CN111259794A - 一种基于图像的非接触式红眼病自动筛查方法 - Google Patents
一种基于图像的非接触式红眼病自动筛查方法 Download PDFInfo
- Publication number
- CN111259794A CN111259794A CN202010044621.5A CN202010044621A CN111259794A CN 111259794 A CN111259794 A CN 111259794A CN 202010044621 A CN202010044621 A CN 202010044621A CN 111259794 A CN111259794 A CN 111259794A
- Authority
- CN
- China
- Prior art keywords
- pinkeye
- picture
- face image
- image
- face
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 201000001028 acute contagious conjunctivitis Diseases 0.000 title claims abstract description 30
- 208000031973 Conjunctivitis infective Diseases 0.000 title claims abstract description 29
- 238000012216 screening Methods 0.000 title claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 208000024891 symptom Diseases 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000011156 evaluation Methods 0.000 abstract description 2
- 241000593989 Scardinius erythrophthalmus Species 0.000 abstract 1
- 210000000887 face Anatomy 0.000 description 3
- 206010010741 Conjunctivitis Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 206010015150 Erythema Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 206010042674 Swelling Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000003889 eye drop Substances 0.000 description 1
- 208000011323 eye infectious disease Diseases 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
Images
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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- 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
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像的非接触式红眼病自动筛查方法，它包括以下步骤：（a）获取来自摄像头的RGB彩色脸部图像；（b）计算判断所述脸部图像是否为人脸；（c）计算找到所述脸部图像的眼睛位置，进行眼睛部位勾画并截取勾画的图片；（d）将截取的所述图片进行HSV颜色提取，获取所述图片的红色区域并进行提取；（e）将提取的所述红色区域与数据库中红眼病的颜色进行对比得检测结果。这样可以快速对晨检的儿童进行红眼病筛查，减少小朋友晨检入园所耗费的时间；而且有有统一的评判标准，准确率高；筛查的过程可以以图像的形式被存储和显示。
Description
技术领域
本发明属于红眼病筛查领域，尤其涉及一种基于图像的非接触式红眼病自动筛查方法。
背景技术
儿童红眼病又称结膜炎，一般可能是儿童眼部受到了细菌或者病毒的感染，也有可能是由过敏引起的。红眼病是一种急性眼睛传染性疾病，儿童眼睛发红、眼睑肿胀、水肿、发痒、有异物感、疼痛等症状。儿童眼睛常会怕光、怕眼泪，有时早晨起来，白色和黄白色的分泌物会糊住眼皮，不容易睁开。因为红眼病会传染，所以一定要注意隔离和清洁。一旦确诊为红眼病，最好到医院进行检查和治疗，并根据感染的病菌选择合适的眼药水。当前的红眼病识别分为人工筛查和传统的计算机筛查。
但是人眼的测量和判断具有主观性，幼儿园缺乏专业的医护人员，可能会造成误检。且人力的检测无法留下相关的照片以及检测记录以供参考。同时，一些简单的筛查算法不能够筛查出早期的红眼病儿童，并且算法精度并不是很高。
发明内容
本发明目的是为了克服现有技术的不足而提供一种基于图像的非接触式红眼病自动筛查方法。
为达到上述目的，本发明所采用的技术方案为：一种基于图像的非接触式红眼病自动筛查方法，它包括以下步骤：
（a）获取来自摄像头的RGB彩色脸部图像；
（b）计算判断所述脸部图像是否为人脸；
（c）计算找到所述脸部图像的眼睛位置，进行眼睛部位勾画并截取勾画的图片；
（d）将截取的所述图片进行HSV颜色提取，获取所述图片的红色区域并进行提取；
（e）将提取的所述红色区域与数据库中红眼病的颜色进行对比，从而判断是否有红眼病症状。
优化地，步骤（a）中，通过边缘计算设备主板获取来自摄像头的RGB彩色脸部图像。
进一步地，步骤（b）中，以Haar-like算法提取所述脸部图像，随后以积分图方法进行计算。
更进一步地，步骤（b）中，通过海尔分类器计算判断所述脸部图像是否为人脸。
更进一步地，步骤（b）中，先判断所述脸部图像是否有人脸，如果没有，则作出相应的提示；如果有多张人脸，自动选取最像被检测者的。
优化地，步骤（c）中，通过海尔AdaBoost算法和级联找到眼睛位置。
优化地，步骤（d）中，对所述图片的红色区域通过形态学方法进行腐蚀和膨胀以去噪处理。
进一步地，步骤（d）中，通过numpy算法计算所述图片HSV颜色的红色区域。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明基于图像的非接触式红眼病自动筛查方法，通过对RGB彩色脸部图像进行计算判断、勾画眼睛部位、颜色提取和颜色对比，这样可以快速对晨检的儿童进行红眼病筛查，减少小朋友晨检入园所耗费的时间；而且有有统一的评判标准，准确率高；筛查的过程可以以图像的形式被存储和显示。
附图说明
图1为本发明基于图像的非接触式红眼病自动筛查方法的流程示意图；
图2为本发明基于图像的非接触式红眼病自动筛查方法中正常结果示意图；
图3为本发明基于图像的非接触式红眼病自动筛查方法中红眼病结果示意图。
具体实施方式
下面将结合附图对本发明优选实施方案进行详细说明。
如图1所示的基于图像的非接触式红眼病自动筛查方法，它通过检测装置进行检测（检测装置包括相配合的摄像头、光源和边缘计算设备主板等，当儿童站在该检测装置平台上时，摄像头负责拍摄儿童的脸部照片，并传送给边缘计算设备主板进行操作），具体包括以下步骤：
（a）先用摄像头拍摄儿童的脸部照片以获得RGB彩色脸部图像，随后该摄像头将拍摄的RGB彩色脸部图像传送给边缘计算设备主板（或者边缘计算设备主板主动获取摄像头拍摄的RGB彩色脸部图像）；该边缘计算设备主板会将RGB彩色脸部图像（即RGB三层图片）转换一层的灰度图；
（b）通过海尔分类器、以Haar-like算法提取脸部图像，随后以积分图方法进行计算判断脸部图像是否为人脸：先要判断这个图像是否有人脸；如果没有，则需要做出相应的提示；如果有多张人脸，则需要自动选取出最像检测者的人脸（根据人脸检测框的大小和长短进行选取）；即运用haar分类器实现人脸检测，以判断图片是否有无人脸、是否多张人脸；
（c）通过海尔AdaBoost算法和级联计算找到脸部图像的眼睛位置，进行眼睛部位勾画并截取勾画的图片；有时鼻孔是比较像眼睛的，可以根据人类两眼之间的距离进行确定，以勾画出最像眼睛的部位（即找到平行的两个最想眼睛的区域进行水平截取），并截取勾画的图片；
（d）将截取的图片（包含一双眼睛的图片）进行HSV颜色提取（相对于RGB空间，HSV空间能够非常直观的表达色彩的明暗、色调以及鲜艳程度，方便进行颜色之间的对比），获取图片的红色区域并进行提取；即把截取出来的眼睛图片转换成HSV格式，根据HSV格式进行红色区域提取：根据转换的HSV获取图片的红色区域，通过numpy算法的计算得hsv红色区域最低为[170, 100, 100]、红色区域最高为[180, 255, 255]，从而通过位运算把红色区域提取出来。由于某些区域并不是红色或者某些区域出现杂质或者不明显，可以通过形态学的方法进行腐蚀和膨胀以进行去噪处理处理。
（e）将提取的所述红色区域与数据库中红眼病的颜色进行对比，从而判断是否有红眼病症状以得检测结果（如图2和图3所示）；对比方式采取的是计算机视觉的模式匹配方法，模式匹配是数据结构中字符串的一种基本运算，给定一个子串，要求在某个字符串中找出与该子串相同的所有子串；在严格的筛选机制后，得到最终的检测结果，并将检测完的结果上传到边缘设备中显示保存。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于图像的非接触式红眼病自动筛查方法，其特征在于，它包括以下步骤：
（a）获取来自摄像头的RGB彩色脸部图像；
（b）计算判断所述脸部图像是否为人脸；
（c）计算找到所述脸部图像的眼睛位置，进行眼睛部位勾画并截取勾画的图片；
（d）将截取的所述图片进行HSV颜色提取，获取所述图片的红色区域并进行提取；
（e）将提取的所述红色区域与数据库中红眼病的颜色进行对比，从而判断是否有红眼病症状。
2.根据权利要求1所述的基于图像的非接触式红眼病自动筛查方法，其特征在于：步骤（a）中，通过边缘计算设备主板获取来自摄像头的RGB彩色脸部图像。
3.根据权利要求1或2所述的基于图像的非接触式红眼病自动筛查方法，其特征在于：步骤（b）中，以Haar-like算法提取所述脸部图像，随后以积分图方法进行计算。
4.根据权利要求3所述的基于图像的非接触式红眼病自动筛查方法，其特征在于：步骤（b）中，通过海尔分类器计算判断所述脸部图像是否为人脸。
5.根据权利要求3所述的基于图像的非接触式红眼病自动筛查方法，其特征在于：步骤（b）中，先判断所述脸部图像是否有人脸，如果没有，则作出相应的提示；如果有多张人脸，自动选取最像被检测者的。
6.根据权利要求1所述的基于图像的非接触式红眼病自动筛查方法，其特征在于：步骤（c）中，通过海尔AdaBoost算法和级联找到眼睛位置。
7.根据权利要求1所述的基于图像的非接触式红眼病自动筛查方法，其特征在于：步骤（d）中，对所述图片的红色区域通过形态学方法进行腐蚀和膨胀以去噪处理。
8.根据权利要求1或7所述的基于图像的非接触式红眼病自动筛查方法，其特征在于：步骤（d）中，通过numpy算法计算所述图片HSV颜色的红色区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010044621.5A CN111259794A (zh) | 2020-01-16 | 2020-01-16 | 一种基于图像的非接触式红眼病自动筛查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010044621.5A CN111259794A (zh) | 2020-01-16 | 2020-01-16 | 一种基于图像的非接触式红眼病自动筛查方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111259794A true CN111259794A (zh) | 2020-06-09 |
Family
ID=70948966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010044621.5A Pending CN111259794A (zh) | 2020-01-16 | 2020-01-16 | 一种基于图像的非接触式红眼病自动筛查方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111259794A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113569655A (zh) * | 2021-07-02 | 2021-10-29 | 广州大学 | 基于眼部色彩监控的红眼病患者识别系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006350558A (ja) * | 2005-06-14 | 2006-12-28 | Canon Inc | 画像処理装置およびその方法 |
| CN102171723A (zh) * | 2008-08-01 | 2011-08-31 | 惠普开发有限公司 | 红眼检测的方法 |
| CN110287807A (zh) * | 2019-05-31 | 2019-09-27 | 上海亿童科技有限公司 | 一种人体信息获取方法、装置及系统 |
-
2020
- 2020-01-16 CN CN202010044621.5A patent/CN111259794A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006350558A (ja) * | 2005-06-14 | 2006-12-28 | Canon Inc | 画像処理装置およびその方法 |
| CN102171723A (zh) * | 2008-08-01 | 2011-08-31 | 惠普开发有限公司 | 红眼检测的方法 |
| CN110287807A (zh) * | 2019-05-31 | 2019-09-27 | 上海亿童科技有限公司 | 一种人体信息获取方法、装置及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 路明等: "一种自动红眼消除方法" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113569655A (zh) * | 2021-07-02 | 2021-10-29 | 广州大学 | 基于眼部色彩监控的红眼病患者识别系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020151307A1 (zh) | 病灶自动识别方法、装置及计算机可读存储介质 | |
| US20190191988A1 (en) | Screening method for automated detection of vision-degenerative diseases from color fundus images | |
| WO2021082691A1 (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
| US20140316235A1 (en) | Skin imaging and applications | |
| WO2011028023A2 (en) | Apparatus and method for detecting eye state | |
| CN109997147A (zh) | 用于诊断耳部病理的耳镜图像分析的系统和方法 | |
| Shie et al. | A hybrid feature-based segmentation and classification system for the computer aided self-diagnosis of otitis media | |
| WO2020151149A1 (zh) | 微动脉瘤自动检测方法、装置及计算机可读存储介质 | |
| WO2018098986A1 (zh) | 中医舌像自动检测系统及方法 | |
| WO2019172728A1 (ko) | 영상 처리를 이용한 발 사이즈 및 모양 측정 방법 | |
| CN104537373A (zh) | 舌下络脉诊断用多光谱舌下图像特征提取方法 | |
| WO2020042405A1 (zh) | 一种眼底图像定量分析的前置处理方法及存储设备 | |
| Derwin et al. | A novel automated system of discriminating Microaneurysms in fundus images | |
| WO2022041396A1 (zh) | 一种基于眼表特征的新冠肺炎（covid-19）疾病患者风险筛查深度学习系统 | |
| US20240046632A1 (en) | Image classification method, apparatus, and device | |
| WO2023155488A1 (zh) | 基于多源多尺度特征融合的眼底图像质量评价方法和装置 | |
| Hatanaka et al. | Improvement of automatic hemorrhage detection methods using brightness correction on fundus images | |
| CN111259794A (zh) | 一种基于图像的非接触式红眼病自动筛查方法 | |
| WO2020108436A1 (zh) | 舌面图像分割装置、方法及计算机存储介质 | |
| Kumar et al. | Automatic detection of red lesions in digital color retinal images | |
| WO2019189971A1 (ko) | 당뇨병 및 전조 증상을 진단하기 위해 홍채 영상 및 망막 영상을 인공지능으로 분석하는 방법 | |
| Perez et al. | A new method for online retinal optic-disc detection based on cascade classifiers | |
| WO2020246676A1 (ko) | 자궁경부암 자동 진단 시스템 | |
| Guo et al. | Early detection of retinopathy of prematurity (ROP) in retinal fundus images via convolutional neural networks | |
| WO2017166778A1 (zh) | 细菌鉴定方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200609 |