基于微表情视觉捕捉的自杀风险行为预警方法及系统与流程

本发明涉及人身行为预警，特别是指一种基于微表情视觉捕捉的自杀风险行为预警方法及系统、电子设备和计算机可读存储介质。

背景技术：

1、自杀是全球重大公共卫生与社会安全问题，其中跳楼、跳桥、跳河等场所性自杀占比高，多集中在天桥、楼顶平台、滨水区域、轨道交通站台、精神科医院、看守监管场所等封闭/半封闭重点空间。

2、自杀行为具有隐蔽性强、突发性高、后果不可逆的特点，传统防控模式高度依赖人工巡逻值守，受人员精力、视线盲区限制，漏防率高，绝大多数干预都发生在行为实施后，错失了最佳干预窗口。

3、临床心理学研究证实，自杀行为并非瞬时冲动决策，而是存在明确的心理演化链路：从负性情绪持续累积、心理痛苦加剧，到出现自杀意念、行为犹豫徘徊，最终实施行动，整个过程可持续数小时至数天。其中面部微表情作为不受主观意志控制的生理反应，可真实反映个体的悲伤、绝望、焦虑、麻木等心理状态，尤其是“情绪从激烈痛苦转向异常平静”的反常回落特征，是自杀意念进入实施阶段的典型前置信号。

4、而当前自杀风险防控技术主要分为临床心理量表筛查与视频行为识别两类，均存在难以突破的技术瓶颈：

5、1.主流自杀风险评估依赖sds抑郁自评量表、贝克自杀意念量表等主观问卷，仅能完成入院/入所时的单次静态筛查，无法对人员进行24小时连续动态跟踪；且量表结果易受受测者主观隐瞒影响，漏检率高达35%，无法识别突发情绪恶化导致的冲动型自杀。

6、2.现有视频预警方案仅基于人体骨骼姿态识别攀高、翻越等极端动作，本质仍属于“事后报警”，只有当自杀动作完全发生时才能触发预警，此时干预成功率极低；且未纳入情绪、心理状态维度，无法识别徘徊、凝视等前期高危行为，也无法区分正常临边作业与自杀意图。

7、3.自杀风险是负性情绪长期累积后的爆发，现有方案均为单帧/短片段判定，未建立个体级的长期心理档案与趋势分析机制，既无法捕捉情绪逐步恶化的过程，也无法识别“痛苦后反常平静”这一关键前置信号，预警滞后性显著。

8、4.通用安防方案采用平衡误报与漏报的阈值策略，但自杀防控属于“零漏报”高风险场景，漏报的代价是生命损失；现有系统未针对该场景设置保守阈值与高危行为一票深判机制，无法满足重点区域的防控要求。

9、因此，若能通过计算机视觉技术非接触式地捕捉上述心理特征与时序演化规律，可将预警节点从“行为实施”大幅前移至“意念形成与徘徊阶段”，显著提升干预成功率。

技术实现思路

1、为了解决现有技术存在的技术问题，本发明提供了如下技术方案：

2、一方面，提供了一种基于微表情视觉捕捉的自杀风险行为预警方法，包括如下步骤：

3、重点区域视频采集与自适应预处理：针对分级管控的高危区域采集监控视频流，结合区域风险等级与实时场景异常度动态执行智能抽帧，完成人脸对齐与图像增强，输出标准化图像序列；

4、重点人员检测跟踪与个体心理画像初始化：检测画面中所有人体目标，为每个目标分配唯一跟踪id并提取reid外观特征，为首次出现的目标初始化个体心理档案；

5、双模型并行推理：本地轻量量化情绪引擎全量逐帧运行，提取面部动作单元并量化输出多类情绪强度，持续监测负性情绪累积与情绪反常回落特征；异常情绪信号或目标进入高危区域时触发vlm语义推理引擎，联合肢体姿态、面部表情、场景上下文完成自杀意图深度判定；

6、多维度加权融合与综合风险评分计算：按照情绪为主、行为为辅、历史趋势强修正的权重策略，将语义风险分、情绪风险分以及时序持续与历史趋势修正分加权融合，输出综合自杀风险评分；

7、自杀风险场景分流与特异性规则匹配：将风险目标分流至自杀风险专属判定链路，匹配攀高翻越、临边徘徊、静止凝视、自伤动作、极端反常情绪五类高危行为判定规则，锁定具体风险类型；

8、多级保守分级预警与多主体联动干预：遵循宁可错报不可漏报的保守原则设置多级预警等级，匹配对应级别的心理干预、现场值守、安保调度与应急联动处置措施；

9、全周期心理档案更新与闭环迭代优化：持续更新个体时序心理档案，追踪情绪演化趋势；基于人工复核结果以保守策略自适应调整预警阈值，增量更新自杀行为模式知识库。

10、作为本技术的一种应用例，所述智能抽帧结合区域风险等级与场景异常度双重调节：不同等级的管控区域设置差异化的基础采样帧率，高危区域默认更高帧率；当检测到人员靠近临边、情绪剧烈波动等异常情况时，抽帧率随异常度升高而进一步提升，在有限算力条件下优先保障高危区域的动作捕捉时间分辨率；人脸对齐通过多个人脸关键点将低头、侧脸等非正脸姿态归一化至标准模板，重点放大眉、眼、嘴周等微表情关键区域，提升复杂姿态下的负性微表情识别准确率。

11、作为本技术的一种应用例，所述多目标跟踪采用运动轨迹相似度与外观特征相似度加权融合的匹配策略，其中外观特征权重显著高于运动轨迹权重，以适配自杀高危人员长时间静止、缓慢徘徊导致运动信息不足的场景，提升慢动作与静止状态下的跟踪稳定性；reid特征用于跨帧与跨摄像头的人员身份匹配，采用高于通用安防场景的匹配阈值以避免不同人员误匹配，保障心理档案的身份一致性。

12、作为本技术的一种应用例，所述双模型并行推理配置如下调度触发规则：目标踏入一级高危临边区域时，跳过情绪初筛直接唤醒语义推理引擎进行深度研判，杜绝高危场景漏报；负性情绪持续累积达到阈值或检测到情绪反常回落特征时，自动触发语义引擎深度分析；系统判定为二级及以上风险的人员，自动提升对应摄像头的抽帧与识别算力分配，实现算力向高风险目标动态倾斜。

13、作为本技术的一种应用例，所述本地轻量量化情绪引擎基于面部动作编码系统构建自杀专属情绪映射关系，强化悲伤、绝望、焦虑、麻木类与自杀意念高度相关的表情特征识别权重；通过滑动窗口计算负性情绪的累积程度，并特异性识别负性情绪达到峰值后快速回落至异常平静的反常回落特征，该特征作为自杀意念进入实施阶段的核心前置信号；当负性情绪累积持续达标、或情绪反常回落判定成立、或目标进入一级高危区域时，触发语义推理引擎深度研判。

14、作为本技术的一种应用例，所述vlm语义推理引擎接收目标全身图像、短时序列片段以及场景区域掩码作为输入，结合肢体姿态、动作趋势、临边距离、面部状态进行多模态联合推理；将输出的行为语义描述向量化后与预置的自杀行为模式知识库进行相似度检索匹配，命中对应风险模式后，结合行为置信度与场景风险系数计算语义风险分；其中高危区域的相同行为赋予更高的风险权重，知识库匹配采用相对宽松的相似度阈值以覆盖更多非典型高危行为、降低漏报率。

15、作为本技术的一种应用例，所述综合自杀风险评分由语义行为风险、情绪量化风险、时序历史修正三个维度按自杀场景专属权重加权融合得到，所述综合自杀风险评分定义如下：

16、其中为语义风险分，为情绪风险分，为时序持续分，为基于7天心理档案的历史趋势修正分；、、分别为对应项的权重；

17、情绪维度权重最高，行为语义维度作为风险确认依据，时序与历史修正维度中历史心理趋势的权重高于即时持续时长，突出自杀风险的心理驱动本质与长期累积特性；历史趋势修正分基于个体心理档案中近周期的负性情绪恶化程度计算，反映心理状态的长期演化趋势。

18、作为本技术的一种应用例，所述五类高危行为均设置多维度融合的判定规则，每类规则综合语义判定结果、情绪特征、空间位置条件与持续时长条件，全部条件满足时锁定对应风险类型；其中攀高翻越类行为只要语义命中且位置符合即提升风险优先级，不受综合评分阈值限制；临边徘徊类判定需满足临边停留时长或往返次数条件且伴随负性情绪；静止凝视类需结合姿态、朝向与情绪特征综合判定；自伤动作类高置信度下直接判定为高风险；极端反常情绪类即使未出现高危动作也纳入重点关注。

19、作为本技术的一种应用例，所述多级保守预警的起始阈值低于通用公共安全场景，体现宁可错报不可漏报的防控原则；四级预警分别对应后台观察、人员介入、现场处置、应急联动四级响应体系，攀高、自伤等明确高危动作可直接跳级；预警阈值的自适应调整采用保守型小步长增量策略，漏报的惩罚权重显著高于误报，确保迭代过程中漏报率始终维持在极低水平；个体心理档案以reid特征为唯一索引，存储时序情绪轨迹、历次高危预警记录与徘徊行为轨迹，支持周期性心理趋势分析，为长期心理干预提供量化数据支撑。

20、另一方面，提供了一种基于微表情视觉捕捉的自杀风险行为预警系统，包括：

21、视频采集层，由分级布点的高危区域监控摄像头与边缘网关组成，用于采集重点区域视频流并标记区域风险等级，支持断网本地缓存与断点续传；

22、边缘预处理层，包含自适应抽帧模块、人脸对齐增强模块、人体检测模块、多目标跟踪与reid模块、个体裁剪模块，用于视频预处理、目标检测跟踪与个体心理画像初始化，敏感生物数据在边缘本地完成处理；

23、双引擎模型层，包含本地轻量量化情绪引擎与vlm语义推理引擎，前者全量运行实现负性情绪持续监测与情绪反常回落特异性捕捉，后者对高危目标执行行为、表情、场景的自杀意图联合深度研判；

24、智能决策层，包含多维权重融合模块、自杀风险规则匹配模块、保守分级判定模块，用于计算综合自杀风险评分、匹配高危行为类型、完成四级预警定级；

25、联动干预层，包含预警推送模块、远程安抚模块、现场处置模块、应急联动模块，用于执行分级心理干预与多主体协同处置；

26、心理闭环数据层，包含个体心理档案库、自杀行为模式知识库、事件证据库，用于时序心理跟踪、知识库增量更新与事件证据留存，采用边缘与内网分层存储架构保障数据安全。

27、另一方面，提供一种电子设备，所述电子设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述方法。

28、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述方法。

29、本发明实施例提供的技术方案带来的有益效果至少包括：

30、本发明突破传统方案仅识别极端肢体动作的事后报警逻辑，创新性引入负性情绪累积、情绪反常回落等自杀特异性心理特征，可在徘徊犹豫阶段识别风险，预警提前量，提升干预成功率，真正实现从“事后处置”到“事前干预”的升级。通过构建“情绪量化+行为语义+历史趋势”三维风险评估体系，权重向情绪与历史倾斜，符合自杀风险的心理演化规律；相比纯姿态识别方案，漏报率下降，解决了传统方案漏报率高、防控可靠性不足的核心痛点。

31、针对自杀防控“漏报代价远高于误报”的特点，设计低阈值、高灵敏的保守分级体系，高危区域一票深判、漏报双倍惩罚的自适应机制，确保系统始终将漏报率控制在5%以下，满足桥梁、楼顶、监所等高危场景的生命安全防控要求。

32、此外，建立个体级时序心理档案，追踪情绪演化趋势，可提前识别心理状态持续恶化的重点人员，配合心理干预部门开展主动疏导；系统通过人工复核持续迭代知识库与阈值，能力不断进化，区别于传统固定算法的一次性交付模式。