買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉阿呆科技(北京)有限公司申請的專利抑郁癥狀特征獲取裝置、系統(tǒng)、方法和存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115376171B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202110538780.5，技術(shù)領(lǐng)域涉及：G06V40/16；該發(fā)明授權(quán)抑郁癥狀特征獲取裝置、系統(tǒng)、方法和存儲介質(zhì)是由李岱;柏德祥;鄭芮設(shè)計(jì)研發(fā)完成，并于2021-05-18向國家知識產(chǎn)權(quán)局提交的專利申請。

本抑郁癥狀特征獲取裝置、系統(tǒng)、方法和存儲介質(zhì)在說明書摘要公布了：本申請涉及一種基于面部表情變化的抑郁癥狀特征獲取裝置、系統(tǒng)、方法和存儲介質(zhì)，所述裝置包括：視頻流獲取模塊，用于獲取目標(biāo)用戶的面部表情的視頻流，視頻流中包含目標(biāo)用戶變化的多個面部表情；第一特征張量獲取模塊，用于獲取視頻流的視頻幀數(shù)量以及視頻流中各幀視頻的面部表情特征，并根據(jù)視頻幀數(shù)量以及各幀視頻的面部表情特征得到第一特征張量；第二特征向量獲取模塊，用于將第一特征張量輸入到預(yù)先訓(xùn)練的自注意模型，得到預(yù)先訓(xùn)練的自注意模型輸出的第二特征向量，第二特征向量表征出目標(biāo)用戶的抑郁癥狀特征。上述裝置能夠提高抑郁癥狀態(tài)特征分析結(jié)果的準(zhǔn)確度。

本發(fā)明授權(quán)抑郁癥狀特征獲取裝置、系統(tǒng)、方法和存儲介質(zhì)在權(quán)利要求書中公布了：1.一種基于面部表情變化的抑郁癥狀特征獲取裝置，所述裝置包括： 視頻流獲取模塊，用于獲取目標(biāo)用戶的面部表情的視頻流，所述視頻流中包含所述目標(biāo)用戶變化的多個面部表情； 第一特征張量獲取模塊，用于獲取所述視頻流的視頻幀數(shù)量以及所述視頻流中各幀視頻的面部表情特征，并根據(jù)所述視頻幀數(shù)量以及所述各幀視頻的面部表情特征得到第一特征張量； 第二特征向量獲取模塊，用于將所述第一特征張量輸入到預(yù)先訓(xùn)練的自注意模型，得到所述預(yù)先訓(xùn)練的自注意模型輸出的第二特征向量，所述第二特征向量表征出所述目標(biāo)用戶的抑郁癥狀特征，所述預(yù)先訓(xùn)練的自注意模型用于根據(jù)所述第一特征張量確定所述各幀視頻的面部表情特征對應(yīng)于抑郁狀態(tài)的重要度并根據(jù)所述重要度輸出所述第二特征向量； 自注意模型構(gòu)建模塊，所述自注意模型構(gòu)建模塊包括： 第三特征向量獲取單元，用于根據(jù)確定出第三特征向量，其中，表示所述第三特征向量，所述第三特征向量為表示所述第一特征張量中各幀視頻的重要度的向量，表示所述第一特征張量，為表示所述視頻流中相應(yīng)視頻幀在區(qū)分抑郁癥用戶和健康用戶的面部表情差異化的表征向量； 位置信息獲取單元，用于根據(jù)確定中值大小排在前位的個值的位置信息，表示中值大小排在前位的個值的位置信息，表示提取中值大小排在前位的個值，表示提取的個值的位置信息，表示正整數(shù)； 第四特征向量獲取單元，用于根據(jù)確定出第四特征向量，表示所述第四特征向量，表示從中提取的各元素對應(yīng)在中的各行元素并將所述各行元素組合得到的特征向量； 重要度獲取單元，用于根據(jù)確定出所述第四特征向量中各元素的重要度，表示所述第四特征向量中各元素的重要度，為表示中相應(yīng)視頻幀在區(qū)分抑郁癥用戶和健康用戶的面部表情差異化的表征向量，表示函數(shù)； 抑郁癥狀特征獲取單元，用于根據(jù)確定出所述抑郁癥狀特征，表示所述第二特征向量； 自注意模型的訓(xùn)練模塊，所述自注意模型的訓(xùn)練模塊包括： 訓(xùn)練數(shù)據(jù)獲取單元，用于獲取抑郁癥用戶的面部表情的視頻數(shù)據(jù)和健康用戶的面部表情的視頻數(shù)據(jù)； 隨機(jī)值設(shè)置單元，用于隨機(jī)初始化所述和所述； 模型訓(xùn)練單元，用于將所述抑郁癥用戶的面部表情的視頻數(shù)據(jù)和所述健康用戶的面部表情的視頻數(shù)據(jù)輸入到所述自注意模型，通過計(jì)算交叉熵?fù)p失并利用深度學(xué)習(xí)的梯度更新算法以及反向傳播算法更新所述和所述，得到所述預(yù)先訓(xùn)練的自注意模型。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人阿呆科技(北京)有限公司，其通訊地址為：100020 北京市朝陽區(qū)甘露園南里25號(三期)8號樓23層2305室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。