1.一种学生心理健康群体筛查方法，其特征在于，具体包括如下步骤：S1：通过前端高频摄像机获取30‑60秒的学生面部、颈部肌肉群视频；

S2：获取前庭器官控制头部肌肉细微运动产生的微小振动频率和幅度参数；

S3：根据脑波与心理生理参数的映射关系，对S2获得振动频率和幅度参数通过心理生理参数提取算法进行视频与脑电图，以及视频图像与HRV之间的转换，获取映射参数和脑波信息；

S4：将S3中获取映射参数和脑波信息与基本特征数据库内的情绪算法模型进行比对，并快速统计出学生情感状态；

S5：将S4中统计出来的学生情感状态进行评估，并创建档案；

S6：筛查出异常情绪的高危可疑学员，并对筛查出来的学员每周检测一次，连续三次情绪均存在异常，系统对情绪异常学生进行标记，并自动发出预警；

S7：对S6中异常的学生进行记录跟踪检测，并进行线上和/或线下面对面沟通，直到情绪稳定终止跟踪检测。

2.根据权利要求1所述的学生心理健康群体筛查方法，其特征在于，在所述S1中，摄像机在视频采集前，需要视频采集过滤器和视频截图格式的设置，进行图像的调试。

3.根据权利要求1所述的学生心理健康群体筛查方法，其特征在于，在所述S2中，微小振动频率和幅度参数为头部点的运动参数，点与点之间光学对比存在差异，在每个点形成振动成像。

4.根据权利要求3所述的学生心理健康群体筛查方法，其特征在于，所述光学对比差异包括如下：信号的振幅在空间上每点的变化；

公式为：

其中：Ux，y，i第i帧中(x，y)点处的信号量，Ux，y，(i+1)第i+1帧中(x，y)点处的信号量，N累积振动图像振幅分量的帧数；

信号的频率在空间上每点的变化；

公式为：

其中：Δi为图像在第i点的帧间差异(有差别为1，无差别为0)，N为累积振动图像振幅分量的帧数；

由公式(1)和公式(2)推导出情绪模型算法：

其中，Ei为某一种情绪状态， 为一个人的头部以微振动形式做功在时间上的变化(频率)， 为一个人的头部以微振动形式做功的空间分布(位移)；fi：对应关系。

5.根据权利要求4所述的学生心理健康群体筛查方法，其特征在于，所述情绪模型算法包括攻击模型算法、压力模型算法、可疑模型算法、平衡模型算法、魅力模型算法、活力模型算法、自我调节模型算法、抑制模型算法、神经质模型算法、抑郁模型算法、幸福模型算法、外向性模型算法和稳定性模型算法。

6.根据权利要求5所述的学生心理健康群体筛查方法，其特征在于，学生情感状态由计算值、标准方差和变异值计算得到的参数。

7.一种学生心理健康群体筛查系统，其特征在于，包括：高频摄像机，用于前端学生面部、颈部肌肉群视频的采集；

AI情绪识别模块，用于群体数据、图片信号进行快速分析和处理，得到学生头部振动点的运动参数；

心理生理参数提取模块，用于根据脑波与心理生理参数的映射关系以及脑波检测与视频检测的映射关系，获取映射参数和脑波信息；

振动成像模块，用于光学对比，信号的振幅在空间上每点的变化和信号的频率在空间上每点的变化，获取每个点形成振动成像；

算法模型比对模块，用于与基本特征数据库内的情绪算法模型进行比对，快速统计出学生情感状态；

评估模块，用于学生心理健康状态全面评估，用数据来量化各项指标是否正常；

筛查模块，用于异常情绪的高危可疑学员的筛查；

预警模块，用于连续三次检测存在异常情绪的学员进行自动预警；

档案创建模块，用于对参加检测的学生做建档管理，对筛查出来的重点学员重点监控；

跟踪服务模块，对筛查出来的重点学员进行线上和/或线下面对面跟踪，并进行心理沟通咨询；

记录模块，用于对筛查出来的重点学员，每次检测做历史记录，及时发现情绪变化趋势。

8.根据权利要求7所述的学生心理健康群体筛查系统，其特征在于，所述评估模块评估包括学生情感状态的攻击、压力、可疑、平衡、魅力、活力、自我调节、抑制、神经质、抑郁、幸福、外向性和稳定性综合数据，以及心理状态中负面情绪、正面情绪以及生理情绪在综合数据的占比；

还评估包括活力度、集中度、疲劳度。

9.根据权利要求7所述的学生心理健康群体筛查系统，其特征在于，所述档案创建模块包括检测时间单元、姓名单元、编号单元、年龄单元、单位单元、班级单元、综合评估单元和操作单元。

10.根据权利要求7所述的学生心理健康群体筛查系统，其特征在于，所述记录模块包括脑疲劳度历史记录和集中力历史记录。