[摘  要]近年來，因心理健康問題引發(fā)的大學(xué)生休學(xué)、退學(xué)甚至自殺等一系列惡性事件不斷增多，加強(qiáng)對(duì)大學(xué)生心理危機(jī)的預(yù)防和干預(yù)對(duì)心理育人具有重要意義。最近深度學(xué)習(xí)技術(shù)迅速發(fā)展，為計(jì)算機(jī)視覺、數(shù)據(jù)挖掘等技術(shù)帶來了突破性進(jìn)展。目前大學(xué)校園中已大規(guī)模部署了人臉識(shí)別系統(tǒng)，深度學(xué)習(xí)技術(shù)已可以根據(jù)人臉圖像實(shí)現(xiàn)情緒識(shí)別。針對(duì)大學(xué)生心理健康狀態(tài)監(jiān)控和預(yù)防工作的迫切需求，文章提出基于人臉識(shí)別情緒分析的心理危機(jī)實(shí)時(shí)預(yù)警策略。借助覆蓋全校的人臉識(shí)別系統(tǒng)，采用基于深度學(xué)習(xí)的情緒識(shí)別技術(shù)，實(shí)現(xiàn)在校大學(xué)生負(fù)性情緒實(shí)時(shí)跟蹤，以此對(duì)大學(xué)生心理危機(jī)進(jìn)行及時(shí)預(yù)警。此策略旨在依托深度學(xué)習(xí)、人臉識(shí)別等前沿技術(shù)，構(gòu)建大學(xué)生心理危機(jī)預(yù)警體系，實(shí)現(xiàn)心理危機(jī)干預(yù)的及早精準(zhǔn)介入，提高心理危機(jī)預(yù)防干預(yù)水平，這對(duì)高水平心理育人具有重要意義。

[關(guān)鍵詞]心理危機(jī)  大學(xué)生  情緒分析  人臉識(shí)別

課題：西北工業(yè)大學(xué)學(xué)生思想政治工作研究課題（課題編號(hào)：D5000210452）。

引  言

隨著我國(guó)高等教育由精英教育轉(zhuǎn)向大眾化教育進(jìn)程的推進(jìn)，因心理健康問題引發(fā)的大學(xué)生休學(xué)、退學(xué)甚至自殺等一系列惡性事件不斷增多。2017年中共教育部黨組發(fā)布了《高校思想政治工作質(zhì)量提升工程實(shí)施綱要》，將“心理育人”納入高?！笆蟆庇梭w系。對(duì)學(xué)生心理危機(jī)的干預(yù)預(yù)防是心理健康教育的關(guān)鍵環(huán)節(jié)，2018年中共教育部黨組印發(fā)了《高等學(xué)校學(xué)生心理健康教育指導(dǎo)綱要》，明確指出要形成教育教學(xué)、實(shí)踐活動(dòng)、咨詢服務(wù)、預(yù)防干預(yù)“四位一體”的心理健康教育工作格局。預(yù)防干預(yù)工作原則是加強(qiáng)預(yù)防干預(yù)，完善心理測(cè)評(píng)方式，優(yōu)化量表選用，禁止使用可能損害學(xué)生心理健康的方法和儀器。因此，加強(qiáng)對(duì)學(xué)生心理危機(jī)的預(yù)防和干預(yù)對(duì)心理育人具有重要意義，是高校思想政治工作的重要內(nèi)容。目前深度學(xué)習(xí)等技術(shù)迅速發(fā)展，如何結(jié)合這些前沿人工智能技術(shù)，實(shí)現(xiàn)大學(xué)生心理危機(jī)的實(shí)時(shí)預(yù)警，尚缺乏有效的實(shí)施策略。

現(xiàn)有大學(xué)生心理危機(jī)預(yù)警機(jī)制的局限性

高校十分重視大學(xué)生心理危機(jī)的監(jiān)控和預(yù)防工作，并積極構(gòu)建心理測(cè)評(píng)與篩查系統(tǒng)。目前普遍建立了新生心理測(cè)評(píng)、班級(jí)心理委員制度、朋輩心理輔導(dǎo)體制，初步形成了心理危機(jī)防范和干預(yù)體系。

1.基于心理健康測(cè)評(píng)的心理危機(jī)預(yù)警

人臉情緒識(shí)別是計(jì)算機(jī)理解人類情感的一個(gè)重要方向，也是人機(jī)交互的一個(gè)關(guān)鍵步驟。情緒識(shí)別主要指從靜態(tài)的照片或者動(dòng)態(tài)的視頻中選擇并識(shí)別表情狀態(tài)，從而實(shí)現(xiàn)對(duì)人類的情緒和心理變化的獲取。人臉情緒識(shí)別目前廣泛應(yīng)用于人機(jī)交互、情緒分析、娛樂、網(wǎng)絡(luò)教育和智能醫(yī)療。因此，如何提高面部情緒識(shí)別的準(zhǔn)確性是一項(xiàng)重要的研究?jī)?nèi)容之一。人臉情緒識(shí)別在醫(yī)療領(lǐng)域主要用于了解新型抗抑郁藥的效果，其可以根據(jù)患者人臉情緒的日常記錄進(jìn)行更準(zhǔn)確的藥物評(píng)價(jià)。在自閉癥兒童的治療中，人臉情緒識(shí)別可以輔助解讀自閉癥兒童情緒，幫助醫(yī)生做出判斷，進(jìn)一步改變自閉癥兒童的心理狀態(tài)，從而制定更準(zhǔn)確有效的治療方案。人臉情緒識(shí)別在教學(xué)領(lǐng)域的應(yīng)用可以使教學(xué)系統(tǒng)捕捉和記錄學(xué)生在學(xué)習(xí)過程中的情緒變化，為教師因材施教提供更好的參考。人臉情緒識(shí)別在交通領(lǐng)域可用于判斷飛行員或駕駛員的疲勞狀態(tài)，通過技術(shù)手段避免交通事故的發(fā)生。將人臉情緒識(shí)別應(yīng)用于日常生活中，如生活管理機(jī)器人可以根據(jù)人臉情緒識(shí)別來了解人的心理狀態(tài)和意圖，然后做出適當(dāng)?shù)姆磻?yīng)，從而提升人機(jī)交互的體驗(yàn)。近年來，人臉情緒識(shí)別技術(shù)發(fā)展迅速，許多學(xué)者對(duì)人臉情緒識(shí)別的發(fā)展做出了貢獻(xiàn)。其中，美國(guó)的麻省理工學(xué)院媒體實(shí)驗(yàn)室和日本的藝術(shù)媒體信息科學(xué)實(shí)驗(yàn)室具有很大的代表性。

心理測(cè)評(píng)是提前發(fā)現(xiàn)和預(yù)防學(xué)生心理健康問題的重要手段，通常是對(duì)大學(xué)新生或研究生新生在入學(xué)一個(gè)月內(nèi)進(jìn)行人格問卷（UPI）調(diào)查或心理健康測(cè)評(píng)（SCL-90），將篩查出有心理健康問題的學(xué)生分為不同類別，分別實(shí)施不同級(jí)別的關(guān)注或干預(yù)措施。然而該方法存在兩個(gè)問題：一是有很大一部分自殺或自傷、患心理疾病的個(gè)案在新生心理普查中沒有被篩查出來，而篩查出來的危機(jī)個(gè)案卻在大學(xué)期間沒發(fā)生任何心理危機(jī)。二是客觀突發(fā)事件是導(dǎo)致心理危機(jī)產(chǎn)生的最大因素之一，然而心理測(cè)評(píng)和篩查僅在新生開學(xué)時(shí)開展，無法進(jìn)行實(shí)時(shí)監(jiān)測(cè)。心理委員和朋輩心理輔導(dǎo)機(jī)制則主要依賴于學(xué)生主動(dòng)尋求幫助，然而學(xué)生普遍不愿主動(dòng)尋求幫助，上海師范大學(xué)心理咨詢與發(fā)展中心的心理專家坦言，學(xué)校有2萬多名學(xué)生，每年學(xué)校只有200多名學(xué)生前來咨詢，僅占學(xué)?？倢W(xué)生數(shù)的1%左右。因此，現(xiàn)有的預(yù)防干預(yù)體系在對(duì)因客觀突發(fā)事件引起的學(xué)生心理危機(jī)進(jìn)行預(yù)警和防范方面存在較大的局限性。

2.基于數(shù)據(jù)挖掘的心理危機(jī)預(yù)防

人臉識(shí)別技術(shù)由Woodrow Wilson Bledsoe在20世紀(jì)60年代提出，此后不斷改進(jìn)和優(yōu)化，逐漸趨于成熟，該技術(shù)在人們的日常生活中應(yīng)用得越來越廣泛?，F(xiàn)在越來越多地被用于智能手機(jī)的用戶認(rèn)證和設(shè)備安全，并被軍事和執(zhí)法部門的專業(yè)人士用于取證。近年來，隨著模式識(shí)別和人工智能的快速發(fā)展，人機(jī)交互技術(shù)領(lǐng)域的研究越來越多。人臉情緒識(shí)別作為智能人機(jī)交互的重要手段，具有廣泛的應(yīng)用背景，已被應(yīng)用于輔助醫(yī)療、遠(yuǎn)程教育、互動(dòng)游戲和公共安全等領(lǐng)域。人臉情緒識(shí)別通過計(jì)算機(jī)圖像處理技術(shù)從原始輸入的人臉情緒圖像中提取特征信息，并根據(jù)人的情緒表現(xiàn)對(duì)人臉情緒特征進(jìn)行分類。人臉情緒識(shí)別在情緒量化研究中起著重要作用。在人工智能發(fā)展趨勢(shì)下，人與計(jì)算機(jī)之間的交流變得越來越容易。因此，大力推進(jìn)人臉情緒識(shí)別技術(shù)的研究，對(duì)個(gè)人和社會(huì)的發(fā)展具有重要價(jià)值。

隨著數(shù)據(jù)挖掘、人工智能等技術(shù)的快速發(fā)展，語義識(shí)別等技術(shù)已應(yīng)用于人們的日常生活。在大學(xué)生心理危機(jī)預(yù)警方面，通過對(duì)心理健康測(cè)評(píng)數(shù)據(jù)、學(xué)生手機(jī)端APP數(shù)據(jù)等的挖掘，對(duì)情緒狀態(tài)進(jìn)行識(shí)別成為近年來的熱點(diǎn)。2008年，日本德島大學(xué)（The University of Tokushima）Li等針對(duì)日益增多的大學(xué)生自殺現(xiàn)象，提出通過大學(xué)生的網(wǎng)絡(luò)博客識(shí)別大學(xué)生情緒，并開發(fā)了博客情感識(shí)別系統(tǒng)，以使心理咨詢師能對(duì)重點(diǎn)學(xué)生的情感信息進(jìn)行準(zhǔn)確監(jiān)測(cè)。印度學(xué)者Kedar等提出利用筆跡識(shí)別實(shí)現(xiàn)自動(dòng)情緒識(shí)別。隨后國(guó)內(nèi)學(xué)者也逐步開展了基于情緒識(shí)別的心理健康監(jiān)測(cè)方面的研究。2015年，武漢科技大學(xué)提出將數(shù)據(jù)挖掘技術(shù)應(yīng)用于大學(xué)生心理普查數(shù)據(jù)庫(kù)，并建立了基于決策樹和BP神經(jīng)網(wǎng)絡(luò)的心理危機(jī)預(yù)防模型，以提高系統(tǒng)在心理危機(jī)預(yù)防應(yīng)用中的有效性。在基于語義情緒識(shí)別的相關(guān)研究方面，2019年，北京郵電大學(xué)利用深度學(xué)習(xí)技術(shù)，開展了基于情緒識(shí)別的心理分析應(yīng)用研究，開發(fā)了手機(jī)移動(dòng)端APP“iMood”心理分析應(yīng)用，提出將改進(jìn)的C-BiL深度學(xué)習(xí)模型用于文本分類，完成對(duì)情緒的五種分類識(shí)別，進(jìn)而實(shí)現(xiàn)大學(xué)生心理狀態(tài)分析。然而上述應(yīng)用需要學(xué)生利用手機(jī)端應(yīng)用軟件主動(dòng)尋求幫助，同時(shí)側(cè)重于文本等信息的利用，實(shí)際中學(xué)生主動(dòng)尋求幫助的比例很小，這極大地限制了上述研發(fā)的推廣應(yīng)用。

基于人臉識(shí)別系統(tǒng)情緒分析的心理危機(jī)實(shí)時(shí)預(yù)警策略

深度學(xué)習(xí)技術(shù)的快速發(fā)展，為計(jì)算機(jī)視覺、數(shù)據(jù)挖掘等技術(shù)帶來了突破性進(jìn)展，通過對(duì)人臉表情等大數(shù)據(jù)的挖掘，對(duì)情緒狀態(tài)進(jìn)行識(shí)別成為近年來的研究熱點(diǎn)。人臉表情是傳遞情緒狀態(tài)的重要途徑，人的面部表情包含了55%的情感信息，情緒是心理健康的根本標(biāo)志。心理學(xué)家認(rèn)為人類面部表情可以表達(dá)人的多種情緒，包括復(fù)合情緒或混合情緒。隨著深度學(xué)習(xí)技術(shù)的迅速發(fā)展，在人臉識(shí)別的基礎(chǔ)上，國(guó)內(nèi)外學(xué)者進(jìn)行了人臉表情及情緒的高效準(zhǔn)確識(shí)別研究，并取得了較好的效果。相較于傳統(tǒng)方法，深度神經(jīng)網(wǎng)絡(luò)在許多圖像識(shí)別任務(wù)中有很大優(yōu)勢(shì)，其中面部情緒識(shí)別是下一代人機(jī)交互工作中用于臨床實(shí)踐和行為描述的一個(gè)必要過程。目前學(xué)者已經(jīng)提出了基于情緒識(shí)別的教學(xué)評(píng)估系統(tǒng)，并嘗試在教學(xué)監(jiān)控系統(tǒng)中進(jìn)行部署，上述研究為心理健康狀態(tài)監(jiān)測(cè)提供了借鑒。

1.基于深度學(xué)習(xí)技術(shù)的人臉情緒識(shí)別

計(jì)算機(jī)領(lǐng)域的情緒識(shí)別研究主要集中于特征提取和特征分類方面，特征提取是指從輸入的圖片或視頻流中提取可用于分類的特征。在圖像識(shí)別方面，目前卷積神經(jīng)網(wǎng)絡(luò)（CNN）已經(jīng)逐漸成為深度學(xué)習(xí)技術(shù)中最主流的方法。Mollahosseini等人利用Inception層進(jìn)行外貌識(shí)別的研究，并取得了很好的成果。在Inception層的創(chuàng)新之后，學(xué)者們又進(jìn)一步提出了一些變種。除此之外，循環(huán)神經(jīng)網(wǎng)絡(luò)最近在處理連續(xù)數(shù)據(jù)方面取得了很大的成功，如語音識(shí)別、自然語言處理、音頻識(shí)別等。然后還能夠使用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）將圖像的各個(gè)部分按一定方向掃描成特定序列后進(jìn)行處理。由于能夠記憶過去的輸入信息，RNN有能力學(xué)習(xí)圖像的相對(duì)依賴關(guān)系，這與CNN相比是很有優(yōu)勢(shì)的，原因是CNN因?yàn)榫矸e層和池化層的相對(duì)位置而無法學(xué)習(xí)整體的依賴關(guān)系。因此，RNN通常與CNN相結(jié)合，以便在圖像處理任務(wù)中取得更好的結(jié)果，例如圖像識(shí)別和分割。

具體到情緒識(shí)別方面，Khorrami等人開發(fā)了一種使用CNN和RNN的方法，以對(duì)視頻數(shù)據(jù)進(jìn)行情緒識(shí)別。Chernykh等人提出了CNN+RNN的方法用于視頻和語音識(shí)別。Xie和Hu提出了一個(gè)新的卷積神經(jīng)網(wǎng)絡(luò)，能夠最大限度地減少網(wǎng)絡(luò)學(xué)習(xí)到的相同特征之間的冗余，通過篩選同一層過濾器之間的共同信息，可以為下一層提供一個(gè)足夠清晰的特征集合，具有更加緊湊的圖像表示。同時(shí)還做了一個(gè)實(shí)驗(yàn)，使用CNN來捕獲視頻中的人臉情緒，并以此作為實(shí)驗(yàn)的控制器。這項(xiàng)工作驗(yàn)證了實(shí)時(shí)運(yùn)行CNN的同時(shí)對(duì)輸入中識(shí)別到的情緒進(jìn)行平均的可能性，這能夠降低輸入的誤差和噪音的影響。Levi等人的最新研究提出了使用CNN進(jìn)行面部情緒識(shí)別的重要改進(jìn)，同時(shí)他們還說明了影響人臉情緒識(shí)別精度的兩個(gè)主要原因：一是用于訓(xùn)練深度CNN的可用數(shù)據(jù)量少，二是輸入圖像的外觀相似性通常會(huì)受到光照差異的影響。

在基于情緒識(shí)別的心理健康監(jiān)測(cè)方面，2017年，華南理工大學(xué)采用深度學(xué)習(xí)方法實(shí)現(xiàn)了人臉圖像采集、情緒識(shí)別、身份識(shí)別等功能，開發(fā)了電腦端和手機(jī)端應(yīng)用軟件，實(shí)現(xiàn)了老年人情緒的實(shí)時(shí)監(jiān)測(cè)與預(yù)警。2019年，宋永生通過調(diào)用OpenCV及百度AI人臉識(shí)別接口，實(shí)現(xiàn)了對(duì)學(xué)生學(xué)習(xí)過程中情緒變化的捕捉，并及時(shí)將統(tǒng)計(jì)分析結(jié)果向教師反饋，以此提高教學(xué)效果。然而上述研究均未針對(duì)學(xué)生心理狀態(tài)監(jiān)測(cè)開展。為此，袁磊等研發(fā)手機(jī)端情緒識(shí)別軟件，通過大學(xué)生在手機(jī)端軟件的自拍照，對(duì)其進(jìn)行情緒分析，以此對(duì)學(xué)生進(jìn)行心理健康監(jiān)測(cè)。2021年，荷蘭代爾夫特理工大學(xué)Datcu等針對(duì)智能手機(jī)開發(fā)了一個(gè)應(yīng)用，該應(yīng)用可以通過對(duì)使用者的自拍照進(jìn)行情緒識(shí)別，并進(jìn)一步辨別其危機(jī)狀態(tài)，建立了用于情緒識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)，并通過遷移學(xué)習(xí)提高情緒識(shí)別的精度。

從上述分析可以看出，針對(duì)大學(xué)生心理健康狀態(tài)監(jiān)控和預(yù)防工作的迫切需求，利用深度學(xué)習(xí)技術(shù)，通過對(duì)人臉識(shí)別，分析大學(xué)生情緒狀態(tài)成為了大學(xué)生心理危機(jī)預(yù)警的有效手段，有望解決現(xiàn)有心理測(cè)評(píng)方法存在的問題。然而上述通過開發(fā)專門的手機(jī)端軟件仍然依賴于學(xué)生的主動(dòng)尋求幫助，影響了監(jiān)測(cè)效果。同時(shí)使用自拍照由于拍照的手機(jī)型號(hào)不同，拍照?qǐng)鼍安町惔螅瑫?huì)對(duì)情緒識(shí)別造成很大難度。

2.基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉情緒識(shí)別實(shí)例

卷積神經(jīng)網(wǎng)絡(luò)（CNN）逐漸成為提取圖像特征的主流技術(shù)，筆者建立了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的人臉情緒識(shí)別實(shí)例。卷積神經(jīng)網(wǎng)絡(luò)中的卷積和池化層可以提取人臉局部區(qū)域的更高和更深層次的特征，具有良好的臉部表情識(shí)別分類性能。同時(shí)建立了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)ConvNet，采用深度卷積網(wǎng)絡(luò)把人臉表情特征的提取和表情分類融合到一個(gè)端到端的網(wǎng)絡(luò)中，完成表情的識(shí)別和分類。ConvNet由兩個(gè)卷積層、兩個(gè)池化層和兩個(gè)線性層構(gòu)成。

筆者針對(duì)情緒識(shí)別多分類問題采用的損失函數(shù)是交叉熵?fù)p失函數(shù)，用來表示預(yù)測(cè)與實(shí)際數(shù)據(jù)之間的差距程度。所選用的優(yōu)化器是Adam自適應(yīng)算法，是深度學(xué)習(xí)中最常用的優(yōu)化算法之一，學(xué)習(xí)率設(shè)置為0.001，迭代100個(gè)epoch。

模型訓(xùn)練采用的數(shù)據(jù)集是CK+數(shù)據(jù)庫(kù)，CK+數(shù)據(jù)庫(kù)發(fā)布于2010年，是在Cohn-Kanade Dataset的基礎(chǔ)上擴(kuò)展而來的。這個(gè)數(shù)據(jù)集包括123個(gè)參與者，593個(gè)圖像序列，這個(gè)數(shù)據(jù)集是在實(shí)驗(yàn)室條件下獲取的，比較嚴(yán)謹(jǐn)可靠，是一個(gè)比較標(biāo)準(zhǔn)的人臉情緒識(shí)別的數(shù)據(jù)庫(kù)。

在圖像輸入之前需要對(duì)圖像進(jìn)行預(yù)處理，目的是為了圖像數(shù)據(jù)歸一化和數(shù)據(jù)增強(qiáng)。在本次設(shè)計(jì)中，訓(xùn)練過程筆者采用的是隨機(jī)切割44×44的圖像，并進(jìn)行水平翻轉(zhuǎn)，采用均值和標(biāo)準(zhǔn)差對(duì)圖像進(jìn)行歸一化處理，然后送入訓(xùn)練模型。經(jīng)過圖像歸一化處理和數(shù)據(jù)增強(qiáng)后，輸入神經(jīng)網(wǎng)絡(luò)的圖像數(shù)據(jù)增加了多樣性，使得訓(xùn)練出來的網(wǎng)絡(luò)增加了泛化能力，避免過擬合現(xiàn)象。提出的ConvNet在人臉情緒識(shí)別中的分類準(zhǔn)確率如圖1所示。

20230207092027874-71-ac526.jpg

從圖1可以看出，所提出的人臉情緒識(shí)別方法驗(yàn)證集分類準(zhǔn)確率可以達(dá)到90%以上，這說明筆者提出的基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉情緒識(shí)別方法能夠?qū)θ四樓榫w進(jìn)行比較準(zhǔn)確的識(shí)別。

3.基于人臉情緒識(shí)別的大學(xué)生心理危機(jī)預(yù)警策略

2020年，阿卜杜勒阿齊茲國(guó)王大學(xué)Jarraya等提出針對(duì)自閉癥兒童，通過建立基于遞歸神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型，根據(jù)攝像機(jī)拍攝的圖片，通過微表情變化，識(shí)別自閉癥兒童的情緒狀態(tài)，以此對(duì)自閉癥兒童的心理危機(jī)進(jìn)行預(yù)警。這對(duì)大學(xué)生心理危機(jī)的預(yù)警帶來了一定的啟示。

目前很多高校已部署人臉識(shí)別系統(tǒng)，比如西北工業(yè)大學(xué)于2019年在全校范圍內(nèi)部署了人臉識(shí)別系統(tǒng)，覆蓋學(xué)校宿舍樓、圖書館、會(huì)議中心、行政辦公樓等30余處，方便了師生通行。為此筆者提出借助覆蓋全校宿舍樓、圖書館等處的人臉識(shí)別系統(tǒng)，采用基于深度學(xué)習(xí)的情緒識(shí)別技術(shù)，對(duì)學(xué)生的情緒進(jìn)行分析與識(shí)別，實(shí)現(xiàn)在校學(xué)生負(fù)性情緒的實(shí)時(shí)跟蹤；同時(shí)建立基于情緒分析數(shù)據(jù)、大學(xué)生心理測(cè)評(píng)數(shù)據(jù)的心理危機(jī)預(yù)防模型；大學(xué)生輔導(dǎo)員根據(jù)預(yù)警結(jié)果及重點(diǎn)關(guān)注人群，采取及時(shí)而有針對(duì)性的談心談話，并根據(jù)談心談話結(jié)果對(duì)情緒識(shí)別分析模型、心理危機(jī)預(yù)防模型的結(jié)果進(jìn)行反饋，使學(xué)校能夠及時(shí)對(duì)模型進(jìn)行修正及調(diào)整。具體如圖2所示。

20230207092105224-54-b127c.jpg

在圖2第一個(gè)環(huán)節(jié)基于門禁的人臉情緒識(shí)別中，采用深度學(xué)習(xí)技術(shù)可以實(shí)現(xiàn)基于人臉識(shí)別的負(fù)性情緒的辨識(shí)，然而辨識(shí)系統(tǒng)需要大量的訓(xùn)練數(shù)據(jù)，而對(duì)大量圖像數(shù)據(jù)進(jìn)行同時(shí)處理需要很高的計(jì)算耗費(fèi)，辨識(shí)系統(tǒng)研發(fā)難度較大。為此可以采用開放的AI技術(shù)平臺(tái)，通過調(diào)用大型開放AI平臺(tái)中的先進(jìn)人臉情緒識(shí)別系統(tǒng)，借助互聯(lián)網(wǎng)的人臉圖像數(shù)據(jù)庫(kù)，構(gòu)建基于深度學(xué)習(xí)的情緒辨識(shí)系統(tǒng)，實(shí)現(xiàn)負(fù)性情緒的準(zhǔn)確辨識(shí)。

在圖2第二個(gè)環(huán)節(jié)基于情緒識(shí)別的心理危機(jī)預(yù)警中，在校學(xué)生出現(xiàn)負(fù)性情緒并不代表出現(xiàn)心理危機(jī)，心理健康的學(xué)生也會(huì)存在負(fù)性情緒，因此如何根據(jù)負(fù)性情緒的頻率、時(shí)間等關(guān)鍵參數(shù)信息評(píng)估學(xué)生的心理狀態(tài)并進(jìn)行預(yù)警成為本項(xiàng)目的關(guān)鍵問題。為此，可以以人臉識(shí)別情緒識(shí)別數(shù)據(jù)為基礎(chǔ)，結(jié)合心理測(cè)評(píng)數(shù)據(jù)，利用決策樹等機(jī)器學(xué)習(xí)方法，建立心理預(yù)警模型，以及早發(fā)現(xiàn)學(xué)生的心理危機(jī)并進(jìn)行預(yù)警，實(shí)現(xiàn)對(duì)學(xué)生心理狀態(tài)的實(shí)時(shí)監(jiān)測(cè)及心理危機(jī)的及時(shí)預(yù)警，同時(shí)確定需要重點(diǎn)關(guān)注的學(xué)生，對(duì)其危機(jī)程度進(jìn)行分級(jí)、分類。

在圖2第三個(gè)環(huán)節(jié)輔導(dǎo)員談心談話及應(yīng)對(duì)中，針對(duì)重點(diǎn)關(guān)注學(xué)生，結(jié)合心理危機(jī)實(shí)時(shí)預(yù)警信息，輔導(dǎo)員采用談心談話等傳統(tǒng)方法化解學(xué)生心理危機(jī)。同時(shí)根據(jù)輔導(dǎo)員談心談話的結(jié)果對(duì)第一個(gè)環(huán)節(jié)和第二個(gè)環(huán)節(jié)中的情緒識(shí)別模型和心理危機(jī)預(yù)警模型的結(jié)果進(jìn)行驗(yàn)證，以便于學(xué)校更準(zhǔn)確地對(duì)模型進(jìn)行調(diào)整。

筆者提出的基于人臉情緒識(shí)別的心理危機(jī)預(yù)警策略，有助于大學(xué)生情緒分析與心理危機(jī)預(yù)警體系的構(gòu)建，在此基礎(chǔ)上可以對(duì)大學(xué)生潛在的心理危機(jī)進(jìn)行識(shí)別，做到心理危機(jī)的及時(shí)預(yù)警，實(shí)現(xiàn)心理干預(yù)的精準(zhǔn)介入，進(jìn)而提高心理危機(jī)的預(yù)防干預(yù)水平，從而更好地實(shí)現(xiàn)心理育人。

結(jié)  論

筆者提出了人臉識(shí)別情緒分析的心理危機(jī)實(shí)時(shí)預(yù)警策略，借助覆蓋全校的人臉識(shí)別系統(tǒng)，利用深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)對(duì)在校大學(xué)生的情緒辨識(shí)與及時(shí)跟蹤；同時(shí)建立基于情緒分析數(shù)據(jù)、大學(xué)生心理測(cè)評(píng)數(shù)據(jù)的心理危機(jī)預(yù)警模型，以此根據(jù)情緒識(shí)別的數(shù)據(jù)對(duì)大學(xué)生心理危機(jī)進(jìn)行預(yù)警；在此基礎(chǔ)上，大學(xué)生輔導(dǎo)員根據(jù)預(yù)警結(jié)果及重點(diǎn)關(guān)注的大學(xué)生，采取及時(shí)而有針對(duì)性的談心談話等措施，預(yù)防心理危機(jī)事件的發(fā)生。上述策略旨在依托深度學(xué)習(xí)、人臉識(shí)別等前沿技術(shù)，構(gòu)建大學(xué)生心理危機(jī)預(yù)警體系，實(shí)現(xiàn)心理危機(jī)干預(yù)及早而精準(zhǔn)地介入，從而提高心理危機(jī)預(yù)防干預(yù)水平，這對(duì)高水平心理育人具有重要的意義。

參考文獻(xiàn)：

[1]吳潔瑾.大學(xué)生心理咨詢?nèi)藬?shù)逐年增加比例仍偏低，更多愿默默承受[N].澎湃新聞，2016-05-06.

[2]劉曉.探究高校心理健康教育與思政教育的高度融合[J].陜西教育（高教）,2022（01）：22-23.

[3]尹紅霞，王紅菊，趙銀，等.大學(xué)生心理危機(jī)防范和快速反應(yīng)機(jī)制[J].中國(guó)健康心理學(xué)雜志，2018，26（05）.

[4]黃中海.數(shù)據(jù)挖掘在高校學(xué)生心理危機(jī)預(yù)防中的應(yīng)用[D].武漢：武漢科技大學(xué)，2015.

[5]蘇斌原，張衛(wèi)，周夢(mèng)培，等.大學(xué)生自殺潛在風(fēng)險(xiǎn)的識(shí)別和預(yù)警：基于應(yīng)激—易感模型[J].華南師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015（03）：78-84.

[6]李雪嬌.大學(xué)生心理危機(jī)應(yīng)對(duì)研究[D].哈爾濱：東北林業(yè)大學(xué)，2014.

[7]張雪瑩，楊璐一，尹宗毅.基于大數(shù)據(jù)基礎(chǔ)的工科院校大學(xué)生心理危機(jī)干預(yù)機(jī)制研究[J].黑龍江教育（理論與實(shí)踐），2022(01).

[8]Li J,Ren F.Emotion recognition from blog articles[C].2008 International Conference on Natural Language Processing and Knowledge Engineering.IEEE，2008：1-8.

[9]Kedar S V，Bormane D S，Dhadwal A，et al.Automatic emotion recognition through handwriting analysis：a review[C].2015 International Conference on Computing Communication Control and Automation.IEEE，2015：811-816.

[10]楊燁蔓.基于情緒識(shí)別的心理分析應(yīng)用的研究與實(shí)現(xiàn)[D].北京：北京郵電大學(xué)，2019.

[11]張海鐘.情緒是心理健康的根本標(biāo)志——評(píng)心理衛(wèi)生和心理教育活動(dòng)中的情緒消滅論[J].遼寧師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2019，42（02）.

[12]宋永生.基于OpenCV及AI的網(wǎng)絡(luò)學(xué)習(xí)者情緒監(jiān)測(cè)系統(tǒng)[J].信息技術(shù)與信息化，2019（11）：9-12.

[13]Mollahosseini A，Hassani B，Salvador M J，et al.Facial Expression Recognition from World Wild Web[C].IEEE.IEEE，2016：1509-1516.

[14]P.Khorrami，T.L.Paine，K.Brady，C.Dagli，T.S.Huang，How Deep Neural Networks can Improve Emotion Recognition on Video Data，IEEE Conf.Image Process（ICIP）（2016）.

[15]V.Chernykh，G.Sterling，P.Prihodko，Emotion recognition from speech with recurrent neural networks，arXiv：1701.08071v1[cs.CL]，2017.

[16]Xie S，Hu H，F(xiàn)acial expression recognition with FRR–CNN，Electron.Lett.53（4）（2017）235-237.

[17]G.Levi，T.Hassner，Emotion recognition in the wild via convolutional neural networks and mapped binary patterns，in：Proc.ACM International Conference on Multimodal Interaction（ICMI），November，2015.

[18]劉迪兆.基于深度學(xué)習(xí)的老年人情緒關(guān)懷系統(tǒng)的研究與設(shè)計(jì)[D].廣州：華南理工大學(xué)，2017.

[19]袁磊，賈國(guó)強(qiáng)，唐亮，等.基于情緒識(shí)別的心理監(jiān)護(hù)軟件開發(fā)[J].電腦知識(shí)與技術(shù)，2020，16（07）：71-2.

[20]Datcu D，Rothkrantz L.FACE EMOTION RECOGNITION USING A CRISIS RELATED SMARTPHONE APP[J].International Journal on Information Technologies & Security，2021，13.

（杜飛、伍世偉：西北工業(yè)大學(xué)）

責(zé)任編輯：張言