一种基于互联网与云计算的学生心理压力评估方法及系统与流程

发布时间：2025-08-15 19:19

云计算是一种通过互联网提供共享计算资源的模式，如存储空间和处理能力。 #生活知识# #科技生活# #科技改变生活# #云计算#

本发明属于互联网与云计算技术领域，尤其涉及一种基于互联网与云计算的学生心理压力评估方法及系统。

背景技术：

在激烈的竞争和社会变革的环境下，当代大学生面临着巨大的压力。有学者曾对社会不同人群承受的压力做过调查，结果显示，青年学生所承受的压力最大，农民最小，工人与科技人员居中。大学生面临的压力很大，主要有学业压力、生活压力(包括交往压力、经济压力)、就业压力及情感压力，承受心理压力的能力却较差。而现有的大学生的心理压力多通过问卷调查及在线测试的形式进行评估，评估准确率较低，对于漏判的学生，不能及时进行心理辅导及引导，从而影响身心健康。

公开号为cn109620261a的发明专利公开一种精神压力测量系统及方法，通过对压力测量者进行各项生理数据进行采集及处理，以达到判断监测对象是否存在精神压力的目的，进而解决了医生无法准确得知患者精神状态进而给出准确治疗方案的技术问题。但该专利未针对不同心理压力进行评估，无法有针对性对测量者进行心理治疗。

技术实现要素：

本发明的目的在于针对现有的大学生的心理压力评估准确率低的问题，提供一种基于互联网与云计算的学生心理压力评估方法及系统。

为了实现上述目的，本发明采用以下技术方案：

一种基于互联网与云计算的学生心理压力评估方法，包括：

步骤1：构建心理压力数据库，并上传至云平台；

步骤2：在云平台上基于所述数据库进行心理压力模型集构建；

步骤3：在云平台上根据所述心理压力模型集进行被测心理压力评估。

进一步地，所述步骤1包括：

步骤1.1：基于心电仪器及脑电仪器采集训练群中被试的心电信号及脑电信号，所述心电仪器及脑电仪器与互联网相连，所述训练群包括多个在校大学生；

步骤1.2：对所述心电信号进行心率变异性特征提取；

步骤1.3：采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

步骤1.4：对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计各被试各类型测试成绩r1、r2、r3及r4，分别作为各被试的特征；

步骤1.5：对步骤1.2至步骤1.4中提取的特征进行归一化处理，将步骤1.2、步骤1.3中提取的特征与步骤1.4中提取的特征分别进行结合，得到各被试的心理压力特征数据，每个被试对应有4个心理压力特征数据；

步骤1.6：基于各被试的心理压力特征数据对各被试进行分类，共划分为五类：学习压力、生活压力、就业压力、情感压力及正常，得到心理压力数据库；

步骤1.7：将所述心理压力数据库上传至云平台。

进一步地，所述步骤2包括：

基于所述心理压力数据库训练lstm神经网络，得到心理压力模型集，所述心理压力模型集包括：学习压力模型、生活压力模型、就业压力模型、情感压力模型及无压模型；在云平台上分别通过心理压力数据库中学习压力、生活压力、就业压力、情感压力及正常心理压力特征数据训练得出。

进一步地，所述步骤3包括：

步骤3.1：基于心电仪器及脑电仪器采集被试j的心电信号及脑电信号；

步骤3.2：对所述心电信号进行心率变异性特征提取；

步骤3.3：采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

步骤3.4：对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计被试j各类型测试成绩rj1、rj2、rj3及rj4，分别作为被试j的特征；

步骤3.5：对步骤3.2至步骤3.4中提取的特征进行归一化处理，将步骤3.2、步骤3.3中提取的特征与步骤3.4中提取的特征分别进行结合，得到被试j的心理压力特征数据；

步骤3.6：将被试j的心理压力特征数据输入所述心理压力模型集，在云平台上并行进行匹配，得出所述心理压力模型集中各模型的匹配度；

步骤3.7：设置所述匹配度阈值，将各模型的匹配度与所述匹配度阈值进行比较，若大于该阈值，则匹配成功，认为被试j拥有该模型对应的心理压力；

步骤3.8：根据所比较结果评估被试j的心理压力等级：

若被试j与无压模型匹配成功，则被试j为心理压力0级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任一模型匹配成功，则被试j为心理压力1级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意两个模型匹配成功，则被试j为心理压力2级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意三个及以上模型匹配成功，则被试j为心理压力3级。

一种基于互联网与云计算的学生心理压力评估系统，包括：

心理压力数据库构建模块，用于构建心理压力数据库，并上传至云平台；

心理压力模型集构建模块，用于在云平台上基于所述数据库进行心理压力模型集构建；

心理压力评估模块，用于在云平台上根据所述心理压力模型集进行被测心理压力评估。

进一步地，所述心理压力数据库构建模块包括：

第一信号采集子模块，用于基于心电仪器及脑电仪器采集训练群中被试的心电信号及脑电信号，所述训练群包括多个在校大学生；

第一特征提取子模块，用于对所述心电信号进行心率变异性特征提取；

第二特征提取子模块，用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

第三特征提取子模块，用于对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计各被试各类型测试成绩r1、r2、r3及r4，分别作为各被试的特征；

第一归一化子模块，用于对第一特征提取子模块、第二特征提取子模块及第三特征提取子模块中提取的特征进行归一化处理，将第一特征提取子模块、第二特征提取子模块中提取的特征与第三特征提取子模块中提取的特征分别进行结合，得到各被试的心理压力特征数据，每个被试对应有4个心理压力特征数据；

分类子模块，用于基于各被试的心理压力特征数据对各被试进行分类，共划分为五类：学习压力、生活压力、就业压力、情感压力及正常，得到心理压力数据库；

数据上传模块，用于将所述心理压力数据库上传至云平台。

进一步地，所述心理压力模型集构建模块具体用于：

进一步地，所述心理压力评估模块包括：

第二信号采集子模块，用于基于心电仪器及脑电仪器采集被试j的心电信号及脑电信号；

第四特征提取子模块，用于对所述心电信号进行心率变异性特征提取；

第五特征提取子模块，用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

第六特征提取子模块，用于对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计被试j各类型测试成绩rj1、rj2、rj3及rj4，分别作为被试j的特征；

第二归一化子模块，用于对第四特征提取子模块、第五特征提取子模块及第六特征提取子模块中提取的特征进行归一化处理，将第四特征提取子模块、第五特征提取子模块中提取的特征与第六特征提取子模块中提取的特征分别进行结合，得到被试j的心理压力特征数据；

匹配子模块，用于将被试j的心理压力特征数据输入所述心理压力模型集，在云平台上并行进行匹配，得出所述心理压力模型集中各模型的匹配度；

第二比较子模块，用于设置所述匹配度阈值，将各模型的匹配度与所述匹配度阈值进行比较，若大于该阈值，则匹配成功，认为被试j拥有该模型对应的心理压力；

评估子模块，用于根据所比较结果评估被试j的心理压力等级：

若被试j与无压模型匹配成功，则被试j为心理压力0级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任一模型匹配成功，则被试j为心理压力1级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意两个模型匹配成功，则被试j为心理压力2级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意三个及以上模型匹配成功，则被试j为心理压力3级。

与现有技术相比，本发明具有的有益效果：

本发明首先通过构建心理压力数据库，并上传至云平台；然后在云平台上基于所述数据库进行心理压力模型集构建；最后在云平台上根据所述心理压力模型集进行被测心理压力评估。通过上述方式，可准确评估被测心理压力。而通过将被测的生理数据(心电信号与脑电信号)及不同类型心理测试成绩数据分别进行结合生成被测的心理压力特征数据(每个被试对应有4个心理压力特征数据)，并在云平台上基于构建好的心理压力模型集(学习压力模型、生活压力模型、就业压力模型、情感压力模型及无压模型)并行进行被测心理压力类型匹配，以准确得出被测对应的心理压力等级，从而可以更有针对性的对被测进行心理指导。且基于互联网和云计算进行心理压力模型集的构建及心理压力类型匹配，可以大幅度提高模型的构建及匹配速度，从而提高评估效率。

附图说明

图1为本发明实施例一种基于物联网的心理应激训练方法的基本流程图；

图2为本发明实施例一种基于物联网的心理应激训练系统的架构示意图。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的解释说明：

实施例一：

如图1所示，一种基于互联网与云计算的学生心理压力评估方法，包括：

步骤s101：构建心理压力数据库，并上传至云平台；具体地，所述云平台为hadoop云计算平台；

步骤s102：在云平台上基于所述数据库进行心理压力模型集构建；

步骤s103：在云平台上根据所述心理压力模型集进行被测心理压力评估。

具体地，所述步骤s101包括：

步骤s1011：基于心电仪器及脑电仪器采集训练群中被试的心电信号及脑电信号，所述心电仪器及脑电仪器与互联网相连，所述训练群包括多个在校大学生；具体地，心电仪器为心电监测仪，可通过心电采集电路对心电监测仪监测的心电信号进行采集；脑电仪器为脑电仪；训练群包括400名在校大学生，男女各为200名，且测试环境保证安静；

步骤s1012：对所述心电信号进行心率变异性特征提取；

具体地，在心电信号中提取心率变异性hrv信号并计算出心率变异性特征值，同时删除采集的hrv信号中高于1200ms、低于300ms的数据；

步骤s1013：采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

具体地，基于小波熵和近似熵对脑电信号中β波特征进行提取；

步骤s1014：对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计各被试各类型测试成绩r1、r2、r3及r4，分别作为各被试的特征；

步骤s1015：对步骤s1012至步骤s1014中提取的特征进行归一化处理，将步骤s1012、步骤s1013中提取的特征与步骤s1014中提取的特征分别进行结合，得到各被试的心理压力特征数据，每个被试对应有4个心理压力特征数据；

步骤s1016：基于各被试的心理压力特征数据对各被试进行分类，共划分为五类：学习压力、生活压力、就业压力、情感压力及正常，得到心理压力数据库；

步骤s1017：将所述心理压力数据库上传至云平台。

具体地，所述步骤s102包括：

具体地，所述步骤s103包括：

步骤s1031：基于心电仪器及脑电仪器采集被试j的心电信号及脑电信号；具体地，心电仪器为心电监测仪，可通过心电采集电路对心电监测仪监测的心电信号进行采集；脑电仪器为脑电仪；被试j属于训练群，且测试环境保证安静；

步骤s1032：对所述心电信号进行心率变异性特征提取；具体地，在心电信号中提取心率变异性hrv信号并计算出心率变异性特征值，同时删除采集的hrv信号中高于1200ms、低于300ms的数据；

步骤s1033：采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；具体地，基于小波熵和近似熵对脑电信号中β波特征进行提取；

步骤s1034：对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计被试j各类型测试成绩rj1、rj2、rj3及rj4，分别作为被试j的特征；

步骤s1035：对步骤s1032至步骤s1034中提取的特征进行归一化处理，将步骤s1032、步骤s1033中提取的特征与步骤s1034中提取的特征分别进行结合，得到被试j的心理压力特征数据；

步骤s1036：将被试j的心理压力特征数据输入所述心理压力模型集，在云平台上并行进行匹配，得出所述心理压力模型集中各模型的匹配度；

步骤s1037：设置所述匹配度阈值，将各模型的匹配度与所述匹配度阈值进行比较，若大于该阈值，则匹配成功，认为被试j拥有该模型对应的心理压力；

步骤s1038：根据所比较结果评估被试j的心理压力等级：

若被试j与无压模型匹配成功，则被试j为心理压力0级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任一模型匹配成功，则被试j为心理压力1级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意两个模型匹配成功，则被试j为心理压力2级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意三个及以上模型匹配成功，则被试j为心理压力3级。

实施例二：

如图2所示，一种基于互联网与云计算的学生心理压力评估系统，包括：

心理压力数据库构建模块201，用于构建心理压力数据库，并上传至云平台；

心理压力模型集构建模块202，用于在云平台上基于所述数据库进行心理压力模型集构建；

心理压力评估模块203，用于在云平台上根据所述心理压力模型集进行被测心理压力评估。

具体地，所述心理压力数据库构建模块201包括：

第一信号采集子模块2011，用于基于心电仪器及脑电仪器采集训练群中被试的心电信号及脑电信号，所述训练群包括多个在校大学生；

第一特征提取子模块2012，用于对所述心电信号进行心率变异性特征提取；

第二特征提取子模块2013，用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

第三特征提取子模块2014，用于对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计各被试各类型测试成绩r1、r2、r3及r4，分别作为各被试的特征；

第一归一化子模块2015，用于对第一特征提取子模块2012、第二特征提取子模块2013及第三特征提取子模块2014中提取的特征进行归一化处理，将第一特征提取子模块2011、第二特征提取子模块2012中提取的特征与第三特征提取子模块2013中提取的特征分别进行结合，得到各被试的心理压力特征数据，每个被试对应有4个心理压力特征数据；

分类子模块2016，用于基于各被试的心理压力特征数据对各被试进行分类，共划分为五类：学习压力、生活压力、就业压力、情感压力及正常，得到心理压力数据库；

数据上传模块2017，用于将所述心理压力数据库上传至云平台。

具体地，所述心理压力模型集构建模块202具体用于：

具体地，所述心理压力评估模块203包括：

第二信号采集子模块2031，用于基于心电仪器及脑电仪器采集被试j的心电信号及脑电信号；

第四特征提取子模块2032，用于对所述心电信号进行心率变异性特征提取；

第五特征提取子模块2033，用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

第六特征提取子模块2034，用于对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计被试j各类型测试成绩rj1、rj2、rj3及rj4，分别作为被试j的特征；

第二归一化子模块2035，用于对第四特征提取子模块、第五特征提取子模块及第六特征提取子模块中提取的特征进行归一化处理，将第四特征提取子模块、第五特征提取子模块中提取的特征与第六特征提取子模块中提取的特征分别进行结合，得到被试j的心理压力特征数据；

匹配子模块2036，用于将被试j的心理压力特征数据输入所述心理压力模型集，在云平台上并行进行匹配，得出所述心理压力模型集中各模型的匹配度；

第二比较子模块2037，用于设置所述匹配度阈值，将各模型的匹配度与所述匹配度阈值进行比较，若大于该阈值，则匹配成功，认为被试j拥有该模型对应的心理压力；

评估子模块2038，用于根据所比较结果评估被试j的心理压力等级：