CN104207931A - 人脸面部穴位精准定位和针灸处方学习方法 - Google Patents

Abstract

本发明公开了一种人脸面部穴位精准定位和针灸处方学习方法，用“局部人脸特征分析”和“图形、神经识别算法”确定人体面部各器官及特征部位，确定坐标原点，建立虚拟仿真面部定位坐标系统,采集多位不同针刺专家对穴位定位的数据信息，通过穴位定位一致性信息融合算法，得到最佳“精准性”的穴位数据值，构建面部疾病穴位和针灸处方的知识库，虚拟仿真实现面部疾病穴位定位和针灸处方学习、成绩评定以及对新治疗对象实施自动化定位。本发明将不同针灸专家穴位定位融合误差提高到逐点变精度，更有效地结合不同针灸专家穴位定位测量值之特点，提高了测量信息的利用效率。

Description

人脸面部穴位精准定位和针灸处方学习方法

技术领域

本发明属于中医针灸领域，具体地说是涉及一种基于人脸面部疾病穴位精准定位和针灸处方学习方法。

背景技术

建立在中国传统哲学和长期实践基础上的中医药学本身就蕴含着丰富的信息论内涵，与近、现代发展起来的信息论相契合。已经流传了5000多年的针灸学是我国古代的一大发明，目前被世界上100多个国家所接受。临床上，由腧穴、施术方法和治疗时间组成的针灸处方是实现针灸疗效的重要条件，而针灸学科的生命线在于其疗效。目前，经穴定位的方法有三种：a.体表解剖标志定位法；b."骨度"折量定位法；c.指寸定位法。三者在应用时相结合，即以体表解剖标志为主，折量各部位的距离分寸，并用手指来比量，从而确定经穴位置。但是，传统的点穴法，是一种较为主观的点穴方法，需要较长时间的学习和实践才能切实掌握，对于针灸初学者而言，穴位的准确位置相对模糊，再加上面部针刺，特别是眼部针刺对于施针者的技术要求非常高，如此一来，就是专业针灸师也必须自揣己才，初学针刺者更不敢轻易尝试，不利于面部针刺技能的掌握。学会正确的穴位定位是学习针灸治疗的第一步，同时也是针灸有效性、安全性的保证，而适合的穴位配伍则是治病疗效的关键。

近年来，随着计算机信息理论的发展，如黑箱理论、数据挖掘、人工智能等由于其较好地符合中医药学体系的全息性、系统性和非线性等特性，所以已经被应用于一些中医药专业领域。然而，要将穴位点精准数值以二维坐标点形式呈现和自动实施学习成绩测评以及疾病治疗穴位处方定位还存在较大的困难，主要是人脸面部坐标系如何建立，穴位点精准数值怎么确定，学习者学习成绩如何计算，自动化实现穴位和处方定位是否可能，这些都在很大程度上限制了中医针灸事业传承和发展。

加拿大的MARK AIRD、澳大利亚的DEIRDRE M.COBBIN和CAROLE ROGERS，在2002年发表的文章《A Study of the Relative Precision of Acupoint Location ethods》中描述了病人临床疗效依赖于定位取穴的准确性和精确性，而目前最广泛应用的定向穴位定位方法和比例穴位定位方法是极不准确的，在同一个穴位点，前者方法对所有测试者穴位定位分布范围为椭圆面积、几乎达到13平方厘米，后者方法对所有测试者穴位定位分布范围为椭圆面积、接近8平方厘米；而其自己设计的弹性和尺度方法则显示出较好的精确性，即在同样穴位点，所有测试者穴位定位分布范围形状为椭圆、面积范围仅约3平方厘米。2012年，中国的赵阳、张涛、练秋生在文章《红外面部图像的贝尔面瘫针灸穴位定位算法》中也提到了根据“三庭五眼”规则对面部特征进行分区，采用MinimumEigenvalue算子检测面部特征的角点、Log算子检测面部特征的边缘，综合应用角点和边缘信息，定位各面部特征的位置，最后，以面部特征的位置作为参考坐标，完成面部穴位的定位，且根据左右面部穴位点温度的差异，自动选择贝尔面瘫针灸穴位治疗。但是，由于目标面部图像的不规范性，会导致某些穴位定位准确率较低。

况且，在对同一个穴位点定位中，不同的针灸专家对同一个穴位点定位的坐标值也不是完全一致的，但多个针灸专家对同一个穴位点定位之信息为信息融合方法实现提供了前提条件，而只有在每个确定的穴位坐标值上，才有利于实现针灸穴位点客观化、标准化、规范化，最终实现面部穴位定位的数字化和自动化。所以应以传统中医理论为依据，即根据被确定对象本身面部器官分布为基础，以器官间距离的比例为标准进行定位，再在完成的人像照片上进行人脸识别、建立坐标系，采集不同针灸专家对同一个研究对象每个穴位点的数据值，由一致性信息融合算法获取每个穴位点最佳“精准性”数据值，建立专家知识库，以此对针灸穴位定位、处方学习和实现穴位定位自动化进行深入研究为主要方法。通过基于不同针刺专家穴位定位一致性信息融合算法的虚拟仿真面部穴位定位、处方学习及其自动化方法尚未见相关文献、专利报道。

发明内容

许多面部疾病，如青少年近视眼、干眼症、鼻炎和面瘫等，针灸都具有显著的治疗效果，但是在针刺面部腧穴过程中，由于面部毛细血管和神经极其丰富，若不注意正确的针刺定位以及操作方法，很容易刺破血管。即使一般情况不会造成重大伤害，但总是给患者带来一定的痛苦，产生害怕情绪。学会正确的穴位定位是学习针灸治疗的第一步，对于面部疾病治疗来说，更是针灸安全性和治病疗效的关键。

传统的中医针灸穴位定位方法和目前的一些穴位定位技术，对于获取精准穴位点数据值都存在着各种困难，鉴于以上所述传统和现有技术存在的问题。本发明所要解决的技术问题是提供一种人脸面部穴位精准定位和针灸处方学习方法，是在传统中医针灸穴位定位方法基础上,通过拍摄研究对象的人脸照片，获取面部图像、建立坐标系，采集不同针灸专家穴位定位的二维数据值和针灸处方，由一致性信息融合算法得到每个穴位点最佳“精准性”数据值、建立知识库，虚拟实现面部穴位定位和针灸处方的学习、成绩评定，并对新研究对象自动化完成面部穴位、针灸处方定位。

为了解决本发明的技术问题，本发明的构思如下:

根据传统的中医针灸穴位定位方法，通过采集不同针灸专家穴位定位的数据值和处方，由一致性信息融合算法得到每个穴位点最佳“精准性”数据值，为面部穴位定位和针灸处方学习提供平台并且实现面部穴位、针灸处方定位自动化。

根据上述的发明构思，本发明的人脸坐标系的建立，每个穴位点最佳“精准性”数据值获取，学习平台建立和穴位定位自动化实现，具体步骤如下：

（1）用照相机机采集每个人的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来，建立人脸的面像档案。本软件采用haarcascade分类器，使用Adaboost算法，把AdaBoost算法训练出的强分类器进行了级联，并且在底层的特征提取中采用了高效率的矩形特征和积分图方法，即基于知识的人脸检测方法抽象出人脸的基本特征规则。在通过算法识别出人脸后，以识别出的眼睛两点的中点为坐标轴原点，瞳仁所在直线为x轴建立坐标系；

（2）收集不同针灸专家对同一个穴位点定位的二维数据值和针灸处方，本针灸专家穴位定位一致性信息融合算法，是基于测量值之间的一致性矩阵的逐点融合方法；

（3）构建可视化学习界面，让针灸学习者在计算机操纵的虚拟学习环境里利用专家穴位定位信息进行点穴练习、磨合、自我成绩测试以及针灸处方的学习；

（4）利用人工智能的模式匹配方法，对新的、不同对象，利用计算机虚拟实现针刺穴位、处方自动化定位。

上述步骤（1）中所述的算法要点，其操作步骤如下：

（11）使用Haar-like特征做检测。

（12）使用积分图（Integral Image）对Haar-like特征求值进行加速。

（13）使用AdaBoost算法训练区分人脸和非人脸的强分类器。

（14）使用筛选式级联把强分类器级联到一起，提高准确率。

Haar-like特征：一块区域的特征是指人脸检测时子窗口下该区域的像素根据一定公式算出来的值。之后，用训练好的级联分类器对该特征进行筛选，一旦该特征通过了所有强分类器的筛选，则判定该区域为人脸。

（15）由于人在拍摄的时候几乎不可能完美得正坐，所以每张照片的坐标系的x轴都不一定水平，但为了保证人脸的数据的普适性，使不同的人脸归一，并对每张照片都以该人脸自身属性为基准建系，在实际使用中则以瞳距1/80为1单位，以解决不同人人脸大小不同等问题。

上述步骤（2）计算不同针灸专家对同一穴位点定位数据的的融合值，须计算测量值之间的耦合度，并确定各测量值的权重，得到逐点变精度融合结果。其操作步骤如下：

（21）根据各个针灸专家穴位定位对同一批目标值测量结果平均值的差异，计算出每个针灸专家穴位定位和专家本人技术能力评分的系统误差，并提出系统误差修正系数。

（22）由于穴位在体表呈现的是一个有一定直径的圆片区域（直径约5-8毫米），所以，根据每个针灸专家穴位定位的系统误差区间与对同一测量目标的测量结果的交集计算数据的一致性，计算各测量值的权重。

（23）通过对系统误差的修正，由不同针灸专家穴位定位对同一测量目标的测量值之间的一致性权重，计算得到多个针灸专家定位某个穴位点的“最佳”融合值。

上述步骤（3）根据每个腧穴、处方中专家精准定位坐标值与学习者定位坐标值之圆形表面积（直径为5-8mm）相交大小来评估学习者穴位的定位和针灸处方学习的成绩。其操作步骤如下：

（31）以穴位数据库中的二维坐标值为依据，按库中专家坐标点和学习者在可视化学习界面中完成的坐标点之间穴位表面圆面积相交大小，来判断学习者对此穴位的定位能力和成绩。

（32）系统收入多位针灸专家认可的不同面部疾病治疗针灸处方，利用可视化学习界面的呈现，供学习者学习参考。

（33）以处方数据库中的坐标值为依据，按库中专家确定的处方坐标点和练习者在可视化学习界面中完成的处方中每个坐标点之间穴位圆面积相交情况的平均值，来判断学习者对此处方的定位能力和成绩。

上述步骤（4）中，通过对新的、不同疾病治疗对象虚拟实现针刺穴位自动化定位。其操作步骤如下：

（41）脸部的匹配主要依据以下三个指标：瞳距、眼眶大小、脸部横纵比。在识别新的脸部时，将采集以上三个指标，并对三个指标进行归一化，作为三元向量。同样的，对于数据库中的所有脸部数据，都计算一个相应的三元向量。

（42）在比较最接近脸部模型时，将待识别脸部的三元向量与数据库中的各个三维向量求欧几里得距离，去最小者作为最佳匹配的脸部。

（43）由计算机自动将专家数据库中的穴位定位或针灸处方呈现在新的图片上，虚拟实现针刺穴位、处方自动化定位。

与现有技术相比，本发明的方法具有如下突出的优点：

本发明方法是在传统中医针灸穴位定位方法基础上,通过拍摄研究对象的人脸照片，获取面部图像特征建立坐标系，并且采集不同针灸专家穴位定位的二维数据值和针灸处方，由一致性信息融合算法得到每个穴位点最佳“精准性”数据值、得到逐点变精度融合结果，将不同针灸专家穴位定位融合误差提高到逐点变精度，更有效地结合不同针灸专家穴位定位测量值之特点，提高了测量信息的利用效率。同时利用C#WPF设计、编写人机交互界面，虚拟实现面部穴位定位和针灸处方的学习、成绩评定，并通过人脸识别算法进行自动人脸识别，对新研究对象自动化完成面部穴位定位的针灸处方定位，为针灸治疗技术的数字化、客观化、标准化、规范化和现代化创造条件。

附图说明

图1为本发明的实施方法流程图。

图2是图1中所述的步骤（1）和步骤（2）的基于知识的人脸检测方法抽象出人脸的基本特征规则图。

图3是图1中所述的步骤（3）采集不同针灸专家穴位点数据值的界面图。

图4是图1中所述的步骤（4）的三个信源结果区间组合方式图。

图5是图1中所述的步骤（5）的专家穴位点和处方可视化学习界面。

具体实施方式

下面结合附图和具体实施例，进一步阐述本发明。这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明记载的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

如图1所示为本发明的实施方法流程图；

如图2所示为利用C#WPF设计、编写人机交互界面，并通过人脸识别算法进行自动人脸识别，确定瞳距和建立坐标系；

如图3所示为穴位数据采集可视化界面，收集针灸专家穴位和针灸处方数据值；

如图4所示为三个不同针灸专家穴位定位来源信息结果区间组合方式情况，通过每个针灸专家实际组合情况，由一致性信息融合算法得到每个穴位点最佳“精准性”数据值、得到逐点变精度融合结果；

如图5所示为专家穴位点和处方可视化学习界面，能够实现针灸穴位定位学习、成绩评定和穴位定位自动化；

以上图2至图5为具体实施步骤中的主要过程和界面。下面结合附图和具体实施方式对本发明的信息融合作和虚拟实现针刺自动化进一步详细的描述。

以腧穴“承泣”为例，6个针灸专家对腧穴“承泣”定位的二维数据及误差见表1。

表1.6个针灸专家对腧穴承泣的测量值与误差

	承泣X	承泣Y	承泣X误差	承泣Y误差
					针灸专家1	-40.3976	11.0274	0.0431	0.0867
针灸专家2	-39.4874	8.3877	0.3305	0.7189
					针灸专家3	-38.0026	6.0736	0.0316	0.0480
针灸专家4	-40.8470	7.0031	0.1861	0.0358
					针灸专家5	-39.2624	10.2787	0.0852	0.2531
针灸专家6	-39.4528	11.2695	0.0451	0.1762

通过计算由每个专家的得分系数、专家的修正系数和专家的“一致性”支持系数，经过一致性信息融合算法得到“逐点变精度融合结果”：

腧穴“承泣”融合结果：X=-39.5845，Y=9.1599；

X的误差=0.1865，Y的误差=0.3954

用户可以通过摄像头采集照片。脸部的匹配主要依据以下三个指标：瞳距、眼眶大小、脸部横纵比。在识别新的脸部时，将采集以上三个指标，并对三个指标进行归一化，作为三元向量，系统将自动进行人脸识别，在比较最接近脸部模型时，将待识别脸部的三元向量与数据库中的各个三维向量求欧几里得距离，取最小者作为最佳匹配的脸部，并通过对样本图片的智能比对，给出各个穴位的较为准确的位置。

Claims (5)

1.一种人脸面部穴位精准定位和针灸处方学习方法，其特征在于：建立虚拟仿真面部定位坐标系统,采集多位不同针刺专家对穴位定位的数据信息，通过穴位定位一致性信息融合算法，得到最佳“精准性”的穴位数据值，构建面部疾病穴位和针灸处方的知识库，虚拟仿真实现面部疾病穴位定位和针灸处方学习、成绩评定以及对新治疗对象实施自动化定位,具体步骤如下：

1）在计算机虚拟环境中，用“局部人脸特征分析”和“图形、神经识别算法”确定人体面部各器官及特征部位，确定坐标原点，建立坐标系；

2）用多个来源信息在时间和空间的协同/互补及冗余信息共同或联合操作的优势，运用一致性信息融合算法，通过对每个穴位点坐标值的优化组合得到每个穴位坐标“精准的数值”；

3）建立穴位数据库，构建人机交互的可视化学习界面，让针灸学习者在计算机操纵的虚拟学习环境里利用专家点穴数据和处方进行点穴练习、磨合、自我测试以及针灸处方的学习；

4）利用人工智能的模式匹配方法，对新的、不同疾病治疗对象，利用计算机虚拟实现针刺穴位自动化定位。

2.根据权利要求1所述的基于人脸面部疾病穴位精准定位和针灸处方学习方法，其特征在于，所述步骤1）中之人脸识别过程，建立坐标系，其操作步骤如下：

11）首先建立人脸的面像档案，用照相机采集每个人的人脸的面像文件或取其他的照片形成面像文件，并将这些面像文件生成面纹编码贮存起来；

12）获取当前的人体面像，用照相机捕捉的当前人员的面像，或取照片输入，并将当前的面像文件生成面纹编码；

13）用当前的面纹编码与档案库存的比对，将当前面像的面纹编码与档案库存中的面纹编码进行检索比对；

14）在通过算法识别出人脸后，再以识别出的眼睛两点的中点为坐标轴原点，瞳仁所在直线为x轴建立坐标系，对每张照片都以该人脸自身属性为基准建系，以瞳距1/80为1单位。

3.根据权利要求1或2所述的基于人脸面部疾病穴位精准定位和针灸处方学习方法，其特征在于，所述步骤2）根据基于测量值之间的一致性矩阵的逐点融合方法，实现不同针灸专家穴位定位一致性信息融合，其操作步骤如下：

21）根据各个针灸专家穴位定位对同一批目标值测量结果平均值的差异，计算出每个针灸专家穴位定位和专家本人技术能力评分的系统误差，并提出系统误差修正系数；

22）根据每个针灸专家穴位定位的系统误差区间与对同一测量目标的测量结果的交集计算数据的一致性，计算各测量值的权重；

23）通过对系统误差的修正，由不同针灸专家穴位定位对同一测量目标的测量值之间的一致性权重，计算得到多个针灸专家定位某个穴位点的“最佳”融合值。

4.根据权利要求1所述的基于人脸面部疾病穴位精准定位和针灸处方学习方法，其特征在于，所述步骤3）根据每个腧穴、处方中专家精准定位坐标值与学习者定位坐标值之圆形表面积相交大小来评估学习者穴位的定位和针灸处方学习的成绩，其操作步骤如下：

31）以穴位数据库中的坐标值为依据，按库中专家坐标点和练习者在可视化学习界面中完成的坐标点之间穴位表面圆面积相交大小，来判断学习者对此穴位的定位能力和成绩；

32）系统收入多位针灸专家认可的不同面部疾病治疗针灸处方，利用可视化学习界面的呈现，供学习者学习参考；

33）以处方数据库中的坐标值为依据，按库中专家确定的处方坐标点和练习者在可视化学习界面中完成的处方中每个坐标点之间穴位圆面积相交情况的平均值，来判断学习者对此处方的定位能力和成绩。

5.根据权利要求1所述的基于人脸面部疾病穴位精准定位和针灸处方学习方法，其特征在于，所述步骤4）中的模式匹配的方法，虚拟实现针刺穴位自动化定位，其操作步骤如下：

41）脸部的匹配主要依据以下三个指标：瞳距、眼眶大小、脸部横纵比，在识别新的脸部时，采集以上三个指标，并对三个指标进行归一化，作为三元向量；同样的，对于数据库中的所有脸部数据，都计算一个相应的三元向量；

42）在比较最接近脸部模型时，将待识别脸部的三元向量与数据库中的各个三维向量求欧几里得距离，去最小者作为最佳匹配的脸部；

43）由计算机自动将专家数据库中的穴位定位或针灸处方呈现在新的图片上，虚拟实现针刺穴位自动化定位。