抑郁症是一种常见的精神障碍,根据2018年《柳叶刀》的研究数据,在世界范围内有超过2.64亿名抑郁症患者,然而误诊和治疗资源缺乏等问题普遍存在。随着深度学习技术的进步和完善,越来越多的研究人员提出使用深度学习算法,达到客观有效地识别抑郁症的目的。其中,基于临床访谈中面部视频图像的抑郁状态识别是一个热点研究方向。本课题针对如何利用临床访谈视频实现便捷高效地识别抑郁症展开了研究,本文的主要创新和贡献如下:首先,考虑到口罩遮挡和视频图像受光照、环境变化影响大的问题,本文利用关键点提取技术对访谈视频进行预处理,实现了一种能够克服口罩遮挡难题的人脸及人眼关键点检测技术。然后,根据临床知识,长期的情绪低落是抑郁症的主要外在表现。本文将情绪状态分为正性、中性和负性三类情绪状态,研究不同情绪状态的外在表征模式,提出从关键点时间序列中学习句子级嵌入,实现情绪状态识别任务;针对遮挡、头部运动等非受控因素导致情绪状态类内距离增大、类间距离减小的问题,本文采用A-Softmax损失函数定义了一个难度可调的大角度间隔学习任务,理论和实验证明,该损失相比于Softmax损失可以有效减小情绪状态的类内距离,增大类间距离。最后,针对情绪识别模型对关键点序列空间维度信息利用不充分的缺点,本文提出基于人脸及人眼关键点序列时空图卷积的抑郁状态识别算法,构建关键点坐标序列时空图,学习关键点序列中的时空信息;考虑到情绪状态与抑郁状态的密切联系,提出情绪状态识别与抑郁状态识别的多任务学习策略。实验表明:（1）关键点序列时空图能够有效建模关键点序列的时空运动关系;（2）情绪和抑郁识别多任务学习策略可以有效提高抑郁状态识别模型的性能。最终,本文提出的抑郁状态识别模型在自建数据库301数据库和公开的DAIC-WOZ抑郁症数据库上分别达到了84.8%和83.3%的F2分数。