一种基于中医望诊的“神”的特征提取与分类方法及系统

摘要

本发明提供一种基于中医望诊的“神”的特征提取与分类方法，上述方法包括以下步骤：获取人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按照预设提取策略，提取各个特征因子；根据获得的所述各个特征因子，按照预设分类策略，获取望神分类结果，实现了“神”特征的自动化分类；本发明能直接对面部图像进行神的定量分析和定性描述，辅助中医诊断。

说明书

技术领域

本发明涉及计算机医学诊断图像处理领域，尤其涉及一种基于中医望诊的 “神”的特征提取与分类方法及系统。

背景技术

中医诊断的客观化研究是中医信息领域的一个热点，望面部神色是中医诊 法的特色之一，中医认为“光明润泽者，气也，青赤黄白黑者，色也”，观察面 部神色的变化可以诊断脏腑精气盛衰，对判断病情轻重、推测预后至关重要。 人体面部的神色和五脏六腑密切相关，脏腑功能活动异常，必然通过人体面部 的“神”、“色”等信息反映出来，观察病人面部神色的变化对脏腑病证的诊断 及其治疗具有及其重要的价值，是中医症型判断的重要依据之一。

但传统面部神色的诊察，主要是依靠临床医生主观描述，描述为有神、少 神和无神，缺乏客观化数据支持，具有很强的主观性和模糊性，这势必影响了 中医诊断的整体发展。

中医面诊的现代化、客观化研究对中医辨证的规范化、临床疗效评价以及 中医面诊的进一步发展，具有重要的理论价值和临床意义。

随着科技的不断进步，计算机技术，尤其是模式识别、计算机视觉、数据 挖掘等技术，逐步引入到中医的客观化、规范化研究过程中来，取得了阶段性 的成果。

面诊中神的定量是面诊的一个重要方面，经对现有技术文献的检索发现， 目前在面诊中“神”的特征分析方面还没有任何的方法和技术报道。

发明内容

本发明提供一种基于中医望诊的“神”的特征提取与分类方法及系统，以 解决上述问题。

本发明提供一种基于中医望诊的“神”的特征提取与分类方法。上述方法 包括以下步骤：

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按 照预设提取策略，提取各个特征因子；

根据获得的所述各个特征因子，按照预设分类策略，获取望神分类结果。

本发明还提供一种基于中医望诊的“神”的特征提取与分类系统。上述系 统包括特征因子提取模块、望神分类模块；其中，所述特征因子提取模块与所 述望神分类模块直接相连；

所述特征因子提取模块，用于获取预设时段内人脸面部视频图像信息，分 割与提取眼睛和脸颊区域并按照预设提取策略，提取各个特征因子并将所述各 个特征因子发送至所述望神分类模块；

所述望神分类模块，用于根据获得的所述各个特征因子，按照预设分类策 略，获取望神分类结果。

通过以下方案：获取预设时段内人脸面部视频图像信息，分割与提取眼睛 和脸颊区域并按照预设提取策略，提取各个特征因子；根据获得的所述各个特 征因子，按照预设分类策略，获取望神分类结果，实现了“神”特征的自动化 分类并且能直接对面部图像进行神的定量分析和定性描述，辅助中医诊断。

通过以下方案：根据获得的各个特征因子、特征因子范围与权重对照表， 获得各个特征因子对应的权重；获取各个特征因子与对应权重的乘积之和；若 乘积之和大于或等于第六预设值，则望神分类结果为有神；若乘积之和大于第 五预设值且小于第六预设值，则望神分类结果为少神；若小于或等于第五预设 值，在望神分类结果为无神；其中，所述第六预设值大于第五预设值；给各个 特征因子分配不同的权重，进一步使得望诊“神”的特征的分类结果更加准确。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分， 本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限 定。在附图中：

图1所示为本发明实施例1的基于中医望诊的“神”的特征提取与分类方 法处理流程图；

图2所示为本发明实施例2的基于中医望诊的“神”的特征提取与分类系 统结构图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不 冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

图1所示为本发明实施例1的基于中医望诊的“神”的特征提取与分类方 法处理流程图，包括以下步骤：

步骤101：获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊 区域并按照预设提取策略，提取各个特征因子；

获取预设时段内人脸面部视频图像信息的方式为：通过摄像装置获取预设 时段内人脸面部视频图像信息；其中，摄像装置包括摄像机和一台电脑。

摄像装置获取预设时段内人脸面部视频图像信息时，采取人脸和摄像机距 离33cm，摄像机的参数调整为：Tv(1/15s),Av(5.6),ISO(80)；白平衡； 自定义模式和水平摄影；拍摄窗口的大小为220毫米×170mm。

当然，摄像机摄像时的具体参数可以根据实际情况进行调整，上述仅是举 例，不用于限定本发明的保护范围。

所述特征因子包括：眨眼次数，长眨眼次数，总虹膜比平均值，眼球运动 距离平均值、眼长宽比平均值、面部光泽度平均值。

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按 照预设提取策略，提取各个特征因子的过程为：

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域；

实时获取眼部虹膜区域黑色像素值，若大于或小于第一预设值，则触发计 数器进行计数；其中，计数器每次计数的方式为：每次加1；

根据预设时段内的计数器的计数值，获取眨眼次数。

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按 照预设提取策略，提取各个特征因子的过程为：

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域；

实时获取眼部虹膜区域黑色像素值，若小于第二预设值，则记录时间为A； 若大于第二预设值，则记录时间为B；

获取A和B之间的时间差绝对值；

若所述时间差绝对值大于第三预设值，则触发计数器进行计数；其中，计 数器每次计数的方式为：每次加1；

根据预设时段内的计数器的计数值，获取长眨眼次数。

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按 照预设提取策略，提取各个特征因子的过程为：

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域；

获取虹膜中点并根据获取的所述虹膜中点，计算整个虹膜区域；

实时获取虹膜区域中的各个点的黑色像素值；

将所述各个点的黑色像素值分别除以整个虹膜区域，然后求和获得总虹膜 比并获取预设时段内的总虹膜比平均值。

将所述各个点的黑色像素值分别除以整个虹膜区域，然后求和获得总虹膜 比并获取预设时段内的总虹膜比平均值的过程为：：

S＝∑_np_i/(π*r²)|           (1)

其中S是n个黑色像素的总虹膜比，p_i指i个黑色像素，r指瞳孔的半径。

其中，虹膜区域中黑色像素值最大的那行是眼球直径，直径的中心点P是 虹膜中点。

获取预设时段内的总虹膜比平均值。

总虹膜比平均值＝(总虹膜比1+总虹膜比2+总虹膜比3+…总虹膜比n)/T； T代表预设时段。

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按 照预设提取策略，提取各个特征因子的过程为：

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域；

获取内眼角位置信息；

通过计算虹膜中点与内眼角距离，获取眼球运动距离。

获取预设时段内的眼球运动距离平均值。

眼球运动距离平均值＝(眼球运动距离1+眼球运动距离2+眼球运动距离 3+…眼球运动距离n)/T；T代表预设时段。

获取内眼角位置信息的过程为：

假设I₁(x,y)，I₂(x,y)，I₃(x,y)……In(x,y)是图像序列，将平均序列设为 u_n(x,y)，将图像的变动函数设为

将平均图像和变动情况初始化为以下数值。

u₁(x，y)＝I₁(x，y)                        (2)

δ²₁(x，y)＝0                    (3)

将公式更新为以下两式：

u_n+1(x，y)＝(u_n(x，y)+I_n+1(x，y))/2            (4)

δ²_n+1(x，y)＝(u_n+1(x，y)-u_n(x，y))²                (5)

在图像变化中，如果黑色像素值大于第四预设值，则将黑色像素值设置成 255，用来覆盖原来的黑色像素值，反之设置为0，然后通过卷积运算可以得到 内眼角位置。

眼角过滤如下所示：

$\left(\begin{array}{cccccc}-1& -1& -1& 1& 1& 1\\ -1& -1& -1& -1& 1& 1\\ -1& -1& -1& -1& -1& 1\\ 1& 1& 1& 1& 1& 1\end{array}\right)\left(\begin{array}{cccccc}1& 1& 1& -1& -1& -1\\ 1& 1& -1& -1& -1& -1\\ 1& -1& -1& -1& -1& -1\\ 1& 1& 1& 1& 1& 1\end{array}\right)$

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按 照预设提取策略，提取各个特征因子的过程为：

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域；

实时获取内外眼角距离及上眼睑至下眼睑的最大距离，并将内外眼角距离 除以上眼睑至下眼睑的最大距离，获取眼长宽比；

获取预设时段内的眼长宽比平均值。

眼长宽比平均值＝(眼长宽比1+眼长宽比2+眼长宽比3+…眼长宽比n)/T； T是指预设时段。

通过边缘检测方法得到上眼睑至下眼睑的最大距离。

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域并按 照预设提取策略，提取各个特征因子的过程为：

获取预设时段内人脸面部视频图像信息，分割与提取眼睛和脸颊区域；

将图像的色彩空间转换成六角锥体模型色彩空间HSV(Hue,Saturation, Value；)色调(H)，饱和度(S)，亮度(V)并计算面部光泽度。

获取预设时段内的面部光泽度平均值。

面部光泽度平均值＝(面部光泽度1+面部光泽度2+面部光泽度3+…面部光 泽度n)/T；T是指预设时段。

步骤102：根据获得的各个特征因子，按照预设面部分类策略，获取望神分 类结果。

望神分为三类：有神、少神、无神。

有神是健康人的神色特征；少神是病人的神色表现，表明机体器官功能运 行不太正常；无神是病情严重的病人有的神色特征。

根据获得的各个特征因子，按照预设面部分类策略，获取望神分类结果的 过程为：

根据获得的各个特征因子、特征因子范围与权重对照表，获得各个特征因 子对应的权重；

获取各个特征因子与对应权重的乘积之和；

若乘积之和大于或等于第六预设值，则望神分类结果为有神；

若乘积之和大于第五预设值且小于第六预设值，则望神分类结果为少神；

若小于或等于第五预设值，在望神分类结果为无神；其中，所述第六预设 值大于所述第五预设值。

特征因子范围与权重对照表包括：眨眼数值范围与权重对照表、长眨眼数 值范围与权重对照表、虹膜比数值范围与权重对照表、眼球运动距离数值范围 与权重对照表、眼长宽比数值范围与权重对照表、面部光泽度数值范围与权重 对照表。

根据眨眼次数、眨眼数值范围与权重对照表，获取对应的权重；

获取眨眼次数与对应权重的乘积；

眨眼数值范围与权重对照表

眨眼数值范围(X：次) 权重 X≥25 8％ 0≤X＜25 2％

表1

若预设时段内(例如1分钟)眨眼次数为30，则根据眨眼数值范围与权重 对照表，获得对应的权重为8％。

根据长眨眼次数、长眨眼数值范围与权重对照表，获取对应的权重；

获取长眨眼次数与对应权重的乘积；

长眨眼数值范围与权重对照表

长眨眼数值范围(Y：次) 权重 X≥3 5％

0≤X＜3 15％

表2

若预设时段内(例如:1分钟)长眨眼次数为2，则根据长眨眼数值范围与权 重对照表，获得对应的权重为15％。

根据总虹膜比平均值、虹膜比数值范围与权重对照表，获取对应的权重；

获取总虹膜比平均值与对应权重的乘积；

虹膜比数值范围与权重对照表

虹膜比数值范围(Z：次) 权重 Z≥80％ 15％ 0≤Z＜80％ 10％

表3

若预设时段内总虹膜比平均值为60％，则根据虹膜比数值范围与权重对照 表，获得对应的权重为10％。

根据眼球运动距离平均值、眼球运动距离数值范围与权重对照表，获取对 应的权重；

获取眼球运动距离平均值与对应权重的乘积；

眼球运动距离数值范围与权重对照表

眼球运动距离数值范围(W：cm) 权重 W≥3 8％ 0≤W＜3 2％

表4

若预设时段内眼球运动距离平均值为2.5cm，则根据眼球运动距离数值范围 与权重对照表，获得对应的权重为2％。

根据眼长宽比平均值、眼长宽比数值范围与权重对照表，获取对应的权重；

获取眼长宽比平均值与对应权重的乘积；

眼长宽比数值范围与权重对照表

眼长宽比数值范围(R) 权重

R≥50％ 10％ 0≤R＜50％ 15％

表5

若预设时段内眼长宽比平均值为10％，则根据眼长宽比数值范围与权重对 照表，获得对应的权重为15％。

根据面部光泽度平均值、面部光泽度数值范围与权重对照表，获取对应的 权重；

获取面部光泽度平均值与对应权重的乘积；

面部光泽度数值范围与权重对照表

面部光泽度数值范围(Q) 权重 Q≥10 8％ 0≤Q＜10 2％

表6

若预设时段内面部光泽度平均值为8，则根据面部光泽度数值范围与权重对 照表，获得对应的权重为2％。

另外，上述表1-表6中的数值范围中的具体数值及对应的权重值，可以根 据实际情况进行灵活设定，在此不限定本发明的保护范围。

获取眨眼次数与对应权重的乘积、长眨眼次数与对应权重的乘积、总虹膜 比平均值与对应权重的乘积、眼球运动距离平均值与对应权重的乘积、眼长宽 比平均值与对应权重的乘积、面部光泽度平均值与对应权重的乘积之和；

若乘积之和大于或等于第六预设值，则望神分类结果为有神；

若乘积之和大于第五预设值小于第六预设值，则望神分类结果为少神；

若小于或等于第五预设值，在望神分类结果为无神。

本文中的第一预设值、第二预设值、第三预设值、第四预设值、第五预设 值、第六预设值可以根据实际情况进行设定，在此不限定本发明的保护范围。

图2所示为本发明实施例2的基于中医望诊的“神”的特征提取与分类系 统结构图，包括：特征因子提取模块、望神分类模块；其中，所述特征因子提 取模块与所述望神分类模块直接相连；

所述特征因子提取模块，用于获取预设时段内人脸面部视频图像信息，分 割与提取眼睛和脸颊区域并按照预设提取策略，提取各个特征因子并将所述各 个特征因子发送至所述望神分类模块；

所述望神分类模块，用于根据获得的所述各个特征因子，按照预设分类策 略，获取望神分类结果。

通过以下方案：获取预设时段内人脸面部视频图像信息，分割与提取眼睛 和脸颊区域并按照预设提取策略，提取各个特征因子；根据获得的所述各个特 征因子，按照预设分类策略，获取望神分类结果，实现了“神”特征的自动化 分类并且能直接对面部图像进行神的定量分析和定性描述，辅助中医诊断。

通过以下方案：根据获得的各个特征因子、特征因子范围与权重对照表， 获得各个特征因子对应的权重；获取各个特征因子与对应权重的乘积之和；若 乘积之和大于或等于第六预设值，则望神分类结果为有神；若乘积之和大于第 五预设值且小于第六预设值，则望神分类结果为少神；若小于或等于第五预设 值，在望神分类结果为无神；其中，所述第六预设值大于第五预设值；给各个 特征因子分配不同的权重，进一步使得望神的特征分类结果更加准确。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本 领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和 原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护 范围之内。