基于莫兰指数的视觉场景混乱程度判别方法、系统、设备

1.本发明属于心理沙盘图像分析领域，具体涉及一种基于莫兰指数的视觉场景混乱程度判别方法、系统、设备。


背景技术：

2.通常，人们认为某一场景在视觉上显得十分混乱，大多是因为感受到了场景中物体间的无序。比如书没有摆在书架上，衣服没有在衣柜里，而是一起堆积在地上，或者人流量大的公共场所来往的人群，人眼看到这样的场景是混乱的。那如何衡量混乱程度呢，例如人流量大的公共场所，现有专利：cn102098491a 混乱场景的监控方法及装置，通过找到人数超出某一数量阈值的区域，记为可能存在混乱的区域，然后再根据每个人的运动矢量方向的方差来衡量该场景的混乱程度。该技术方案在衡量流动的群体场景的混乱程度时是可行的，因为即便是在人流量大的公共场所，人群的流动也总是有秩序的。反映在物体运动矢量方向的方差之和上，结果越大，场景越混乱的假设是成立的。
3.然而，当遇到静态、多类别物体场景时，场景混乱不再是群体中个体移动的不一致性。静态场景下的混乱表现为空间上的无序状态，如同物理概念中的熵增后的场景，在这种状态下，相关的物象可能呈现离散状态，而不相关的物象也有聚集的可能。上述专利中的方案在衡量此类视觉混乱场景时有了固有的局限，比如只能通过判断人群密度和人群中个体移动方向来衡量混乱，但不能根据同类群体中的个体走散来识别出这种离散分布的混乱场景。
4.而在沙盘场景中混乱更为突出，比如有的摆放者会在“民用飞机”旁边放置一个“游乐场”，还有摆放者把“鳄鱼”摆放在了“婴儿”旁边。沙盘作品的主题分析中，“混乱”通常表现为分散，没有形状和规则，任意性和随意性较大，比如来访者把不同的沙具胡乱的放入沙箱而不考虑现实世界的联系。相应的，心理分析师在观察作品时也会衡量相邻沙具之间现实关联性。当衡量一幅画作或一个沙盘场景时，上述专利没有刻画相关物体在空间上是否相近的能力。
5.基于此，本发明致力于从物体之间的现实相关性强弱角度衡量视觉上的混乱程度。需要澄清的一点是，这里的现实相关性包括现实或虚构事物之间关联的合理性。参考空间统计学相关知识，从数学角度建模混乱场景的分析过程，提出了一种基于莫兰指数的视觉场景混乱程度判别方法。


技术实现要素：

6.为了解决现有技术中的上述问题，即为了解决现有技术无法刻画相关物体在空间上是否相近，导致在离散分布的视觉场景中混乱程度判别能力较差的问题，本发明提出了一种基于莫兰指数的视觉场景混乱程度判别方法，该方法包括：步骤s100，采集来访者制作的沙盘作品对应的沙盘作品数据，作为输入数据；所述沙盘作品数据包括沙具名称、沙具在心理沙盘上的坐标、沙具设定的类别数值；
步骤s200，根据所述输入数据中沙具在心理沙盘上的坐标，对心理沙盘上的沙具进行聚类；步骤s300，通过全局莫兰指数对聚类后不同类簇内的沙具进行空间自相关计算，获取全局莫兰指数的分布值；步骤s400，根据预设的全局莫兰指数分布区间与全局莫兰指数对应的混乱等级的映射关系，对步骤s300得到的全局莫兰指数的分布值进行匹配，进而得到来访者制作的沙盘作品中沙具摆放的混乱程度。
7.在一些优选的实施方式中，对心理沙盘上的沙具进行聚类，其方法为：通过k-means聚类方法对心理沙盘上的沙具进行聚类。
8.在一些优选的实施方式中，所述全局莫兰指数的分布值，其计算方法为：其中，表示全局莫兰指数的分布值，表示沙具的总数，表示所有空间权重的聚合，表示沙具与沙具之间的空间权重，表示沙具的属性值与其平均值（
ꢀ‑ꢀ
）的偏差，所述属性值即沙具设定的类别数值，表示聚类后的类簇内沙具的属性值，表示心理沙盘整幅场景中全部沙具属性值的平均值，、表示下标。
9.在一些优选的实施方式中，在计算全局莫兰指数的分布值时，每一个聚类后的类簇内，采用心理沙盘整幅场景中全部沙具设定的类别数值的均值，而非当前类簇内的沙具设定的类别数值的平均值。
10.在一些优选的实施方式中，沙具与沙具之间的空间权重，其计算方法为：计算沙具与沙具二维坐标下的欧式距离；对所述欧式距离求导，作为获取的空间权重。
11.本发明的第二方面，提出了一种基于莫兰指数的视觉场景混乱程度判别系统，该系统包括：数据采集模块、沙具聚类模块、自相关计算模块、混乱程度确定模块；所述数据采集模块，配置为采集来访者制作的沙盘作品对应的沙盘作品数据，作为输入数据；所述沙盘作品数据包括沙具名称、沙具在心理沙盘上的坐标、沙具设定的类别数值；所述沙具聚类模块，配置为根据所述输入数据中沙具在心理沙盘上的坐标，对心理沙盘上的沙具进行聚类；所述自相关计算模块，配置为通过全局莫兰指数对聚类后不同类簇内的沙具进行
空间自相关计算，获取全局莫兰指数的分布值；所述混乱程度确定模块，配置为根据预设的全局莫兰指数分布区间与全局莫兰指数对应的混乱等级的映射关系，对自相关计算模块得到的全局莫兰指数的分布值进行匹配，进而得到来访者制作的沙盘作品中沙具摆放的混乱程度。
12.本发明的第三方面，提出了一种电子设备，包括：至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述的基于莫兰指数的视觉场景混乱程度判别方法。
13.本发明的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述的基于莫兰指数的视觉场景混乱程度判别方法。
14.本发明的有益效果：本发明从数学角度建模混乱场景的分析过程，刻画相关物体在空间上的距离，进而提升了离散分布的视觉场景中混乱程度判别能力，解决了心理沙盘中的混乱主题识别问题。
15.1）本发明通过对沙具的在沙盘上的坐标进行聚类，从数学角度建模混乱场景，刻画相关物体在空间上的距离。建模后，通过全局莫兰指数对聚类后不同类簇内的沙具进行空间自相关计算，进一步准确的衡量沙具间的现实关联强弱，提升了离散分布的视觉场景中混乱程度判别能力，更好的解决了区域中多场景下采用全局莫兰指数产生的混乱度问题。
16.2）本发明在心理沙盘作品上的计算结果与心理分析师给出的混乱评级吻合，进而代替了心理分析师对沙具间现实联系分析的环节，节约了人力成本。而且相比于图像特征分析的方法，极大的节省了人力标注成本与计算时间。
附图说明
17.通过阅读参照以下附图所做的对非限制性实施例所做的详细描述，本技术的其他特征、目的和优点将会变得更明显。
18.图1 是本发明一种实施例的基于莫兰指数的视觉场景混乱程度判别方法的流程示意图；图2为本发明一种实施例的基于莫兰指数的视觉场景混乱程度判别系统的框架示意图；图3是本发明一种实施例的基于莫兰指数的视觉场景混乱程度判别方法的简略流程示意图；图4是本发明一种实施例的适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
19.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员
在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
21.本发明第一实施例的一种基于莫兰指数的视觉场景混乱程度判别方法，如图1所示，该方法包括：步骤s100，采集来访者制作的沙盘作品对应的沙盘作品数据，作为输入数据；所述沙盘作品数据包括沙具名称、沙具在心理沙盘上的坐标、沙具设定的类别数值；步骤s200，根据所述输入数据中沙具在心理沙盘上的坐标，对心理沙盘上的沙具进行聚类；步骤s300，通过全局莫兰指数对聚类后不同类簇内的沙具进行空间自相关计算，获取全局莫兰指数的分布值；步骤s400，根据预设的全局莫兰指数分布区间与全局莫兰指数对应的混乱等级的映射关系，对步骤s300得到的全局莫兰指数的分布值进行匹配，进而得到来访者制作的沙盘作品中沙具摆放的混乱程度。
22.为了更清晰地对本发明基于莫兰指数的视觉场景混乱程度判别方法进行说明，下面结合附图1、3，对本发明方法一种实施例中各步骤进行展开详述。
23.本发明先对所有的沙具进行归类处理，归类的类别是根据心理分析师给出的规则表划分，分为人物类、交通工具类和建筑类等46个类别。接着按照如下规则给这些类别赋值：1）数值区间可以没有上下限，不分正负，但为了方便取值，本发明优选的取值区间为（-50000，50000）；2）确保每一个类别只有唯一的数值与其对应；3）逻辑上越相关的类别，数值越接近。
24.赋值后，这些类别数值（下文中称之为沙具设定的类别数值）将作为莫兰指数中的沙具属性值参与空间自相关计算。
25.归类后，对来访者（或者称为被试者）的制作的沙盘作品进行分析，进而得到视觉场景的混乱程度，即心理沙盘中沙盘作品的混乱程度，具体如下：步骤s100，采集来访者制作的沙盘作品对应的沙盘作品数据，作为输入数据；所述沙盘作品数据包括沙具名称、沙具在心理沙盘上的坐标、沙具设定的类别数值；在本实施例中，在来访者制作完成沙盘作品后，采集对应的沙盘作品数据；沙盘作品数据包括沙具名称、沙具在心理沙盘上的坐标、沙具设定的类别数值。
26.步骤s200，根据所述输入数据中沙具在心理沙盘上的坐标，对心理沙盘上的沙具进行聚类；事实上，健康的来访者会把相关的沙具摆放的更加紧密，并使得沙盘中的不同场景有边界感。所以聚类后更容易衡量沙具间的现实关联强弱。
27.在本实施例中，基于沙盘作品数据中沙具在心理沙盘上的坐标，通过k-means聚类方法对心理沙盘上的沙具进行聚类。
28.步骤s300，通过全局莫兰指数对聚类后不同类簇内的沙具进行空间自相关计算，
获取全局莫兰指数的分布值；在本实施例中，为了进一步准确的衡量沙具间的现实关联强弱，本发明通过全局莫兰指数分析聚类后各类簇内沙具的空间自相关。全局莫兰指数，如公式（1）（2）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中，表示全局莫兰指数的分布值，表示沙具的总数，表示所有空间权重的聚合，表示沙具与沙具之间的空间权重，表示沙具的属性值与其平均值（
ꢀ‑ꢀ
）的偏差，所述属性值即沙具设定的类别数值，表示聚类后的类簇内沙具的属性值，表示心理沙盘整幅场景中全部沙具属性值的平均值，、表示下标。
29.另外，如果独立计算其中每一个聚类场景的莫兰指数，会导致物体偏差与间的乘积接近负数，因为小场景中物体属性值一定在均值对侧（例如仅有两个沙具，尽管他们在属性表中的数值接近，但偏差之积必为负）。这样也不符合莫兰指数的应用要求，即计算场景中的物体种类足够丰富，数量足够多，莫兰指数的计算结果会越好。基于此，本发明将全局莫兰指数使用方式修改如下：一方面，在每一个聚类后的类簇内部，不采用类簇内沙具的属性值（即沙具设定的类别数值）的平均值来计算偏差
ꢀ‑ꢀꢀ
，而是采用整幅场景（即整个心理沙盘的场景）中全部沙具的属性值的均值来计算
ꢀ‑ꢀ
。即将公式（1）应用于聚类内时，仅将、与中的均值改变（即采用整幅场景中全部沙具的属性值的平均值），而、、的计算范围保持在聚类内部（即采用类簇内沙具的属性值的平均值）。这样的改动在聚焦场景的同时又不改变全局莫兰指数的分布。另一方面，对于空间权重，我们采用二维坐标下欧氏距离的倒数；具体为：计算沙具与沙具二维坐标下的欧式距离；对欧式距离求导，作为获取的空间权重。
30.步骤s400，根据预设的全局莫兰指数分布区间与全局莫兰指数对应的混乱等级的映射关系，对步骤s300得到的全局莫兰指数的分布值进行匹配，进而得到来访者制作的沙盘作品中沙具摆放的混乱程度。
31.在本实施例中，得到全局莫兰指数结果（即全局莫兰指数的分布值）后，是对来访者制作的沙盘作品进行混乱程度打分。
32.本发明混乱程度优选分为三级，级数越高代表混乱程度越高。对于心理专家评定
的混乱作品，其莫兰指数结果更加接近0，这种结果符合预期，因为上述作品中的沙具都是十分密集的，并且摆放符合均匀分布。而稍显混乱的作品，其莫兰指数结果或者为负，或者为0.1以下的正数。不混乱作品的结果则为接近1的正数。经过实验的归纳与总结我们最终确定，预设的莫兰指数区间（0.05，0.11）之间的混乱程度设为一级混乱、（0.01，0.05）或（《-0.01）设置为二级混乱、（-0.01,0.01）设为三级混乱。即根据预设的全局莫兰指数分布区间与全局莫兰指数对应的混乱等级的映射关系，对步骤s300得到的全局莫兰指数的分布值进行匹配，进而得到来访者制作的沙盘作品中沙具摆放的混乱程度。
33.本发明第二实施例的一种基于莫兰指数的视觉场景混乱程度判别系统，如图2所示，该系统包括：数据采集模块100、沙具聚类模块200、自相关计算模块300、混乱程度确定模块400；所述数据采集模块100，配置为采集来访者制作的沙盘作品对应的沙盘作品数据，作为输入数据；所述沙盘作品数据包括沙具名称、沙具在心理沙盘上的坐标、沙具设定的类别数值；所述沙具聚类模块200，配置为根据所述输入数据中沙具在心理沙盘上的坐标，对心理沙盘上的沙具进行聚类；所述自相关计算模块300，配置为通过全局莫兰指数对聚类后不同类簇内的沙具进行空间自相关计算，获取全局莫兰指数的分布值；所述混乱程度确定模块400，配置为根据预设的全局莫兰指数分布区间与全局莫兰指数对应的混乱等级的映射关系，对自相关计算模块300得到的全局莫兰指数的分布值进行匹配，进而得到来访者制作的沙盘作品中沙具摆放的混乱程度。
34.所述技术领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的系统的具体的工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
35.需要说明的是，上述实施例提供的基于莫兰指数的视觉场景混乱程度判别系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
36.本发明第三实施例的一种基于莫兰指数的视觉场景混乱程度判别装置，该装置包括：采集设备、中央处理设备；所述采集设备，包括摄像机、照相机、扫描机，用于采集来访者制作的沙盘作品对应的沙盘作品数据；即通过采集设备采集电子心理沙盘设备上来访者制作的沙盘作品对应的图像，对图像分析得到沙盘作品数据；所述沙盘作品数据包括沙具名称、沙具在心理沙盘上的坐标、沙具设定的类别数值；所述中央处理设备，包括gpu，配置为根据沙盘作品数据中沙具在心理沙盘上的坐标，对心理沙盘上的沙具进行聚类；通过全局莫兰指数对聚类后不同类簇内的沙具进行空间自相关计算，获取全局莫兰指数的分布值；根据预设的全局莫兰指数分布区间与全局莫兰指数对应的混乱等级的映射关系，对得到的全局莫兰指数的分布值进行匹配，进而得到
来访者制作的沙盘作品中沙具摆放的混乱程度。
37.本发明第四实施例的一种电子设备，至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述的基于莫兰指数的视觉场景混乱程度判别方法。
38.本发明第五实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述的基于莫兰指数的视觉场景混乱程度判别方法。
39.所述技术领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的基于莫兰指数的视觉场景混乱程度判别装置、电子设备、可读存储介质的具体工作过程及有关说明，可以参考前述方法实例中的对应过程，在此不再赘述。
40.下面参考图4，其示出了适于用来实现本技术方法、系统、装置实施例的服务器的计算机系统的结构示意图。图4示出的服务器仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
41.如图4所示，计算机系统包括中央处理单元(cpu，central processing unit)401，其可以根据存储在只读存储器(rom，read only memory)402中的程序或者从存储部分408加载到随机访问存储器(ram，random access memory)403中的程序而执行各种适当的动作和处理。在ram 403中，还存储有系统操作所需的各种程序和数据。cpu 401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o，input/output)接口405也连接至总线404。
42.以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(crt，cathode ray tube)、液晶显示器(lcd，liquid crystal display)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan(局域网，local area network)卡、调制解调器等的网络接口卡的通讯部分409。通讯部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
43.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通讯部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本技术的方法中限定的上述功能。需要说明的是，本技术上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信
号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
44.可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
45.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
46.术语“第一”、
ꢀ“
第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
47.术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
48.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。