法律状态公告日
法律状态信息
法律状态
2022-02-25
专利权人的姓名或者名称、地址的变更 IPC(主分类):G06K 9/62 专利号:ZL2015100102315 变更事项:专利权人 变更前:上海祉云医疗科技有限公司 变更后:上海祉云医疗科技有限公司 变更事项:地址 变更前:201821 上海市嘉定区嘉定工业区永盛路2229号2幢2层213室 变更后:201203 上海市浦东新区中国(上海)自由贸易试验区张衡路666弄2号101B室
专利权人的姓名或者名称、地址的变更
2017-12-08
专利权的转移 IPC(主分类):G06K9/62 登记生效日:20171121 变更前: 变更后: 申请日:20150108
专利申请权、专利权的转移
2017-11-14
授权
授权
2015-05-27
实质审查的生效 IPC(主分类):G06K9/62 申请日:20150108
实质审查的生效
2015-04-29
公开
公开
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=∑npi/(π*r2)| (1)
其中S是n个黑色像素的总虹膜比,pi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 un(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:
un+1(x,y)=(un(x,y)+In+1(x,y))/2 (4)
δ2n+1(x,y)=(un+1(x,y)-un(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:
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
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
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
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
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
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
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。
机译: 一种基于特征提取的音乐分类方法
机译: 基于深度学习算法的心电图特征提取方法,装置,系统,装置和分类方法
机译: 基于支持向量机的无人机声音特征提取与分类方法及系统