预估系统，其特征在于，包括：
