一种基于深度学习的中医红外图像人体分割算法

摘要

本发明提供了一种基于深度学习的中医红外图像人体分割算法，包括以下步骤：步骤1，让待检测人员做出符合规定的人体动作；步骤2，红外测温摄像头采集人体红外图像；步骤3，对采集到的人体红外图像进行处理并初步分割；步骤4，使用卷积神经网络算法对筛选后的人体红外图像进行分割；步骤5，将分割后的人体红外图像输出；通过采用卷积神经网络的中医红外图像分割算法，可以准确地将人体裸露区域与衣物遮挡区域分割开，将人体裸露区域的人体红外图像用于医师对健康状态的评估与临床疾病的诊断，因此保证分析过程中最高温度和最低温度在人体上，而不会受背景和外物的干扰，同时也使医师做出的评估或诊断精确度更高。

说明书

技术领域

本发明涉及红外图像人体分割算法领域，具体为一种基于深度学习的中医红外图像人体分割算法。

背景技术

红外成像技术是一项前途广阔的高新技术。比0.78微米长的电磁波位于可见光光谱红色以外，称为红外线，又称红外辐射。是指波长为0.78—1000微米的电磁波，其中波长为0.78—2.0微米的部分称为近红外，波长为2.0—1000微米的部分称为热红外线。自然界中，一切物体都可以辐射红外线，因此利用探测仪测量目标本身与背景间的红外线差可以得到不同的热红外线形成的红外图像。

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。

医学数字红外热成像技术主要是通过红外热成像系统采集人体红外辐射，并转换为数字信号，形成伪色彩热图，利用专用分析软件，经专业医师对热图、热值分析，判断出人体异常的部位、疾病的性质和病变的程度，可为健康状态的评估与临床疾病的诊断提供比较完整的功能与病理变化的参考依据。

在医学数字红外成像使用中，所采集到的人体红外图像为待检测人员穿着衣服的红外图像，将此类红外图像直接交给专业医师对热图、热值分析，可能会影响医师对病情的判断，对健康状态的评估与临床疾病的诊断存在一定的影响，本发明提出一种基于深度学习的中医红外图像人体分割算法，通过红外测温摄像头采集符合规定动作的人体图像，提出基于卷积神经网络的中医红外图像分割算法，该算法可以实现人体温度区域准确分割，为基于中医红外理论的疾病诊断提供支持。

发明内容

本发明提供了一种基于深度学习的中医红外图像人体分割算法，包括以下步骤：

步骤1，让待检测人员做出符合规定的人体动作；

步骤2，红外测温摄像头采集人体红外图像；

步骤3，对采集到的人体红外图像进行处理并初步分割；

步骤4，使用卷积神经网络算法对筛选后的人体红外图像进行分割；

步骤5，将分割后的人体红外图像输出。

作为本发明的一种优选技术方案，所述步骤2中，将符合动作规定的人体红外图像采集，并传输至下一步骤，将不符合动作规定的人体红外图像删除。

作为本发明的一种优选技术方案，对所述步骤3中所采集到的人体红外图像进行预处理，获得清晰的人体红外图像。

作为本发明的一种优选技术方案，所述预处理包括弱化环境背景和凸显人体红外图像。

作为本发明的一种优选技术方案，对清晰的人体红外图像进行初步分割，基于边缘的分割方法，将环境背景图像去除，获得人体红外轮廓图。

作为本发明的一种优选技术方案，使用卷积神经网络算法对所述步骤3中获得的人体红外图进行分割，分割出人体裸露区域的人体红外图像和衣物遮挡区域的人体红外图像。

作为本发明的一种优选技术方案，输出分割后的人体红外图像为人体裸露区域的人体红外图像。

本发明的有益效果：通过采用卷积神经网络的中医红外图像分割算法，可以准确地将人体裸露区域与衣物遮挡区域分割开，将人体裸露区域的人体红外图像用于医师对健康状态的评估与临床疾病的诊断，因此保证分析过程中最高温度和最低温度在人体上，而不会受背景和外物的干扰，同时也使医师做出的评估或诊断精确度更高。

附图说明

图1为本发明方法的主要流程图。

具体实施方式

下面通过具体实施例对本发明的技术方案进行详细说明。

一种基于深度学习的中医红外图像人体分割算法，首先让待检测人员在指定的室内做出符合规定的人体动作；再通过使用红外测温摄像头对待检测人员的人体红外图像进行全部采集；对红外测温摄像头采集到的人体红外图像进行筛选，符合的保留并传输至下一步骤，不符合的可直接删除，对筛选后的人体红外图像进行处理、初步分割；使用卷积神经网络算法对筛选后的人体红外图像进行分割；将分割后的人体红外图像输出。

作为本发明的一种优选技术方案，所述步骤2中，对红外测温摄像头采集到的人体红外图像进行分类，分成符合动作规定的人体红外图像和不符合动作规定的人体红外图像，将符合动作规定的人体红外图像采集，并传输至下一步骤，将不符合动作规定的人体红外图像删除。

作为本发明的一种优选技术方案，对所述步骤3中所采集到符合动作规定的人体红外图像进行预处理，所述预处理包括弱化环境背景和凸显人体红外图像，获得清晰的人体红外图像，使人体红外图像更便于观察。

作为本发明的一种优选技术方案，对清晰的人体红外图像进行初步分割，基于边缘的分割方法，初步分割是将环境背景图像去除，从而获得人体红外轮廓图，以便后期医师对人体红外轮廓图像进行观察。

作为本发明的一种优选技术方案，使用卷积神经网络算法对所述步骤3中获得的人体红外图进行分割，分割出人体裸露区域的人体红外图像和衣物遮挡区域的人体红外图像，将分割后的人体红外图像输出，分割后的人体红外图像为人体裸露区域的人体红外图像，便于医师对健康状态的评估与临床疾病的诊断。

上述虽然对本发明的具体实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化，而不具备创造性劳动的修改或变形仍在本发明的保护范围以内。