具体实施方式

下面通过具体实施方式进一步详细的说明：

实施例1

本发明心理危机预警系统实施例基本如附图1所示，包括：

采集模块，用于实时采集监控视频；

语音模块，用于提取监控视频中检测对象的语音数据，并根据语音的特点初步判断检测对象是否可能出现心理危机：如果检测对象不可能出现心理危机，判定不需要预警；反之，如果检测对象可能出现心理危机，发送指令到视频模块进行再次判断；

视频模块，用于提取监控视频中的图像数据，分析图像中检测对象的肢体动作，并根据肢体动作的特点再次判断检测对象是否可能出现心理危机：如果检测对象不可能出现心理危机，判定不需要预警；反之，如果检测对象可能出现心理危机，发送指令到特征模块进行最终判断；

特征模块，用于提取监控视频中的面部图像，分析检测对象的人体特征数据，判断检测对象是否处于紧张状态：如果检测对象没有处于紧张状态，判定检测对象没有出现心理危机，不需要预警；反之，如果检测对象处于紧张状态，判定检测对象出现心理危机，需要预警，并发送指令到预警模块进行预警；

预警模块，用于接收指令，并进行预警。

在本实施例中，采集模块为摄像头，语音模块、视频模块与特征模块均集成在服务器上，通过软件/程序/代码实现其功能，预警模块为蜂鸣器。

具体实施过程如下：

S1、采集模块实时采集监控视频。

将摄像头安装在教室里，实时采集教室里的监控视频，并将采集的监控视频发送到服务器。

S2、语音模块提取监控视频中检测对象的语音数据，并根据语音的特点初步判断检测对象是否可能出现心理危机：如果检测对象不可能出现心理危机，判定不需要预警；反之，如果检测对象可能出现心理危机，发送指令到视频模块进行再次判断。

具体而言，服务器上搭载有Praat语音分析软件，Praat语音分析软件能够获取教师中学生们在谈话过程中音高较高的词、说话时间较长的词以及出现频率较高的词。本实施例中，由Praat语音分析软件对监控视频中的语音数据进行分析，得到分析结果。

比如说，如果Praat语音分析软件的分析结果表明，教室里很安静，基本上没有任何声音。在这种情况下，教室里的学生出现过激行为的概率很小，故而可以直接判定教室里的学生没有可能出现心理危机。

再比如说，如果Praat语音分析软件的分析结果表明，语音中提到某些粗话、脏话、骂人的话时，有一个或者数个学生的音高比较高，高于整个语音中平均音调的10％，这说明可能有学生在进行争吵，争吵的学生可能会出现心理危机，故而有可能会出现过激行为。这时，语音模块判定检测对象可能出现心理危机，故而发送指令到视频模块进行再次判断。

S3、视频模块提取监控视频中的图像数据，分析图像中检测对象的肢体动作，并根据肢体动作的特点再次判断检测对象是否可能出现心理危机：如果检测对象不可能出现心理危机，判定不需要预警；反之，如果检测对象可能出现心理危机，发送指令到特征模块进行最终判断。

具体而言，先对学生的情绪状况做出定性的解读，也即根据肢体动作判断学生的当前状态，当前状态包括普通状态、接近状态、纠纷状态和打架状态；然后根据判断的当前状态对学生的肢体动作的趋势进行预判。比如说，通过图像识别技术获取教室里学生的肢体动作，以及相邻两个学生之间的间距，根据学生之间的间距对学生的状态进行分析，判断学生的当前状态：1m以上普通状态、0.5～1m为接近状态、0.3～0.5m为纠纷状态、0～0.3m为打架状态。如果学生的状态为普通状态，由于间距较远，发生冲突的可能性较小，故而可直接判定学生不可能出现心理危机。

反之，如果学生的状态为接近状态，由于间距较近，可能会出现冲突，这时对学生的肢体动作的趋势进行预判。本实施例中，服务器上搭载有FaceReader软件，该软件可识别愉快、悲伤、害怕、厌恶、惊讶、愤怒、自然和轻蔑等表情，通过FaceReader软件识别学生的面部表情，然后根据面部表情预测肢体动作的趋势。如果学生的面部表情为“愉快”、“自然”，则对肢体动作的趋势做出“良好”的预判；如果学生的面部表情为“愤怒”、“厌恶”，则对肢体动作的趋势做出“恶化”的预判。

如果肢体动作的趋势为“恶化”，说明学生可能出现心理危机，但是还是需要最终的判断，也即发送指令到特征模块进行最终判断。

S4、特征模块提取监控视频中的面部图像，分析检测对象的人体特征数据，判断检测对象是否处于紧张状态：如果检测对象没有处于紧张状态，判定检测对象没有出现心理危机，不需要预警；反之，如果检测对象处于紧张状态，判定检测对象出现心理危机，需要预警，并发送指令到预警模块进行预警。

具体而言，当接收到视频模块发来的最终判断指令时，特征模块提取监控视频中的面部图像，分析学生的人体特征数据，判断学生是否处于紧张状态；然后，根据学生是否处于紧张状态，判定学生是否出现心理危机，是否需要预警。

本实施例中，人体特征数据包括微表情数据和微动作数据，将监控视频中学生人脸的微小变化输入到神经网络进行深度学习，从而获取微表情数据；将监控视频中学生的微小动作放大并检测其变化规律，从而获取微动作数据。如果微表情数据中，某个学生皱眉头的时间在1/25秒左右，或者微动作数据中某个学生紧握拳头的时间在1/25秒左右，都可判定该学生处于紧张状态，也即该学生出现了心理危机。这时，特征模块发送指令到预警模块进行预警。

另外，本实施例中人体特征数据还包括心率、血氧浓度和血压差，心率、血氧浓度和血压与心理状况、紧张状态密切相关，且不受人的意识控制，通过这些数据也可以客观、准确地解读检测对象的内心状况。比如说，将学生的面部图像区域选取出来，检测呼吸时毛细血管充血的变化规律，即可获取检测对象的心率和血氧浓度；检测人体部位血流速度的相位差，即可获取检测对象的血压差，具体可参照现有技术。在得到学生心率、血氧浓度和血压差的数据后，逐一判断这三个数据是否位于其标准区间内，标准区间可参照医学资料，比如说，正常人心率一般为60～100次/分。

如果这三个数据均位于其标准区间内，判断学生没有处于紧张状态，也即该学生没有出现心理危机，不需要预警；反之，如果这三个数据有一个及其以上没有位于其标准区间内，判断学生处于紧张状态，也即该学生出现了心理危机，需要预警。

S5、预警模块进行预警。

当接收到指令后，预警模块进行预警。比如说，蜂鸣器发出“教室里有状况，请老师快速处理”的语音。

实施例2

与实施例1不同之处仅在于，当判定学生出现心理危机后，根据人体特征数据对检测对象分类。比如说，根据心率数据进行分类，如果该学生心率为140次/分，表明其情绪波动比较大，可能会有暴力倾向，并将其定义为“比较严重”，从而提示老师重点关注。同时，将“暴力倾向”作为该学生的核心特征，后续老师针对性地进行教育，从而尽可能降低其过激行为。

实施例3

与实施例2不同之处仅在于，通过交互式询问对学生进行角色识别，也即确定学生为温和型，还是激进型；其中，温和型的学生遇事冷静、不容易激动，情绪波动小；激进型的学生遇事冲动、容易激动，情绪波动大。

在本实施例中，服务器上还搭载有麦克风和FaceReader软件，通过引导式的方法询问学生某些问题，比如说，“当看到朋友被坏人殴打时，应该是冲上去帮忙，还是报警呢？”；与此同时，摄像头拍摄学生回答问题时的面部表情的照片，并将照片发送到服务器上，FaceReader软件对学生的面部表情进行分析。

FaceReader软件能够对学生的面部表情进行自动分析：如果学生的回答为“报警”，且面部表情为“愉快”或者“自然”，说明该学生遇事冷静、不容易激动，情绪波动小，为温和型的学生；反之，如果学生的回答为“冲上去帮忙”，且面部表情为“厌恶”、“愤怒”或者“轻蔑”，说明该学生遇事冲动、容易激动，情绪波动大，为激进型的学生，应当重点进行监视以便于及时预警。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。