53、儿童自闭症风险评估与可泛化人脸反欺骗的研究进展

儿童自闭症风险评估与可泛化人脸反欺骗的研究进展

1. 儿童自闭症风险评估的深度学习方法

在儿童自闭症（ASD）和神经发育障碍（NDD）的研究中，提出了一种基于深度学习（DL）的人体动作识别（HAR）框架，用于评估儿童患自闭症或发育障碍的风险。该方法训练了一个基于45个动作的多模型动作识别系统，以测量儿童在感兴趣动作上的表现。

具体而言，在NTU RGB视频数据集上对七个DL模型进行了训练，这些模型针对各种成人动作，旨在检测患有ASD和NDD的儿童。此方法具有易于实现的优点，并且在包含283个复杂视频场景的实际儿童视频上，取得了中等至较高的心理测量结果。

不过，HAR模型存在一个固有局限性，即容易对相似动作类别进行错误分类。为了尽量减少这种错误分类并提高诸如敏感性、特异性和准确性等心理测量结果，应确保DL模型包含最佳数量的动作类别，且这些类别之间的相似度应尽可能低。

步骤	描述
1	收集包含45个动作的视频数据
2	在NTU RGB视频数据集上训练七个DL模型
3	对实际儿童视频进行动作识别