本發(fā)明公開了一種基于深度圖神經(jīng)網(wǎng)絡(luò)的RASS鎮(zhèn)靜評(píng)分判別方法，基于Retinaface改進(jìn)網(wǎng)絡(luò)進(jìn)行人臉檢測(cè)和圖像矯正，并進(jìn)行圖像預(yù)處理，通過(guò)改進(jìn)VGG網(wǎng)絡(luò)進(jìn)行基于疼痛檢測(cè)的特征提取；采用級(jí)聯(lián)金字塔模型(CPN)進(jìn)行人體姿態(tài)估計(jì)，得到患者的動(dòng)作姿態(tài)和肢體關(guān)鍵點(diǎn)，對(duì)關(guān)鍵點(diǎn)區(qū)域的圖像塊進(jìn)行空間和時(shí)間維度固定大小的多層3D卷積和下采樣，得到關(guān)鍵點(diǎn)運(yùn)動(dòng)特征抽?。煌ㄟ^(guò)深度圖神經(jīng)網(wǎng)絡(luò)進(jìn)行關(guān)系圖建模和聯(lián)合優(yōu)化學(xué)習(xí)，得到判別性更強(qiáng)的高維特征融合，通過(guò)計(jì)算特征融合的加權(quán)組合和softmax判別得到單幅圖像的RASS評(píng)分；在連續(xù)圖像序列中，進(jìn)行加權(quán)平均，得到魯棒性更優(yōu)的RASS評(píng)分自動(dòng)判別和預(yù)測(cè)。本發(fā)明提高了疼痛表情檢測(cè)和異常行為識(shí)別融合評(píng)判的準(zhǔn)確度和效率，降低漏檢和誤檢率。