【创意智造组】心理健康助手 简单

项目背景：

近年来国际国内经济形势都非常严峻，许多企业裁员，大学毕业生毕业即失业。这种社会氛围传导至中学校园，导致中学生面临巨大的学业压力、心理压力。各类极端事件层出不穷，中学生心理健康问题日益突出。而学校的心理辅导资源有限，专业的心理咨询教师配套不足，学生的主动求助意识也比较薄弱。基于此原因，我们决定设计这款心理健康助手，用于辅助学生进行自我心理调节。

项目功能：

本作品通过摄像头实时捕捉心理求助对象的多类身体姿态（如抱头、低头、捂脸、趴桌、握拳、叉腰、平静等），构建姿态分类模型，实现对不同姿态的自动识别。系统依托行空板进行程序判定，将识别到的身体姿态映射为对应的心理状态（如焦虑、忧郁、愤怒、平静等）。在此基础上，作品根据判定结果，综合运用文字提示、图像展示和声音引导等方式，向求助者提供个性化的心理抚慰与调节建议，实现从“姿态感知—状态识别—情绪判定—安抚反馈”的完整智能干预流程。

软硬件清单：Mind+2.0、行空板M10、USB摄像头、台式电脑（windows10操作系统）、USB喇叭

硬件连接图：

项目基本原理：本项目基于姿态分类技术实现对心理求助对象的心理状态判定。首先通过 Mind+ 模型训练平台进行姿态图像采集与标注，构建数据集，并训练姿态分类模型；训练完成后，在电脑上实现实时推理和输出姿态分类；然后通过物联网平台将推理结果发送到行空板M10，并将身体姿态映射到不同的心理状态，最后通过语音、文字、图像等实现对心理援助对象的个性化辅导。

项目制作：这部分主要采取数据采集——模型训练——模型校验——推理结果推送——程序设计——程序测试与优化的主要工作步骤。下面将逐一讲解。

1.数据采集：

步骤1：打开mind+2.0，进入模型训练界面，选择姿态分类功能。

步骤2：确定要收集抱头、捂脸、正常、低头、趴桌、握拳、插腰这样几类姿态数据。填写分类标签，点击摄像头图标，开始进行人体姿态数据的采集。数据采集时，要注意尽量采集同一姿态不同条件下的样本。如：拍摄角度、光线、位置、人体体型等要有所变化。不同类别间数据量要尽可能平衡。这里出于时间成本、效率等综合考量，每个类别选择了60张左右的样本图片。此外，录制过程中，画面要避免晃动。环境的背景样本在整个数据采集过程中要尽量保持一致性。

2.模型训练：设置模型训练的相关参数，并进行模型训练。具体参数设置如下图所示：

3.模型校验：进行模型的测试，如果测试结果不理想，可以重新增加或修改模型样本数据、调整训练参数，重新进行模型训练，直至效果满意为止。

4.推理结果推送：将推理结果推送至行空板M10。这里需要将MQTT 服务器地址填写为行空板IP （具体如图所示），行空板M10需要和台式电脑接入同一局域网络。

5.程序设计：

程序的核心功能如下：

（1）订阅MQTT主题，接收AI模型识别出的姿态分类标签。

（2）将姿态与情绪逐一映射，并通过行空板做出适当的响应。具体如下：

（3）设定防止重复触发的机制。

冷却时间：同一姿态连续触发需间隔 10秒（trigger_cooldown = 10）

姿态变化优先：如果姿态发生变化（如从"抱头"变为"正常"），可立即触发新响应。

播放锁：音频播放期间（is_playing=True）不会重复触发，避免发生多个音频重叠播放的混乱状况。

（4）行空板的界面设计（如标题、状态文本、配图、播放音频等）

具体代码如下所示：

总结与展望：

本项目完成了一套基于mind+姿态识别和MQTT通信协议的心理健康助手。该系统通过实时捕捉人体姿态，映射识别焦虑、愤怒、忧伤等情绪状态，并通过语音、文字进行相应反馈，助理于中学生的心理自查自助。

项目未来还有如下的拓展和优化空间：

1.模型的准确性和泛化能力还有待提升。目前姿态识别受拍摄角度、光线等影响较大。

2.未来可引入时序模式识别，辅助进行更加精准的情绪识别。

3.多场景适配。除课堂外，未来还可以引入居家学习、老年人情绪监护等，扩大系统的使用范围。