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)
δ2 1(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)
δ2 n+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
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
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
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。