CN105930810A - 基于特征点定位算法的面部穴位定位方法和定位装置 - Google Patents

基于特征点定位算法的面部穴位定位方法和定位装置 Download PDF

Info

Publication number
CN105930810A
CN105930810A CN201610264902.5A CN201610264902A CN105930810A CN 105930810 A CN105930810 A CN 105930810A CN 201610264902 A CN201610264902 A CN 201610264902A CN 105930810 A CN105930810 A CN 105930810A
Authority
CN
China
Prior art keywords
point
facial
face
input
facial image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610264902.5A
Other languages
English (en)
Inventor
朱青
常梦龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201610264902.5A priority Critical patent/CN105930810A/zh
Publication of CN105930810A publication Critical patent/CN105930810A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于特征点定位算法的面部穴位定位方法和定位装置，将人脸面部穴位分为三类，输入人脸图像，根据人脸面部主动形状模型训练结果对输入的人脸图像进行搜索，得到人脸图像的面部特征基准点，确定第一类穴位；基于骨度分寸法计算人体的同身寸，根据人脸图像的面部特征基准点和同身寸，获取第二类穴位；根据人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位。本发明通过对于人脸的识别与分析，计算出面部指定穴位所在的位置，具有成本低，使用简单，可以因人定穴，非接触等优点。

Description

基于特征点定位算法的面部穴位定位方法和定位装置
技术领域
本发明涉及特征点定位领域，尤其涉及基于特征点定位算法的面部穴位定位方法和定位装置。
背景技术
面部特征点定位是对人脸进行检测分析后，进行处理的一项技术，与其他的人脸分析技术类似，人脸特征点定位方法也是对人脸检测结果进行处理的一项技术。人脸特征点定位的过程是对输入的人脸图像区域进行分析，得到人脸的各个显著部位如眼睛、鼻子、嘴、唇和轮廓的精确位置。面部特征点的定位在人脸识别、人脸表情分析等方面具有非常重要的作用。广泛应用于影视，安全，娱乐等领域。
可见，面部特征点识别在应用中具有重大的意义，尤其是在与人脸相关的实际应用当中，而中医取穴中，面部取穴就是一个与人脸，尤其是与面部位置相关的课题。作为中国传统医学，穴位的养生保健作用明显，简洁，见效快，无副作用深得人们的喜爱，但是对于非专业人士以及对穴位没有认识和研究的国家中，自行寻找穴位进行按摩保健是一件很不容易的事。
现阶段，日常生活中穴位保健因其操作便捷，副作用小，见效快受到广泛的青睐，但是对于非专业人员寻找穴位是一个比较难的事，市面上的挂图，模特制作粗糙，参考价值低，而寻找专业人士咨询又会耗费很大成本，失去了穴位保健便捷的特性。在传统经络针灸教学、穴位按摩中，广泛应用的取穴方法主要是以各种基于人体比例的方法，如基于手指骨节宽度，器官间距等方式，在参考人体组织特征如眉毛，脚踝，肚脐等进行穴位定位，需要大量的专业知识与训练。而近年来，也有人提出了通过根据人体穴位伏安电阻变化来进行穴位定位的方式，通过电路学仪器测定人体穴位电阻值差异实现定位；以及根据人工在人体穴位上贴标志物再通过摄像头识别标志物来进行定位按摩的仪器，但是上述方法都对设备和专业水平要求很高，不利于普及。目前对于穴位的定位没有一个便捷高效的解决方案，不利于日常生活中的普及，无法满足日常自我保健的需要。
发明内容
针对上述问题中存在的不足之处，本发明提供基于特征点定位算法的面部穴位定位方法和定位装置。
为实现上述目的，本发明提供一种基于特征点定位算法的面部穴位定位方法，包括：
步骤1、将人脸面部穴位分为三类，第一类穴位的位置与面部特征基准点相重叠，第二类穴位的位置由面部特征基准点、身体比例寻定，第三类穴位的位置由人体生理结构寻定；
步骤2、输入人脸图像，根据人脸面部主动形状模型训练结果对输入的人脸图像进行搜索，得到所述人脸图像的面部特征基准点；
步骤3、根据步骤2得到的人脸图像的面部特征基准点的位置获取与所述面部特征基准点相重叠的第一类穴位；
步骤4、针对输入的人脸图像，基于骨度分寸法计算输入的人脸图像中人体的同身寸；
步骤5、根据步骤2得到的人脸图像的面部特征基准点和步骤4得到的同身寸，获取第二类穴位；
步骤6、将步骤2得到的人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位；所述神经网络模型训练结果是根据人脸面部特征基准点位置、第三类穴位特征基准点位置训练获取；
步骤7、将所得的人脸面部穴位位置进行保存，完成人脸面部穴位的定位。
作为本发明的进一步改进，所述步骤2中，人脸面部主动形状模型训练结果的获取方法为：
建立人脸面部特征基准点位置的样本库1，将样本库1中的数据输入到主动形状模型算法中进行学习，得到人脸面部主动形状模型训练结果。
作为本发明的进一步改进，所述步骤4包括：
步骤41、从人脸图像的面部特征基准点中取出左眉头的位置(X1,Y1)、右眉头的位置(X2,Y2)及发际正中最高点位置(X3,Y3)；
步骤42、计算眉心位置坐标(X，Y)，
步骤43、根据公式得到眉心至发际正中最高点的距离d；
步骤44、人脸图像中人体的同身寸为
作为本发明的进一步改进，所述步骤6中，神经网络模型训练结果的获取方法为：
步骤61、建立人脸面部特征基准点位置、所有穴位特征基准点位置的样本库2；
步骤62、将样本库2中每个样本中所有人脸面部特征基准点位置作为神经网络模型的输入，要定位的第三类穴位特征基准点位置作为神经网络模型的输出，通过premnmx()函数将所有样本的每一个第三类穴位特征基准点的位置信息作为矩阵的一列，进行数据的归一化，所述神经网络模型选用MATLAB中的神经网络工具箱；
步骤63、设置神经网络模型输入层的节点数为n，n为样本库2中所有人脸面部特征基准点的个数；输出层的节点数为m，m为所有要预测的第三类穴位特征基准点的个数；
神经网络模型中隐藏神经元个数的推算公式使用其中a为[1,10]之间的常数；
步骤64、设定网络隐层和输出层的激励函数分别为tansig和logsig函数，网络训练函数为traingdx，网络性能函数为mse；
步骤65、隐藏神经元个数初设为步骤63中的变量l；
步骤66、设定神经网络模型的网络迭代次数epochs、期望误差goal和学习速率lr；设定完参数后，开始训练网络，并输出神经网络模型训练结果。
作为本发明的进一步改进，所述步骤66中，所述网络迭代次数epochs为5000次，期望误差goal为0.00000001，学习速率lr为0.01。
作为本发明的进一步改进，所述步骤6还包括：
将步骤3得到的第一类穴位、步骤5得到的第二类穴位均输入神经网络模型训练结果中；
将步骤2、3、5输入的数据相结合，获取输入人脸图像的所有第三类穴位。
本发明还公开了一种面部穴位定位装置，包括：用于面部穴位定位方法的Android开发板，摄像头，外壳和触摸屏；
所述外壳内部设有Android开发板，外壳表面设有触摸屏，外壳的表框设有开关键，所述触摸屏上安装有摄像头；
所述Android开发板分别与摄像头、触摸屏和开关键相连。
作为本发明的进一步改进，所述触摸屏外表面包覆有镜面膜。
与现有技术相比，本发明的有益效果为：
本发明公开的基于特征点定位算法的面部穴位定位方法和定位装置，基于面部基准特征点确定人脸面部的第一类穴位；基于面部基准特征点和骨度分寸法确定的同身寸获取第二类穴位；基于不依靠图像信息的神经网络模型对人脸面部基准特征点和第三类穴位进行训练，并通过输入新的人脸面部基准特征点至神经网络模型中来获取第三类穴位；本发明通过对于人脸的识别与分析，计算出面部指定穴位所在的位置，具有成本低，使用简单，可以因人定穴，非接触等优点。方便日常保健试用，避免了找不准穴位的问题；
本发明将面部穴位定位方法安装在Android开发板，摄像头采集人脸图像，通过Android开发板对输入的人脸图像进行分析计算，找到该输入人脸图像的三类穴位，Android开发板会直接在触摸屏上的人脸图像的对应位置标示出该穴位；本发明通过在触摸屏外表面包覆有镜面膜，在不开机的状态下，可以当作普通的化妆镜使用。
附图说明
图1为本发明一种实施例公开的基于特征点定位算法的面部穴位定位方法的流程图；
图2为本发明一种实施例公开的面部穴位定位装置的结构图；
图3是图2中A-A截面图。
图中：1、Android开发板；2、外壳；3、触摸屏；4、摄像头；5、开关键；6、镜面膜。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明着重根据现有的面部特征基准点定位技术与“骨度分寸法”取穴进行融合，提供一种通过图像识别面部穴位并进行定位的方法，并以此制作出一种能够实时根据图像识别定位面部穴位的装置(面部穴位镜)。该装置可以实时的通过对于人脸的识别与分析，计算出面部指定穴位所在的位置，具有成本低，使用简单，可以因人定穴，非接触等优点。方便日常保健试用，避免了找不准穴位的问题。
上述通过图像识别面部穴位并进行定位的方法，基于ASM主动外观模型以及神经网络预测方法，对穴位进行了创新性的改变以及优化，可以根据人脸的视频图像计算出该人的面部特定穴位的位置并进行标示。上述制作的面部穴位定位装置，机身形状类似普通的化妆镜，具有镜面膜包覆的电容触控屏幕，微型电脑主板，以及高清视频输入摄像头，在不开机状态下，镜面膜包覆的触控屏幕可以当作普通的化妆镜使用，开机后可以运行面部穴位定位程序，实时标定穴位。
本发明的技术方案具体来说，主要包括如下技术内容：
建立人脸面部特征及穴位外观模型样本库。
程序上实现中医寻穴的“骨度分寸法”。
通过外观模型算法与神经网络预测穴位位置。
提出一种在传统触摸屏外包覆镜面膜，将电子设备屏幕转化为镜面，在用摄像头在镜面标示人脸穴位的仪器设计思路。
下面结合附图对本发明做进一步的详细描述：
实施例1：如图1所示，本发明提供一种基于特征点定位算法的面部穴位定位方法，首先，穴位在日常保健中很常见，具有经济实惠，简单便捷的特点。但是对于穴位的寻找，是有一定技术难度的。中医很多穴位术语对于没有专业知识的普通人很难理解与掌握。对此问题现有的解决方案只有去医院寻求指点，或者用电位仪器等等，花费的成本比较大，而且即使得到穴位指点后，回到家可能又找不准位置了。本发明提出了一种只需要对着摄像头完整展示脸部，就可以实时快速准确找到脸部穴位的方法，该方法具有经济，快速，无技术门槛，非接触性等特点，可以在日常生活中辅助进行穴位保健；该方法具体包括：
S1、将人脸面部穴位分为三类：
第一类穴位的位置与面部特征基准点相重叠：这类穴位一般与面部器官重叠，如攒竹穴在眉角，睛明穴在内眼角，第一类穴位寻定最为简单，只需要根据面部特征基准点进行确定；
第二类穴位的位置由面部特征基准点、身体比例寻定：这类穴位的定位一般是以器官为参照物，折合身体比例进行寻找，如眉冲穴位于人体的头部，攒竹穴直上入发际0.5寸，需要说明的是，这里的“寸”指的是“同身寸”，而不是英寸，由于每个人的生理特征是不一样的，致使中医中的“寸”也是因人而异的。这部分穴位定位中，为了保证准确，需要引入中医寻穴中的骨度分寸法进行寻找；
第三类穴位的位置由人体生理结构寻定：这类穴位只依靠于人体生理结构寻定，如承浆穴位于人体的面部，在颏唇沟的正中凹陷处。像这种穴位，处于凹陷，骨骼缝隙等等，受人体的胖瘦，光照，姿态等等因素的制约，无法根据图形图像上找到特点，需要根据神经网络模型进行训练，从而寻定这类穴位。
S2、建立人脸面部特征基准点位置的样本库1和人脸面部特征基准点位置、所有穴位特征基准点位置的样本库2；
本穴位信息训练样本制定的关键在于，建立点分布模型时，既要能精确的体现各个穴位的位置信息及其之间的关系，还要能将穴位信息与面部五官位置信息相结合。根据穴位与五官的相关性，从其联系出发，选取两者都能适用，又可以进行衔接的特征点进行训练。现有的人脸特征点只注重人脸五官特点，这些信息必定不足以支撑下面的后续功能。作为改进，在进行样本标定过程中，需要在如下位置进行顺序标定(包括但不限于)：眼角，眼球，眉心，眉脚，鼻头，鼻翼，嘴角，下巴，两耳，发际顶端，这是样本库1。在包含样本1的情况下，继续顺序标定面部要定位的所有穴位，作为样本库2。
假定样本库1为3000个人脸图像样本，则样本库1内的数据为每个人脸图像样本上所有面部特征基准点的位置；
假定样本库2为3000个人脸图像样本，则样本库2内的数据每个人脸图像样本上所有面部特征基准点的位置及所有穴位位置。
S3、将样本库1中的数据输入到主动形状模型算法(ASM)中进行学习，得到主动形状模型的训练结果；其中：主动形状模型是一个基于点分布模型的人脸特征点定位算法，可以根据样本1中的人脸面部特征基准点，得到训练结果，训练结果为根据输入的人脸图像找到该人脸图像上的面部特征基准点的位置。
S4、输入人脸图像，根据S3的训练结果对输入的人脸图像进行搜索，得到人脸图像的面部特征基准点。
S5、根据S4得到的人脸图像的面部特征基准点的位置获取与面部特征基准点相重叠的第一类穴位。
S6、针对输入的人脸图像，基于骨度分寸法计算输入的人脸图像中人体的同身寸。根据“骨度分寸法”计算该图像中人体的同身寸。中医中的长度单位寸，是因人而异的，“骨度分寸法”是通过人体比例核定被测人同身寸的方法。而步骤1中设置的特征点可以给出计算“骨度分寸法”的依据。融合二者，建立程序上的“骨度分寸法”，得到图像中人的同身寸。其具体计算过程如下：
S61、从人脸图像的面部特征基准点中取出左眉头的位置(X1,Y1)、右眉头的位置(X2,Y2)及发际正中最高点位置(X3,Y3)；
S62、计算眉心位置坐标(X，Y)，
S63、根据公式得到眉心至发际正中最高点的距离d；
S64、人脸图像中人体的同身寸为
S7、根据S4得到的人脸图像的面部特征基准点和S6得到的同身寸，获取第二类穴位；比如攒竹穴直上入发际0.5寸，那么根据发际的特征基准点和该人脸图像的同身寸，从而找到攒竹穴。
S8、将样本库2中的数据输入神经网络模型中进行训练，得到神经网络模型的训练结果，神经网络模型选用MATLAB中的神经网络工具箱，训练结果为根据输入新的人脸图可以找到其第三类穴位所在的位置；其中进行神经网络训练的具体过程如下：
S81、将样本库2中，每个样本中所有面部特征基准点位置作为输入，要定位的第三类穴位特征基准点位置作为输出，通过premnmx()函数将所有样本的每一个第三类穴位特征基准点的位置信息作为矩阵的一列，进行数据的归一化；
S82、设置神经网络模型输入层的节点数为n，n为样本库2中所有面部特征基准点的个数；输出层的节点数为m，m为所有要预测的第三类穴位特征基准点的个数；
神经网络模型中隐藏神经元个数的推算公式使用其中a为[1,10]之间的常数；
S83、设定网络隐层和输出层的激励函数分别为tansig和logsig函数，网络训练函数为traingdx，网络性能函数为mse；
S84、隐藏神经元个数初设为S82中的变量l；
S85、设定神经网络模型的网络迭代次数epochs为5000次、期望误差goal为0.00000001和学习速率lr为0.01；设定完参数后，开始训练网络，并输出神经网络模型训练结果。
S9、将S4得到的人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位；或者：
将S4得到的人脸图像的面部特征基准点、S5得到的第一类穴位、S7得到的第二类穴位均输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位。
S10、将所得的人脸面部穴位位置进行保存，完成人脸面部穴位的定位。
本发明需要说明的是，S3和S8的训练结果是可以一次训练重复利用的，不需要每次都进行，得到训练结果后跳过S3和S8即可；不断重复上述流程，即可实时得到用户面部穴位信息。
实施例2：如图2-3所示，本发明提供一种面部穴位定位装置，包括：用于实现面部穴位定位方法的Android开发板1(即：将上述面部穴位定位方法安装在Android开发板上)，摄像头4，外壳2和触摸屏3；
外壳2内部设有Android开发板1，外壳2表面设有触摸屏3，外壳2的表框设有开关键5，触摸屏3上安装有摄像头4；
Android开发板1分别与摄像头4、触摸屏3和开关键4相连，触摸屏3外表面包覆有镜面膜6。
本发明一种面部穴位定位装置的制作方法，包括：1、将面部穴位定位方法的整套定位过程打包，作为软件；然后选取摄像头、Android开发板、电容屏幕并按照图3连接；
2、根据图2的外观制作外壳，将外壳、摄像头、Android开发板、电容屏幕、开关键进行组装；
3、给触摸屏覆盖镜面膜；
4、将面部穴位定位方法的程序安装到Android开发板上；至此，面部穴位定位装置制作完成。
本发明一种面部穴位定位装置的使用方法，包括：
1、按下开关键，运行面部穴位定位装置的面部穴位定位程序；
2、等到触摸屏显示自己的脸部信息后，按照提示，将脸部摆放进对应选框中；
3、系统提示可以识别后，选择您想要定位的面部穴位，系统会直接在屏幕上您脸部对应位置标示出该穴位；
4、您只需要参照面部穴位定位装置，用手按住穴位，就可以进行穴位按摩保健。
本发明公开的基于特征点定位算法的面部穴位定位方法和定位装置，基于面部基准特征点确定人脸面部的第一类穴位；基于面部基准特征点和骨度分寸法确定的同身寸获取第二类穴位；基于不依靠图像信息的神经网络模型对人脸面部基准特征点和第三类穴位进行训练，并通过输入新的人脸面部基准特征点至神经网络模型中来获取第三类穴位；本发明通过对于人脸的识别与分析，计算出面部指定穴位所在的位置，具有成本低，使用简单，可以因人定穴，非接触等优点。方便日常保健试用，避免了找不准穴位的问题；本发明将面部穴位定位方法安装在Android开发板，摄像头采集人脸图像，通过Android开发板对输入的人脸图像进行分析计算，找到该输入人脸图像的三类穴位，Android开发板会直接在触摸屏上的人脸图像的对应位置标示出该穴位；本发明通过在触摸屏外表面包覆有镜面膜，在不开机的状态下，可以当作普通的化妆镜使用。
以上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。

Claims (8)

1.一种基于特征点定位算法的面部穴位定位方法，其特征在于，包括：
步骤1、将人脸面部穴位分为三类，第一类穴位的位置与面部特征基准点相重叠，第二类穴位的位置由面部特征基准点、身体比例寻定，第三类穴位的位置由人体生理结构寻定；
步骤2、输入人脸图像，根据人脸面部主动形状模型训练结果对输入的人脸图像进行搜索，得到所述人脸图像的面部特征基准点；
步骤3、根据步骤2得到的人脸图像的面部特征基准点的位置获取与所述面部特征基准点相重叠的第一类穴位；
步骤4、针对输入的人脸图像，基于骨度分寸法计算输入的人脸图像中人体的同身寸；
步骤5、根据步骤2得到的人脸图像的面部特征基准点和步骤4得到的同身寸，获取第二类穴位；
步骤6、将步骤2得到的人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位；所述神经网络模型训练结果是根据人脸面部特征基准点位置、第三类穴位特征基准点位置训练获取；
步骤7、将所得的人脸面部穴位位置进行保存，完成人脸面部穴位的定位。
2.如权利要求1所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤2中，人脸面部主动形状模型训练结果的获取方法为：
建立人脸面部特征基准点位置的样本库1，将样本库1中的数据输入到主动形状模型算法中进行学习，得到人脸面部主动形状模型训练结果。
3.如权利要求1所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤4包括：
步骤41、从人脸图像的面部特征基准点中取出左眉头的位置(X1,Y1)、右眉头的位置(X2,Y2)及发际正中最高点位置(X3,Y3)；
步骤42、计算眉心位置坐标(X，Y)，
步骤43、根据公式得到眉心至发际正中最高点的距离d；
步骤44、人脸图像中人体的同身寸为
4.如权利要求1所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤6中，神经网络模型训练结果的获取方法为：
步骤61、建立人脸面部特征基准点位置、所有穴位特征基准点位置的样本库2；
步骤62、将样本库2中每个样本中所有人脸面部特征基准点位置作为神经网络模型的输入，要定位的第三类穴位特征基准点位置作为神经网络模型的输出，通过premnmx()函数将所有样本的每一个第三类穴位特征基准点的位置信息作为矩阵的一列，进行数据的归一化，所述神经网络模型选用MATLAB中的神经网络工具箱；
步骤63、设置神经网络模型输入层的节点数为n，n为样本库2中所有人脸面部特征基准点的个数；输出层的节点数为m，m为所有要预测的第三类穴位特征基准点的个数；
神经网络模型中隐藏神经元个数的推算公式使用其中a为[1,10]之间的常数；
步骤64、设定网络隐层和输出层的激励函数分别为tansig和logsig函数，网络训练函数为traingdx，网络性能函数为mse；
步骤65、隐藏神经元个数初设为步骤63中的变量l；
步骤66、设定神经网络模型的网络迭代次数epochs、期望误差goal和学习速率lr；设定完参数后，开始训练网络，并输出神经网络模型训练结果。
5.如权利要求4所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤66中，所述网络迭代次数epochs为5000次，期望误差goal为0.00000001，学习速率lr为0.01。
6.如权利要求1所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤6还包括：
将步骤3得到的第一类穴位、步骤5得到的第二类穴位均输入神经网络模型训练结果中；
将步骤2、3、5输入的数据相结合，获取输入人脸图像的所有第三类穴位。
7.一种面部穴位定位装置，其特征在于，包括：用于实现权利要求1-6中任一项所述的面部穴位定位方法的Android开发板，摄像头，外壳和触摸屏；
所述外壳内部设有Android开发板，外壳表面设有触摸屏，外壳的表框设有开关键，所述触摸屏上安装有摄像头；
所述Android开发板分别与摄像头、触摸屏和开关键相连。
8.如权利要求7所述的面部穴位定位装置，其特征在于，所述触摸屏外表面包覆有镜面膜。
CN201610264902.5A 2016-04-26 2016-04-26 基于特征点定位算法的面部穴位定位方法和定位装置 Pending CN105930810A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610264902.5A CN105930810A (zh) 2016-04-26 2016-04-26 基于特征点定位算法的面部穴位定位方法和定位装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610264902.5A CN105930810A (zh) 2016-04-26 2016-04-26 基于特征点定位算法的面部穴位定位方法和定位装置

Publications (1)

Publication Number Publication Date
CN105930810A true CN105930810A (zh) 2016-09-07

Family

ID=56836227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610264902.5A Pending CN105930810A (zh) 2016-04-26 2016-04-26 基于特征点定位算法的面部穴位定位方法和定位装置

Country Status (1)

Country Link
CN (1) CN105930810A (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106619061A (zh) * 2016-11-03 2017-05-10 刘湘毅 一种精确足部按摩装置
CN106780653A (zh) * 2017-01-16 2017-05-31 高泂 人体经络与腧穴可视图的生成方法
CN107137225A (zh) * 2017-06-22 2017-09-08 山东中医药大学 个性化头面部穴位识别模型建立、定位的方法和系统
CN107145741A (zh) * 2017-05-05 2017-09-08 必应（上海）医疗科技有限公司 基于图像分析的耳诊数据采集方法及装置
CN107898626A (zh) * 2017-12-20 2018-04-13 大连交通大学 一种双目视觉穴位定位仪及其工作方法
CN108514509A (zh) * 2018-03-30 2018-09-11 吴佳桐 一种智能化穴位定位方法
CN108765546A (zh) * 2018-04-18 2018-11-06 北京奇虎科技有限公司 穴位检测方法及装置
CN109568123A (zh) * 2018-11-02 2019-04-05 广东数相智能科技有限公司 一种基于yolo目标检测的穴位定位方法
CN110448453A (zh) * 2019-08-08 2019-11-15 杭州诚一文化创意有限公司 一种用于面部穴位按摩的智能设备及其方法
CN110613605A (zh) * 2019-08-29 2019-12-27 成都中医药大学 穴位判别模型的构建方法、穴位判别方法和判别系统
CN111259778A (zh) * 2020-01-13 2020-06-09 天津众阳科技有限公司 一种人脸反射区的定位方法
CN111444896A (zh) * 2020-05-09 2020-07-24 北京碧拓科技有限公司 一种远红外热成像人体经络关键点定位方法
CN111598949A (zh) * 2020-04-10 2020-08-28 上海中医药大学 一种用于人体头颈部穴位的自动定位方法
CN112348877A (zh) * 2019-08-09 2021-02-09 马骥 一种基于pcl点云库自主寻找风池穴并按摩的方法及其装置
CN112426356A (zh) * 2020-11-18 2021-03-02 成都艾养阳医学技术研究中心(有限合伙) 中医施灸设备及其3d扫描辅助定穴方法和系统
CN113673463A (zh) * 2021-08-27 2021-11-19 白琨 一种基于Dlib的面部穴位定位方法
CN113813169A (zh) * 2021-08-30 2021-12-21 中科尚易健康科技(北京)有限公司 模型递减的深度学习的人体穴位识别方法及理疗设备
CN113842116A (zh) * 2021-10-14 2021-12-28 北京鹰之眼智能健康科技有限公司 一种人体穴位的自动定位方法、装置和电子设备
CN114842948A (zh) * 2022-07-04 2022-08-02 济南大学 一种在线学习按摩定位算法
CN115188451A (zh) * 2022-08-11 2022-10-14 北京十方泰和中医医学研究院 背腧穴分析仪及背腧穴分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682270A (zh) * 2011-03-17 2012-09-19 环达电脑(上海)有限公司 人脸穴位的指压识别方法
CN104207931A (zh) * 2013-06-05 2014-12-17 上海中医药大学 人脸面部穴位精准定位和针灸处方学习方法
CN105250136A (zh) * 2015-10-28 2016-01-20 广东小天才科技有限公司 一种智能提醒穴位按摩的方法、装置及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682270A (zh) * 2011-03-17 2012-09-19 环达电脑(上海)有限公司 人脸穴位的指压识别方法
CN104207931A (zh) * 2013-06-05 2014-12-17 上海中医药大学 人脸面部穴位精准定位和针灸处方学习方法
CN105250136A (zh) * 2015-10-28 2016-01-20 广东小天才科技有限公司 一种智能提醒穴位按摩的方法、装置及设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘召彤等: ""基于BP网络的人体穴位分布模型设计"", 《信息技术与信息化》 *
杜光月等: ""中医按摩机器人人体穴位寻找功能设计"", 《科技通报》 *
百中浩等: ""基于主动形状模型及模糊推理的驾驶疲劳检测"", 《仪器仪表学报》 *
赵阳等: ""红外面部图像的贝尔面瘫针灸穴位定位算法"", 《小型微型计算机系统》 *
陈艳焦等: ""骨度、骨度折量分寸与同身寸及其关系的研究"", 《上海针灸杂志》 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106619061A (zh) * 2016-11-03 2017-05-10 刘湘毅 一种精确足部按摩装置
CN106619061B (zh) * 2016-11-03 2019-04-23 刘湘毅 一种精确足部按摩装置
CN106780653A (zh) * 2017-01-16 2017-05-31 高泂 人体经络与腧穴可视图的生成方法
CN107145741B (zh) * 2017-05-05 2020-06-05 必应（上海）医疗科技有限公司 基于图像分析的耳诊数据采集方法及装置
CN107145741A (zh) * 2017-05-05 2017-09-08 必应（上海）医疗科技有限公司 基于图像分析的耳诊数据采集方法及装置
CN107137225A (zh) * 2017-06-22 2017-09-08 山东中医药大学 个性化头面部穴位识别模型建立、定位的方法和系统
CN107137225B (zh) * 2017-06-22 2023-09-01 山东中医药大学 个性化头面部穴位识别模型建立、定位的方法和系统
CN107898626A (zh) * 2017-12-20 2018-04-13 大连交通大学 一种双目视觉穴位定位仪及其工作方法
CN108514509A (zh) * 2018-03-30 2018-09-11 吴佳桐 一种智能化穴位定位方法
CN108765546A (zh) * 2018-04-18 2018-11-06 北京奇虎科技有限公司 穴位检测方法及装置
CN109568123A (zh) * 2018-11-02 2019-04-05 广东数相智能科技有限公司 一种基于yolo目标检测的穴位定位方法
CN110448453A (zh) * 2019-08-08 2019-11-15 杭州诚一文化创意有限公司 一种用于面部穴位按摩的智能设备及其方法
CN112348877A (zh) * 2019-08-09 2021-02-09 马骥 一种基于pcl点云库自主寻找风池穴并按摩的方法及其装置
CN110613605A (zh) * 2019-08-29 2019-12-27 成都中医药大学 穴位判别模型的构建方法、穴位判别方法和判别系统
CN110613605B (zh) * 2019-08-29 2021-06-22 成都中医药大学 穴位判别模型的构建方法、穴位判别方法和判别系统
CN111259778B (zh) * 2020-01-13 2022-06-17 天津众阳科技有限公司 一种人脸反射区的定位方法
CN111259778A (zh) * 2020-01-13 2020-06-09 天津众阳科技有限公司 一种人脸反射区的定位方法
CN111598949A (zh) * 2020-04-10 2020-08-28 上海中医药大学 一种用于人体头颈部穴位的自动定位方法
CN111598949B (zh) * 2020-04-10 2023-03-24 上海中医药大学 一种用于人体头颈部穴位的自动定位方法
CN111444896B (zh) * 2020-05-09 2023-06-30 北京碧拓科技有限公司 一种远红外热成像人体经络关键点定位方法
CN111444896A (zh) * 2020-05-09 2020-07-24 北京碧拓科技有限公司 一种远红外热成像人体经络关键点定位方法
CN112426356A (zh) * 2020-11-18 2021-03-02 成都艾养阳医学技术研究中心(有限合伙) 中医施灸设备及其3d扫描辅助定穴方法和系统
CN113673463A (zh) * 2021-08-27 2021-11-19 白琨 一种基于Dlib的面部穴位定位方法
WO2023030033A1 (zh) * 2021-08-30 2023-03-09 中科尚易健康科技(北京)有限公司 模型递减的深度学习的人体穴位识别方法及理疗设备
CN113813169A (zh) * 2021-08-30 2021-12-21 中科尚易健康科技(北京)有限公司 模型递减的深度学习的人体穴位识别方法及理疗设备
CN113813169B (zh) * 2021-08-30 2023-12-01 中科尚易健康科技(北京)有限公司 模型递减的深度学习的人体穴位识别方法及理疗设备
CN113842116B (zh) * 2021-10-14 2022-09-27 北京鹰之眼智能健康科技有限公司 一种人体穴位的自动定位方法、装置和电子设备
CN113842116A (zh) * 2021-10-14 2021-12-28 北京鹰之眼智能健康科技有限公司 一种人体穴位的自动定位方法、装置和电子设备
CN114842948A (zh) * 2022-07-04 2022-08-02 济南大学 一种在线学习按摩定位算法
CN115188451A (zh) * 2022-08-11 2022-10-14 北京十方泰和中医医学研究院 背腧穴分析仪及背腧穴分析方法

Similar Documents

Publication Publication Date Title
CN105930810A (zh) 基于特征点定位算法的面部穴位定位方法和定位装置
Avola et al. An interactive and low-cost full body rehabilitation framework based on 3D immersive serious games
Duan et al. Classification of multichannel surface-electromyography signals based on convolutional neural networks
Su et al. Kinect-enabled home-based rehabilitation system using Dynamic Time Warping and fuzzy logic
Leman et al. Basic gestures as spatiotemporal reference frames for repetitive dance/music patterns in Samba and Charleston
Laurentini et al. Computer analysis of face beauty: A survey
US20230271058A1 (en) Systems and methods for real-time data quantification, acquisition, analysis, and feedback
AU2017386412A1 (en) Systems and methods for real-time data quantification, acquisition, analysis, and feedback
CN109091380B (zh) 以ar技术实现穴道视觉化的中医系统及其方法
Zhu Computer Vision‐Driven Evaluation System for Assisted Decision‐Making in Sports Training
CN106780653A (zh) 人体经络与腧穴可视图的生成方法
KR102425479B1 (ko) 사용자의 정보로 아바타를 생성하여 외부의 메타버스플랫폼에 제공하고 사용자 맞춤형 디지털치료제를 추천하는 시스템 및 방법
KR102425481B1 (ko) 재활치료를 위한 가상현실 커뮤니케이션 시스템
Wang et al. Design on the control system of a gait rehabilitation training robot based on Brain-Computer Interface and virtual reality technology
KR102429630B1 (ko) 헬스케어를 위한 커뮤니케이션 npc아바타를 생성하는 시스템
Sharma et al. iYogacare: real-time Yoga recognition and self-correction for smart healthcare
Viana et al. GymApp: A real time physical activity trainner on wearable devices
US20190254748A1 (en) System and method for automatically generating a facial remediation design and application protocol to address observable facial deviations
CN110135303B (zh) 一种舞蹈类非遗传承与交互学习的方法
CN113035000A (zh) 一种面向中枢整合康复治疗技术的虚拟现实训练系统
Qin et al. Modeling and evaluating full-cycle natural gait detection based on human electrostatic field
Zheng et al. Application of eye-tracking technology in humanities, social sciences and geospatial cognition
KR102437583B1 (ko) 생체신호를 활용한 선호 색상에 대한 사용자 맞춤형 색상콘텐츠를 제공하는 시스템 및 방법
Amorim et al. Recent trends in wearable computing research: A systematic review
CN116019443A (zh) 一种心肺复苏胸外按压合规性检测系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160907

RJ01 Rejection of invention patent application after publication