CN111643809B - 一种基于潜能干预仪的电磁脉冲控制方法及系统 - Google Patents
一种基于潜能干预仪的电磁脉冲控制方法及系统 Download PDFInfo
- Publication number
- CN111643809B CN111643809B CN202010476928.2A CN202010476928A CN111643809B CN 111643809 B CN111643809 B CN 111643809B CN 202010476928 A CN202010476928 A CN 202010476928A CN 111643809 B CN111643809 B CN 111643809B
- Authority
- CN
- China
- Prior art keywords
- image
- electromagnetic pulse
- training
- target environment
- test
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims description 72
- 238000012360 testing method Methods 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 19
- 238000005381 potential energy Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 239000011521 glass Substances 0.000 claims description 5
- 230000003190 augmentative effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 6
- 238000000926 separation method Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 7
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006837 decompression Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000554 physical therapy Methods 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000001703 neuroimmune Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/3603—Control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Abstract
本发明公开了一种基于潜能干预仪的电磁脉冲控制方法，包括：获取目标视频源，以帧为单位对目标视频进行分解，得到多个图像帧文件；对图像帧文件进行基础图像处理，得到识别图像；将识别图像作为输入源，输入建立的图像识别模型进行目标环境的识别，得到输出的目标环境识别结果；根据目标环境识别结果的属性和参数值，在预设的电磁脉冲释放规则中选择对应的电磁脉冲释放量，控制相应的电磁脉冲发生器释放对应的电磁脉冲释放量；本发明通过对目标视频进行分解成图片后进行目标环境的识别，判断视频环境变化确定电磁脉冲释放量，根据目标环境控制释放电磁脉冲，实现令患者沉浸在高度模拟环境中，提升潜能干预仪的应用效果。
Description
技术领域
本发明涉及图像识别控制领域，尤其涉及一种基于潜能干预仪的电磁脉冲控制方法及系统。
背景技术
亚健康状态并非常态，它具有双向转化的特点，既可以向第一态健康转化，又可以向第二态疾病转化。摆脱亚健康状态最主要的是要靠积极主动的自我保健措施，包括心理干预和情绪调节。亚健康干预调节要从心和身两方面入手，相应就形成了内源性调节和外源性调节两类技术。内源性调节从心理调节入手，采用脑科学、身心医学相关技术改善患者自我调节能力，纠正调节他们的生活态度、价值观等影响身心健康的主观因素，并学会调节自身情绪状态，及时解除不良情绪的影响等；外源性调节从身体干预入手，针对身心状况采用行为医学、神经免疫内分泌学的相关技术对中枢、自主神经系统和外周组织循环进行调节，实现身体各大系统的优化。身心调节法整合了物理疗法和心理疗法各种技术，综合了内源性和外源性调节方法，主要是调理、调适、调养、理疗，体现折中、兼容、整合、综合的特点。
针对上述亚健康问题引发的心理疾病危机，在现有技术中，人们研发出一种潜能干预仪，通过在穿戴设备上设置1个或多个电磁脉冲发生器，通过控制电磁脉冲发生器的输出量进行模拟电击的过程，并结合AR眼镜的使用，向心理疾病患者传输展示相应的视频，以达到刺激修复患者的心理疾病问题。但是，在现有的潜能干预仪使用过程中，通过AR眼镜观看视频和通过控制电磁脉冲发生器释放电磁脉冲的动作是相互独立的，无法做到由视频的环境变化而控制电磁脉冲的释放，令患者无法沉浸在高度模拟环境中，导致潜能干预仪的应用效果不佳。
发明内容
本发明提供了一种基于潜能干预仪的电磁脉冲控制方法及系统，通过对目标视频进行分解成图片后进行目标环境的识别，判断当前视频的环境变化确定电磁脉冲释放量，释放电磁脉冲，以解决现有的潜能干预仪使用过程中无法由视频的环境变化进行控制电磁脉冲释放的技术问题，从而准确地识别视频的环境变化并根据目标环境控制释放电磁脉冲，进而实现令患者沉浸在高度模拟环境中，提升潜能干预仪的应用效果。
为了解决上述技术问题，本发明实施例提供了一种基于潜能干预仪的电磁脉冲控制方法，包括：
获取目标视频源，以帧为单位对所述目标视频进行分解，得到多个图像帧文件；
对所述图像帧文件进行基础图像处理，得到识别图像；
将所述识别图像作为输入源，输入建立的图像识别模型进行目标环境的识别，得到输出的目标环境识别结果；
根据所述目标环境识别结果的属性和参数值，在预设的电磁脉冲释放规则中选择对应的电磁脉冲释放量，控制相应的电磁脉冲发生器释放所述对应的电磁脉冲释放量。
作为优选方案，所述对所述图像帧文件进行基础图像处理，得到识别图像，具体包括：
对所述图像帧文件进行灰度化处理，得到灰度图像；
对所述灰度图像进行高斯滤波处理，得到滤波图像；
对所述滤波图像进行二值化处理，得到识别图像。
作为优选方案，在对所述滤波图像进行二值化处理后，还包括：对进行二值化处理后的图像进行前景分离处理；所述前景分离处理具体为：对图像中的前景目标进行高亮处理，对图像中的背景目标进行模糊处理。
作为优选方案，所述图像识别模型的建立过程，包括：
获取含有目标环境的初始图像集，对所述初始图像集进行复制得到训练图像集和测试图像集；
通过第三方模型软件建立初始化识别模型；
将所述训练图像集作为输入源传输到所述初始化识别模型进行训练，当训练次数达到训练次数阈值或训练准确度达到训练准确阈值时，停止训练，得到训练模型；
将所述测试图像集作为输入源传输到所述训练模型进行测试，当测试次数达到测试次数阈值或测试准确度达到测试准确阈值时，停止测试，得到图像识别模型。
作为优选方案，所述训练次数阈值为20万次，训练准确阈值为90％；所述测试次数阈值为10万次，测试准确阈值为95％。
作为优选方案，所述目标环境识别结果的属性包括目标环境的类型；所述目标环境识别结果的参数值包括目标环境的时长和深度。
作为优选方案，所述获取目标视频源，以帧为单位对所述目标视频进行分解，得到多个图像帧文件，具体包括：
获取目标视频源，对所述目标视频进行解压缩，得到解压缩视频文件；
对所述解压缩视频文件进行分解成YUV图片，得到YUV图片集；
对所述YUV图片集进行RGB转换，得到RGB图片集，将所述RGB图片集作为图像帧文件。
本发明实施例还提供了一种基于潜能干预仪的电磁脉冲控制系统，包括：
图像分解模块，用于获取目标视频源，以帧为单位对所述目标视频进行分解，得到多个图像帧文件；
图像处理模块，用于对所述图像帧文件进行基础图像处理，得到识别图像；
图像识别模块，用于将所述识别图像作为输入源，输入建立的图像识别模型进行目标环境的识别，得到输出的目标环境识别结果；
电磁脉冲控制模块，用于根据所述目标环境识别结果的属性和参数值，在预设的电磁脉冲释放规则中选择对应的电磁脉冲释放量，控制相应的电磁脉冲发生器释放所述对应的电磁脉冲释放量。
作为优选方案，所述图像处理模块包括：
灰度处理单元，用于对所述图像帧文件进行灰度化处理，得到灰度图像；
滤波处理单元，用于对所述灰度图像进行高斯滤波处理，得到滤波图像；
二值化处理单元，用于对所述滤波图像进行二值化处理，得到识别图像。
作为优选方案，所述图像处理模块还包括：前景分离单元，用于在对所述滤波图像进行二值化处理后，对进行二值化处理后的图像进行前景分离处理；所述前景分离处理具体为：对图像中的前景目标进行高亮处理，对图像中的背景目标进行模糊处理。
作为优选方案，所述图像识别模型的建立过程，包括：
获取含有目标环境的初始图像集，对所述初始图像集进行复制得到训练图像集和测试图像集；
通过第三方模型软件建立初始化识别模型；
将所述训练图像集作为输入源传输到所述初始化识别模型进行训练，当训练次数达到训练次数阈值或训练准确度达到训练准确阈值时，停止训练，得到训练模型；
将所述测试图像集作为输入源传输到所述训练模型进行测试，当测试次数达到测试次数阈值或测试准确度达到测试准确阈值时，停止测试，得到图像识别模型。
作为优选方案，所述训练次数阈值为20万次，训练准确阈值为90％；所述测试次数阈值为10万次，测试准确阈值为95％。
作为优选方案，所述目标环境识别结果的属性包括目标环境的类型；所述目标环境识别结果的参数值包括目标环境的时长和深度。
作为优选方案，所述图像分解模块包括：
解压缩单元，用于获取目标视频源，对所述目标视频进行解压缩，得到解压缩视频文件；
图像分解单元，用于对所述解压缩视频文件进行分解成YUV图片，得到YUV图片集；
图像转换单元，用于对所述YUV图片集进行RGB转换，得到RGB图片集，将所述RGB图片集作为图像帧文件。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的基于潜能干预仪的电磁脉冲控制方法。
本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的基于潜能干预仪的电磁脉冲控制方法。
相比于现有技术，本发明实施例具有如下有益效果：
本发明通过对目标视频进行分解成图片后进行目标环境的识别，判断当前视频的环境变化确定电磁脉冲释放量，释放电磁脉冲，以解决现有的潜能干预仪使用过程中无法由视频的环境变化进行控制电磁脉冲释放的技术问题，从而准确地识别视频的环境变化并根据目标环境控制释放电磁脉冲，进而实现令患者沉浸在高度模拟环境中，提升潜能干预仪的应用效果。
附图说明
图1：为本发明实施例中的基于潜能干预仪的电磁脉冲控制方法的步骤流程图；
图2：为本发明实施例中的基于潜能干预仪的电磁脉冲控制系统的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动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。
请参照图1，本发明优选实施例提供了一种基于潜能干预仪的电磁脉冲控制方法，包括：
S1，获取目标视频源，以帧为单位对所述目标视频进行分解，得到多个图像帧文件；在本实施例中，所述步骤S1具体包括：
S11，获取目标视频源，对所述目标视频进行解压缩，得到解压缩视频文件；
S12，对所述解压缩视频文件进行分解成YUV图片，得到YUV图片集；
S13，对所述YUV图片集进行RGB转换，得到RGB图片集，将所述RGB图片集作为图像帧文件。
具体地，YUV是一种颜色编码方法。常使用在各个视频处理组件中。YUV在对照片或视频编码时，考虑到人类的感知能力，允许降低色度的带宽。YUV与RGB的转换公式(U和V组件可以被表示成原始的R、G，和B)：
Y＝0.299*R+0.587*G+0.114*B
U＝-0.169*R-0.331*G+0.5*B+128
V＝0.5*R-0.419*G-0.081*B+128
如一般顺序，转移组件的范围可得到：
Y∈[0，255]
U∈[0，255]
V∈[0，255]
在逆转关系上，从YUV到RGB，可得：
R＝Y+1.13983*(V-128)
G＝Y-0.39465*(U-128)-0.58060*(V-128)
B＝Y+2.03211*(U-128)
取而代之，以矩阵表示法(matrix representation)，可得到公式：
通过上述算法的计算转换，可以将YUV图片转换成RGB图片进行下一步图像处理工作。
S2，对所述图像帧文件进行基础图像处理，得到识别图像；在本实施例中，所述步骤S2具体包括：S21，对所述图像帧文件进行灰度化处理，得到灰度图像；S22，对所述灰度图像进行高斯滤波处理，得到滤波图像；S23，对所述滤波图像进行二值化处理，得到识别图像。
具体地，原始彩色数字图像的各像素点可由三个字节表示，其数值分别对应着R、G、B三个分量，其中任何一个分量值与其他分量值不同均表现为彩色图像，通过计算将彩色图像三个分量值修改为相同值，就可以得到与之对应的灰度图像。本发明采用准确度最高的灰度化算法：Gray(i，j)＝0.299×R(i，j)+0.587×G(i，j)+0.114×B(i，j)来处理输入原始图像，得到新的灰度图像。
即上述步骤S21中，对图像帧文件进行灰度化处理，得到灰度图像，具体通过以下过程实现：逐个处理所述图像帧文件中所有的像素点，从而得到灰度图像，其中，对于所述原始彩色数字图像中的任一个像素点，先计算该像素点的灰度值Gray(i，j)，再将灰度值Gray(i，j)赋予该像素点的R分量、G分量和B分量，灰度值的计算公式为：Gray(i，j)＝0.299×R(i，j)+0.587×G(i，j)+0.114×B(i，j)，其中，R(i，j)、G(i，j)和B(i，j)分别代表所述原始彩色数字图像中一个像素点(i，j)的R分量值、G分量值和B分量值，(i，j)代表一个像素点在原始彩色数字图像中的坐标。
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。对灰度图像进行高斯滤波处理对于抑制服从正态分布的噪声非常有效。
确定二值化阈值是二值化处理中最首要以及最关键的部分，本发明使用OTSU算法自动获取灰度图像的二值化阈值。OTSU算法是首先设定一个值，从而将灰度图像分为背景与目标两个类别，计算两类的方差数，在类内最小方差数而类间最大方差数对应的值即为灰度图像的最优阈值。
灰度图像二值化处理过程中，二值化是指以阈值为标志，将灰度图像的各像素点二值化处理，最终使图像呈现黑白两色(颜色值表示为：0或255)，使图像轮廓对比更清晰，线条更明显，从而字符形状更突出，达到更好的OCR识别效果。
在本实施例中，在对所述滤波图像进行二值化处理后，还包括：对进行二值化处理后的图像进行前景分离处理；所述前景分离处理具体为：对图像中的前景目标进行高亮处理，对图像中的背景目标进行模糊处理。
通过对前景进行分离，具体为对前景目标高亮处理，对背景目标模糊处理；可以使得图像中的前景更加突出，使后续对图像的识别过程更加精确。
S3，将所述识别图像作为输入源，输入建立的图像识别模型进行目标环境的识别，得到输出的目标环境识别结果；在本实施例中，主要是对视频中的闪电景象进行识别，通过识别输入潜能干预仪的AR眼镜中视频源的闪电景象，判断执行控制电磁脉冲的释放量，实现对患者进行闪电模拟，间接地对患者进行心理疾病的治疗。
在本实施例中，所述步骤S3中图像识别模型的建立过程，包括：
S31，获取含有目标环境的初始图像集，对所述初始图像集进行复制得到训练图像集和测试图像集；其中，训练图像集用于模型训练，测试图像集用于模型测试优化。针对本次实施例的研究对象为闪电景象，获取的初始图像均为大量闪电图像，以实现生成对图像中的闪电动作进行识别。
S32，通过第三方模型软件建立初始化识别模型；所述第三方模型软件可以基于生成模型(Generative)和判别模型(Discriminative)进行建立。
S33，将所述训练图像集作为输入源传输到所述初始化识别模型进行训练，当训练次数达到训练次数阈值或训练准确度达到训练准确阈值时，停止训练，得到训练模型；在本实施例中，所述训练次数阈值为20万次，训练准确阈值为90％。
S34，将所述测试图像集作为输入源传输到所述训练模型进行测试，当测试次数达到测试次数阈值或测试准确度达到测试准确阈值时，停止测试，得到图像识别模型。在本实施例中，所述测试次数阈值为10万次，测试准确阈值为95％。
S4，根据所述目标环境识别结果的属性和参数值，在预设的电磁脉冲释放规则中选择对应的电磁脉冲释放量，控制相应的电磁脉冲发生器释放所述对应的电磁脉冲释放量。在本实施例中，所述目标环境识别结果的属性包括目标环境的类型；所述目标环境识别结果的参数值包括目标环境的时长和深度。
具体地，目标环境的类型在本实施例中是闪电类型，应当说明的是，目标环境的类型可以根据实际需求进行更换，包括但不限于：闪电类型、光照类型、声音类型等等。目标环境的时长可以是当前闪电的时长，可以通过识别闪电的图像的帧数进行统计计算得到。而目标环境的深度可以为闪电的亮度，可以通过对图像的前景的占比进行运算得到。如果目标环境的类型为光照类型或声音类型等其他类型时，目标环境的深度和时长可以随之改变。
通过预先设置电磁脉冲释放规则对电磁脉冲的释放量进行控制。在本实施例中，还可以对患者的作用部位进行限定，例如，膝盖的电磁脉冲释放量、肩膀的电磁脉冲释放量、胸部的电磁脉冲释放量、背部的电磁脉冲释放量等等，各个不同的释放部位可以设置不同的电磁脉冲释放量。
进一步地，结合上述的目标环境的深度和时长进行相应的电磁脉冲释放量设置。例如，当识别得到视频中的闪电时长越久时，释放的电磁脉冲越多；当识别得到视频中的闪电时长越短时，释放的电磁脉冲越少；当识别得到视频中的闪电深度越大时，释放的电磁脉冲越多；当识别得到视频中的闪电深度越小时，释放的电磁脉冲越少。应当说明的是，电磁脉冲释放量的最大值不得超过人体最大承受的危险值，以保护患者的生命安全。
本发明通过对目标视频进行分解成图片后进行目标环境的识别，判断当前视频的环境变化确定电磁脉冲释放量，释放电磁脉冲，以解决现有的潜能干预仪使用过程中无法由视频的环境变化进行控制电磁脉冲释放的技术问题，从而准确地识别视频的环境变化并根据目标环境控制释放电磁脉冲，进而实现令患者沉浸在高度模拟环境中，提升潜能干预仪的应用效果。
相应地，请参照图2，本发明实施例还提供了一种基于潜能干预仪的电磁脉冲控制系统，包括：
图像分解模块，用于获取目标视频源，以帧为单位对所述目标视频进行分解，得到多个图像帧文件；在本实施例中，所述图像分解模块包括：解压缩单元，用于获取目标视频源，对所述目标视频进行解压缩，得到解压缩视频文件；图像分解单元，用于对所述解压缩视频文件进行分解成YUV图片，得到YUV图片集；图像转换单元，用于对所述YUV图片集进行RGB转换，得到RGB图片集，将所述RGB图片集作为图像帧文件。
图像处理模块，用于对所述图像帧文件进行基础图像处理，得到识别图像；在本实施例中，所述图像处理模块包括：灰度处理单元，用于对所述图像帧文件进行灰度化处理，得到灰度图像；滤波处理单元，用于对所述灰度图像进行高斯滤波处理，得到滤波图像；二值化处理单元，用于对所述滤波图像进行二值化处理，得到识别图像。
在本实施例中，所述图像处理模块还包括：前景分离单元，用于在对所述滤波图像进行二值化处理后，对进行二值化处理后的图像进行前景分离处理；所述前景分离处理具体为：对图像中的前景目标进行高亮处理，对图像中的背景目标进行模糊处理。
图像识别模块，用于将所述识别图像作为输入源，输入建立的图像识别模型进行目标环境的识别，得到输出的目标环境识别结果；在本实施例中，所述图像识别模型的建立过程，包括：获取含有目标环境的初始图像集，对所述初始图像集进行复制得到训练图像集和测试图像集；通过第三方模型软件建立初始化识别模型；将所述训练图像集作为输入源传输到所述初始化识别模型进行训练，当训练次数达到训练次数阈值或训练准确度达到训练准确阈值时，停止训练，得到训练模型；将所述测试图像集作为输入源传输到所述训练模型进行测试，当测试次数达到测试次数阈值或测试准确度达到测试准确阈值时，停止测试，得到图像识别模型。在本实施例中，所述训练次数阈值为20万次，训练准确阈值为90％；所述测试次数阈值为10万次，测试准确阈值为95％。
电磁脉冲控制模块，用于根据所述目标环境识别结果的属性和参数值，在预设的电磁脉冲释放规则中选择对应的电磁脉冲释放量，控制相应的电磁脉冲发生器释放所述对应的电磁脉冲释放量。在本实施例中，所述目标环境识别结果的属性包括目标环境的类型；所述目标环境识别结果的参数值包括目标环境的时长和深度。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的基于潜能干预仪的电磁脉冲控制方法。
本发明实施例还提供了一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一实施例所述的基于潜能干预仪的电磁脉冲控制方法。
优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMedia Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于潜能干预仪的电磁脉冲控制方法，其特征在于，包括：
获取潜能干预仪的AR眼镜中目标视频源，对所述目标视频进行解压缩，得到解压缩视频文件；对所述解压缩视频文件进行分解成YUV图片，得到YUV图片集；对所述YUV图片集进行RGB转换，得到RGB图片集，将所述RGB图片集作为图像帧文件；
对所述图像帧文件进行灰度化处理，得到灰度图像；对所述灰度图像进行高斯滤波处理，得到滤波图像；对所述滤波图像进行二值化处理，并对图像中的前景目标进行高亮处理，以及对图像中的背景目标进行模糊处理，得到识别图像；
将所述识别图像作为输入源，输入建立的图像识别模型进行目标环境的识别，得到输出的目标环境识别结果；
根据所述目标环境识别结果的属性和参数值，在预设的电磁脉冲释放规则中选择对应的电磁脉冲释放量，控制相应的电磁脉冲发生器释放所述对应的电磁脉冲释放量；其中，所述目标环境识别结果的属性包括目标环境的类型；所述目标环境识别结果的参数值包括目标环境的时长和深度；
所述图像识别模型的建立过程，包括：
获取含有目标环境的初始图像集，对所述初始图像集进行复制得到训练图像集和测试图像集；
通过第三方模型软件建立初始化识别模型；
将所述训练图像集作为输入源传输到所述初始化识别模型进行训练，当训练次数达到训练次数阈值或训练准确度达到训练准确阈值时，停止训练，得到训练模型；
将所述测试图像集作为输入源传输到所述训练模型进行测试，当测试次数达到测试次数阈值或测试准确度达到测试准确阈值时，停止测试，得到图像识别模型。
2.如权利要求1所述的基于潜能干预仪的电磁脉冲控制方法，其特征在于，所述训练次数阈值为20万次，训练准确阈值为90%；所述测试次数阈值为10万次，测试准确阈值为95%。
3.一种基于潜能干预仪的电磁脉冲控制系统，其特征在于，包括：
图像分解模块，用于获取潜能干预仪的AR眼镜中目标视频源，对所述目标视频进行解压缩，得到解压缩视频文件；对所述解压缩视频文件进行分解成YUV图片，得到YUV图片集；对所述YUV图片集进行RGB转换，得到RGB图片集，将所述RGB图片集作为图像帧文件；
图像处理模块，用于对所述图像帧文件进行灰度化处理，得到灰度图像；对所述灰度图像进行高斯滤波处理，得到滤波图像；对所述滤波图像进行二值化处理，并对图像中的前景目标进行高亮处理，以及对图像中的背景目标进行模糊处理，得到识别图像；
图像识别模块，用于将所述识别图像作为输入源，输入建立的图像识别模型进行目标环境的识别，得到输出的目标环境识别结果；
电磁脉冲控制模块，用于根据所述目标环境识别结果的属性和参数值，在预设的电磁脉冲释放规则中选择对应的电磁脉冲释放量，控制相应的电磁脉冲发生器释放所述对应的电磁脉冲释放量；其中，所述目标环境识别结果的属性包括目标环境的类型；所述目标环境识别结果的参数值包括目标环境的时长和深度；
所述图像识别模型的建立过程，包括：
获取含有目标环境的初始图像集，对所述初始图像集进行复制得到训练图像集和测试图像集；
通过第三方模型软件建立初始化识别模型；
将所述训练图像集作为输入源传输到所述初始化识别模型进行训练，当训练次数达到训练次数阈值或训练准确度达到训练准确阈值时，停止训练，得到训练模型；
将所述测试图像集作为输入源传输到所述训练模型进行测试，当测试次数达到测试次数阈值或测试准确度达到测试准确阈值时，停止测试，得到图像识别模型。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1和2任一项所述的基于潜能干预仪的电磁脉冲控制方法。
5.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1和2任一项所述的基于潜能干预仪的电磁脉冲控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010476928.2A CN111643809B (zh) | 2020-05-29 | 2020-05-29 | 一种基于潜能干预仪的电磁脉冲控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010476928.2A CN111643809B (zh) | 2020-05-29 | 2020-05-29 | 一种基于潜能干预仪的电磁脉冲控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111643809A CN111643809A (zh) | 2020-09-11 |
| CN111643809B true CN111643809B (zh) | 2023-12-05 |
Family
ID=72340790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010476928.2A Active CN111643809B (zh) | 2020-05-29 | 2020-05-29 | 一种基于潜能干预仪的电磁脉冲控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111643809B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102802725A (zh) * | 2009-06-17 | 2012-11-28 | 内克斯蒂姆股份公司 | 磁刺激设备和方法 |
| CN105816960A (zh) * | 2016-03-16 | 2016-08-03 | 张晓林 | 一种智能化低频脉冲磁疗仪 |
| CN207965113U (zh) * | 2018-04-04 | 2018-10-12 | 中国人民解放军61489部队 | 低频脉冲强磁场环境下屏蔽体磁饱和性能测试装置 |
| CN109872297A (zh) * | 2019-03-15 | 2019-06-11 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN109923500A (zh) * | 2016-08-22 | 2019-06-21 | 奇跃公司 | 具有深度学习传感器的增强现实显示装置 |
| CN110276259A (zh) * | 2019-05-21 | 2019-09-24 | 平安科技（深圳）有限公司 | 唇语识别方法、装置、计算机设备及存储介质 |
| CN110856206A (zh) * | 2018-08-20 | 2020-02-28 | 富士通株式会社 | 干扰识别方法、装置和终端设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6506148B2 (en) * | 2001-06-01 | 2003-01-14 | Hendricus G. Loos | Nervous system manipulation by electromagnetic fields from monitors |
-
2020
- 2020-05-29 CN CN202010476928.2A patent/CN111643809B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102802725A (zh) * | 2009-06-17 | 2012-11-28 | 内克斯蒂姆股份公司 | 磁刺激设备和方法 |
| CN105816960A (zh) * | 2016-03-16 | 2016-08-03 | 张晓林 | 一种智能化低频脉冲磁疗仪 |
| CN109923500A (zh) * | 2016-08-22 | 2019-06-21 | 奇跃公司 | 具有深度学习传感器的增强现实显示装置 |
| CN207965113U (zh) * | 2018-04-04 | 2018-10-12 | 中国人民解放军61489部队 | 低频脉冲强磁场环境下屏蔽体磁饱和性能测试装置 |
| CN110856206A (zh) * | 2018-08-20 | 2020-02-28 | 富士通株式会社 | 干扰识别方法、装置和终端设备 |
| CN109872297A (zh) * | 2019-03-15 | 2019-06-11 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN110276259A (zh) * | 2019-05-21 | 2019-09-24 | 平安科技（深圳）有限公司 | 唇语识别方法、装置、计算机设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 吴锋 ; 俞梦孙 ; 周玉彬 ; 潘玮 ; 刘娟 ; 张信民 ; .肌电生物反馈仪放松反馈信号提取的方案设计及实现.北京生物医学工程.2009,(06),全文. * |
| 基于CST软件的控制系统电磁脉冲环境分析研究;马继峰;王美娥;周春梅;林金永;;航天控制(第01期);全文 * |
| 静电放电电磁脉冲耦合的非线性优化建模;樊高辉;魏明;刘卫超;陈翔;曹艳宾;;高压电器(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111643809A (zh) | 2020-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11810271B2 (en) | Domain specific image quality assessment | |
| Parikh et al. | Saliency-based image processing for retinal prostheses | |
| KR102049481B1 (ko) | 이미지 변환을 수행하는 전자 장치 및 이의 방법 | |
| Zhao et al. | Image processing based recognition of images with a limited number of pixels using simulated prosthetic vision | |
| CN109919866B (zh) | 图像处理方法、装置、介质及电子设备 | |
| US7020345B2 (en) | Methods and system for illuminant-compensation | |
| Peterson et al. | Learning optimal eye movements to unusual faces | |
| CN109447031B (zh) | 图像处理方法、装置、设备及存储介质 | |
| Kim et al. | Learning-based low-complexity reverse tone mapping with linear mapping | |
| Jiménez-Sánchez et al. | Morphological background detection and enhancement of images with poor lighting | |
| Reddy et al. | Retinal fundus image enhancement using piecewise gamma corrected dominant orientation based histogram equalization | |
| CN109800659A (zh) | 一种动作识别方法及装置 | |
| CN101772954A (zh) | 用于视频回放的管理技术 | |
| Yue et al. | Perceptual quality assessment of enhanced colonoscopy images: A benchmark dataset and an objective method | |
| Ali et al. | Medical images enhanced by using fuzzy logic depending on contrast stretch membership function | |
| CN111643809B (zh) | 一种基于潜能干预仪的电磁脉冲控制方法及系统 | |
| Ureña et al. | Real-time bio-inspired contrast enhancement on GPU | |
| CN112686800B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN114125225B (zh) | 一种内窥镜亮度自动调节方法及装置、系统、电子设备 | |
| CN114463207B (zh) | 基于全局动态范围压缩与局部亮度估计的色阶映射方法 | |
| CN111178271B (zh) | 一种人脸图像特征增强方法、人脸识别方法及电子设备 | |
| CN113240760A (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
| CN113379702A (zh) | 一种微循环图像的血管路径提取方法及装置 | |
| JP2000268172A (ja) | 画像正規化装置 | |
| Muchungi et al. | Simulating light adaptation in the retina with rod-cone coupling |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |