買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜北京師范大學;未來模因(北京)科技有限公司申請的專利基于多模態輸入的人工智能心理測評方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119108112B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411324664.3，技術領域涉及：G16H50/30；該發明授權基于多模態輸入的人工智能心理測評方法和系統是由韓卓;陳晟昊;高夢宇;張鵬志設計研發完成，并于2024-09-23向國家知識產權局提交的專利申請。

本基于多模態輸入的人工智能心理測評方法和系統在說明書摘要公布了：本發明公開基于多模態輸入的人工智能心理測評方法和系統，所述方法包括以下步驟：S10：建立并訓練用于心理測評的個人心理模型；S20：接收用戶發起的心理測評請求，通過所述個人心理模型與所述用戶進行對話；S30：在與所述用戶對話的過程中，獲取所述用戶的多模態數據；S40：對所述用戶的多模態數據進行處理分析，對所述用戶進行心理健康評估。該方法能夠獲取和處理用戶的多種類型數據，如文本、語音、面部表情、生理信號等。這種多模態數據融合的方式能夠提供更全面、準確的心理狀態信息，從而提高心理測評的準確性。該方法為每個用戶建立并訓練個性化心理模型，能夠提供更具針對性的心理測評服務。

本發明授權基于多模態輸入的人工智能心理測評方法和系統在權利要求書中公布了：1.一種基于多模態輸入的人工智能心理測評方法，其特征在于，所述方法包括以下步驟：S10：建立并訓練用于心理測評的個人心理模型；S20：接收用戶發起的心理測評請求，通過所述個人心理模型與所述用戶進行對話；S30：在與所述用戶對話的過程中，獲取所述用戶的多模態數據；S40：對所述用戶的多模態數據進行處理分析，對所述用戶進行心理健康評估；步驟S10具體包括：S11：優化預訓練的大型語言模型，通過逐步蒸餾的方式使所述大型語言模型適應心理測評的語境；S12：根據用戶基礎信息，初始化預訓練的大型語言模型，以獲得第一個人心理模型；S13：通過所述第一個人心理模型與用戶進行對話交流；S14：在對話過程中，獲取所述用戶的多模態數據，所述多模態數據包括視頻數據、音頻信號、熱成像數據、近紅外數據、和高速攝影數據；S15：對所述多模態數據進行處理；S16：使用遷移學習的方式將處理后的多模態數據輸入到所述第一個人心理模型中，以進行訓練迭代優化得到第二個人心理模型；步驟S12具體包括如下步驟：S121：收集用戶基礎信息，并將所述用戶基礎信息編碼為大型語言模型的處理格式，所述編碼的方式包括獨熱編碼、嵌入向量和組合特征至少一種；S122：從存儲中加載基于Transformer架構的預訓練的大型語言模型；S123：對所述預訓練的大型語言模型進行參數調整，以得到所述第一個人心理模型，其包括：在預訓練的大型語言模型的神經網絡的頂層增加一個或者一個以上新的神經網絡層；將編碼后的用戶基礎信息作為添加了新的神經網絡層的預訓練的大型語言模型的輸入，與預訓練的大型語言模型的每個Transformer層的輸入結合，輸出一組適應性權重；結合預訓練的大型語言模型的基礎權重和適應性權重，通過混合加權求和方式確定新的權重矩陣，以對預訓練的大型語言模型進行個性化調整，得到所述第一個人心理模型；其中所述混合加權求和的混合參數α取值范圍介于0和1之間；S124：基于用戶基礎信息，獨立存儲與所述用戶對應的所述第一個人心理模型；步驟S15具體包括：步驟S151：對所述多模態數據中的視頻數據進行處理；步驟S152：對所述多模態數據中的音頻信號進行處理；步驟S152具體包括：音頻預處理子步驟、語音識別子步驟、語氣與語調分析子步驟、以及節奏停頓分析子步驟；所述音頻預處理子步驟包括：對所述音頻信號進行降噪處理；將降噪處理后的音頻信號進行分割處理，獲得經過降噪和分割處理的音頻幀；對所述經過降噪和分割處理的音頻幀進行頻譜特征提取，并且對提取的頻譜特征進行歸一化處理獲得預處理后的音頻信號；所述語音識別子步驟包括：以所述預處理后的音頻信號為輸入，使用序列到序列模型進行語音識別，輸出與所述預處理后的音頻信號對應的初步文本序列；其中，所述序列到序列模型包括編碼器和帶有注意力機制的解碼器，并引入增強學習策略，以最小詞錯率作為模型訓練的獎勵函數；以所述預處理后的音頻信號和所述初步文本序列作為輸入，結合轉換器模型進行聯合訓練和聯合解碼，輸出優化后的文本序列；所述語氣與語調分析子步驟包括：使用基音檢測算法提取預處理后的音頻信號中的語調模式；使用梅爾頻率倒譜系數和線性預測倒譜系數提取預處理后的音頻信號中的關鍵數據特征，并將所述關鍵數據特征輸入預訓練的深度神經網絡中，提取聲學特征；根據所述語調模式和所述聲學特征，使用語音情感識別算法分析說話人的情感狀態，生成語氣與語調的數據特征；所述節奏停頓分析子步驟包括：對預處理后的音頻信號進行預加重，輸出預加重后的音頻信號；對所述預加重后的音頻信號進行語音能量檢測，計算預加重后的音頻信號的能量輪廓，并識別能量低于預設閾值的區域，將其標記為靜默或停頓；對所述預加重后的音頻信號進行譜熵分析，測量頻譜的熵值，以區分語音段和非語音段；對所述預加重后的音頻信號提取時域特征，所述時域特征包括零交叉率ZCR；對所述預加重后的音頻信號提取頻域特征，所述頻域特征包括頻譜質心和頻譜平坦度，用于分析音頻信號的頻譜特性；基于所提取的所述時域特征和所述頻域特征，生成節奏停頓的數據特征，以用于心理狀態的評估。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京師范大學;未來模因(北京)科技有限公司，其通訊地址為：100080 北京市海淀區新街口外大街19號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。