CN112581426A - 一种红外热成像图像的左右腿识别方法 - Google Patents
一种红外热成像图像的左右腿识别方法 Download PDFInfo
- Publication number
- CN112581426A CN112581426A CN202011231110.0A CN202011231110A CN112581426A CN 112581426 A CN112581426 A CN 112581426A CN 202011231110 A CN202011231110 A CN 202011231110A CN 112581426 A CN112581426 A CN 112581426A
- Authority
- CN
- China
- Prior art keywords
- leg
- image
- contour line
- human body
- contour
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Abstract
本发明涉及一种红外热成像图像的左右腿识别方法,包括如下步骤:获取人体腿部红外热成像图;将人体腿部热像图像从人体腿部红外热成像图中分割出来;提取人体腿部热像图像的轮廓线;计算轮廓线与标准左腿轮廓线以及标准右腿轮廓线的相似度;通过相似度来判断该轮廓线是左腿还是右腿,本发明的红外热成像图像的左右腿识别方法,通过图像处理和人工智能技术分割出人体腿部,从而识别是左腿还是右腿,然后进行筋骨病的诊断、关节病严重程度的辨识等,整体的实用性较强,可以提高识别的效率与准确率。
Description
技术领域
本发明属于图像处理与智能识别领域,尤其涉及一种红外热成像图像的左右腿识别方法。
背景技术
膝关节骨性关节炎(KOA)是一种退行性关节病,多见于中老年人,是骨伤科临床常见病、多发病,中医针灸、推拿、按摩在关节炎、筋骨病方面具有疗效肯定、痛苦小等优点,已经广泛应用于临床。
所有不处于绝对零度的物体,均会发出不同波长的电磁辐射,物体的温度越高,分子或原子的热运动越剧烈,红外辐射越强,且辐射的频谱分布和波长与物体的性质和温度有关,因此红外辐射会载有物体的一些表面温度特征信息。
红外探测器接收物体的发热部位的辐射,根据其辐射功率的强弱转换成相应强度的电信号,成像装置通过识别电信号来模拟出物体表面温度的分布情况,最后经成像系统处理,形成红外热像信号。
医学研究表明,病变就是温变,温变早于病变,细胞学认为,人体就是由无数个细胞构成的,各种疾病形成初期,人体病变局部的单个细胞或细胞群开始发生温度变化,这种变化表现为单个细胞或细胞群的温度升高或温度降低,或随着异常细胞的增多,异常温度的蔓延,疾病也在不同程度的发展。
然而,在温度变化早期,人体对这些细胞温度的变化是毫无知觉的,只有异常细胞温度达到一定的量变之后,才形成了人体可以察觉的自我症状,当这种细胞异常温度变化及变化过程被红外热像仪拍摄成温差影像图片后,就成了现代科技的温差影像图。
通过分析膝关节的红外热成像图,可以进行筋骨病的诊断、关节病严重程度的辨识等,但是如何利用人工智能程序自动判断左腿和右腿,目前还没有较好的方法。
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人体腿部红外热像图像,能够自动识别左腿还是右腿的红外热成像图像的左右腿识别方法。
为达到上述目的,本发明采用的技术方案是:一种红外热成像图像的左右腿识别方法,包括如下步骤:
获取人体腿部红外热成像图;
将人体腿部热像图像从人体腿部红外热成像图中分割出来;
提取人体腿部热像图像的轮廓线;
计算轮廓线与标准左腿轮廓线以及标准右腿轮廓线的相似度;
通过相似度来判断该轮廓线是左腿还是右腿。
进一步的,获取人体腿部的红外热成像图的步骤如下:
受试者双腿站立,采用红外热像仪和光学镜头,受试者暴露腿部所拍摄区域的皮肤,膝关节在图像中部区域,进行拍摄。
进一步的,通过阈值处理将人体腿部热像图像从人体腿部红外热成像图中分割出来。
进一步的,提取出的轮廓线包括轮廓线L1和轮廓线L2。
进一步的,计算轮廓线与标准左腿轮廓线以及标准右腿轮廓线相似度的步骤如下:
曲线相似度计算。
进一步的,以轮廓线的图像作为基准,图像横轴为横坐标,纵轴为纵坐标;从纵轴,把轮廓线10等分,即可获得10等分点的横坐标和纵坐标,即等距离找10个特征点。
进一步的,曲线相似度计算的方法如下:
计算当前轮廓线L1和L2,与左腿轮廓线的相似度simL,即:simL=cos(VL1,LLL1)+cos(VL2,LLL2);
计算当前轮廓线L1和L2,与右腿轮廓线的相似度simR,即:simR=cos(VL1,RLL1)+cos(VL2,RLL2)。
进一步的,通过相似度来判断该轮廓线是左腿还是右腿的方法如下:
若simL<simR,是左腿;
若simL>simR,是右腿;
若simL=simR,重新拍摄,并重新计算。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:
本发明方案的红外热成像图像的左右腿识别方法,通过图像处理和人工智能技术分割出人体腿部,从而识别是左腿还是右腿,然后进行筋骨病的诊断、关节病严重程度的辨识等,整体的实用性较强,可以提高识别的效率与准确率。
附图说明
下面结合附图对本发明技术方案作进一步说明:
图1是本发明识别的流程示意图;
图2是本发明中人体腿部的红外热成像图像;
图3是本发明中人体腿部热像图像;
图4是本发明中人体腿部热像图像的轮廓。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
请参阅附图1,本发明所述的一种红外热成像图像的左右腿识别方法,其包括如下步骤:获取人体腿部红外热成像图;将人体腿部热像图像从人体腿部红外热成像图中分割出来;提取人体腿部热像图像的轮廓线;计算轮廓线与标准左腿轮廓线以及标准右腿轮廓线的相似度;通过相似度来判断该轮廓线是左腿还是右腿。
具体的,人体腿部的红外热成像图像获取:受试者双腿站立,采用i3system红外热像仪,19mm光学镜头,受试者暴露腿部(包括膝关节)所拍摄区域的皮肤,离红外热像仪0.5米远,膝关节在图像中部区域,进行拍摄,最后得到的图像如图2所示。
从图2中可以看出,腿部皮肤明显高于背景温度,接着通过阈值处理,可以把人体腿部热像图像从人体腿部红外热成像图中分割出来,最后得到图像如图3所示。
接着从图3中提取轮廓线,即轮廓线L1和轮廓线L2,最后得到的图像如图4所示。
轮廓线特征向量化:从轮廓线L1和轮廓线L2中等距离找10个特征点;确定特征点的方法如下:以图4为例,图像横轴为横坐标,纵轴为纵坐标。从纵轴,把轮廓线10等分,即可获得10等分点的横坐标和纵坐标,即等距离找10个特征点。
最后进行曲线相似度计算,其方法如下:
计算当前轮廓线L1和L2,与左腿轮廓线的相似度simL,即:simL=cos(VL1,LLL1)+cos(VL2,LLL2)。
计算当前轮廓线L1和L2,与右腿轮廓线的相似度simR,即:simR=cos(VL1,RLL1)+cos(VL2,RLL2)。
若simL<simR,是左腿;若simL>simR,是右腿;若simL=simR,重新拍摄,并重新计算。
本发明提供的一种红外热成像图像的左右腿识别方法,通过图像处理和人工智能技术分割出人体腿部,从而识别是左腿还是右腿,然后进行筋骨病的诊断、关节病严重程度的辨识等,整体的实用性较强,可以提高识别的效率与准确率。
以上仅是本发明的具体应用范例,对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (8)
1.一种红外热成像图像的左右腿识别方法,其特征在于,包括如下步骤:
获取人体腿部红外热成像图;
将人体腿部热像图像从人体腿部红外热成像图中分割出来;
提取人体腿部热像图像的轮廓线;
计算轮廓线与标准左腿轮廓线以及标准右腿轮廓线的相似度;
通过相似度来判断该轮廓线是左腿还是右腿。
2.根据权利要求1所述的红外热成像图像的左右腿识别方法,其特征在于,获取人体腿部的红外热成像图的步骤如下:
受试者双腿站立,采用红外热像仪和光学镜头,受试者暴露腿部所拍摄区域的皮肤,膝关节在图像中部区域,进行拍摄。
3.根据权利要求1所述的红外热成像图像的左右腿识别方法,其特征在于:通过阈值处理将人体腿部热像图像从人体腿部红外热成像图中分割出来。
4.根据权利要求1所述的红外热成像图像的左右腿识别方法,其特征在于:提取出的轮廓线包括轮廓线L1和轮廓线L2。
6.根据权利要求5所述的红外热成像图像的左右腿识别方法,其特征在于,确定特征点的方法如下:以轮廓线的图像作为基准,图像横轴为横坐标,纵轴为纵坐标;从纵轴,把轮廓线10等分,即可获得10等分点的横坐标和纵坐标,即等距离找10个特征点。
7.根据权利要求6所述的红外热成像图像的左右腿识别方法,其特征在于,曲线相似度计算的方法如下:
计算当前轮廓线L1和L2,与左腿轮廓线的相似度simL,即:simL=cos(VL1,LLL1)+cos(VL2,LLL2);
计算当前轮廓线L1和L2,与右腿轮廓线的相似度simR,即:simR=cos(VL1,RLL1)+cos(VL2,RLL2)。
8.根据权利要求7述的红外热成像图像的左右腿识别方法,其特征在于:通过相似度来判断该轮廓线是左腿还是右腿的方法如下:
若simL<simR,是左腿;
若simL>simR,是右腿;
若simL=simR,重新拍摄,并重新计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231110.0A CN112581426B (zh) | 2020-11-06 | 2020-11-06 | 一种红外热成像图像的左右腿识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231110.0A CN112581426B (zh) | 2020-11-06 | 2020-11-06 | 一种红外热成像图像的左右腿识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581426A true CN112581426A (zh) | 2021-03-30 |
CN112581426B CN112581426B (zh) | 2023-01-17 |
Family
ID=75120281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011231110.0A Active CN112581426B (zh) | 2020-11-06 | 2020-11-06 | 一种红外热成像图像的左右腿识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581426B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194111A (zh) * | 2011-06-21 | 2011-09-21 | 哈尔滨工程大学 | 非接触握拳式手背静脉样本roi区域自适应提取方法 |
CN102449573A (zh) * | 2009-06-09 | 2012-05-09 | 索尼爱立信移动通讯有限公司 | 基于手指识别区分右手输入和左手输入 |
CN102799856A (zh) * | 2012-06-15 | 2012-11-28 | 天津大学 | 基于双通道红外信息融合的人体动作识别方法 |
CN102867383A (zh) * | 2011-07-07 | 2013-01-09 | 哈尔滨工业大学深圳研究生院 | 一种抢劫监控报警方法及系统 |
CN103279741A (zh) * | 2013-05-20 | 2013-09-04 | 大连理工大学 | 一种基于车载红外图像的行人预警系统及其工作方法 |
CN103900718A (zh) * | 2012-12-27 | 2014-07-02 | 杭州美盛红外光电技术有限公司 | 热像分析区域设置装置和热像分析区域设置方法 |
CN105045399A (zh) * | 2015-09-07 | 2015-11-11 | 哈尔滨市一舍科技有限公司 | 一种具有3d摄像组件的电子设备 |
US20160184985A1 (en) * | 2014-12-26 | 2016-06-30 | Samsung Electronics Co., Ltd. | Assisting torque setting method and apparatus |
CN106096608A (zh) * | 2016-06-14 | 2016-11-09 | 上海温尔信息科技有限公司 | 胸部温度异常区定位方法及装置 |
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
CN108537887A (zh) * | 2018-04-18 | 2018-09-14 | 北京航空航天大学 | 基于3d打印的草图与模型库三维视图匹配方法 |
CN109242773A (zh) * | 2018-08-29 | 2019-01-18 | 杭州体光医学科技有限公司 | 一种热红外图像的拼接方法及部位划分方法 |
CN110448870A (zh) * | 2019-08-16 | 2019-11-15 | 深圳特蓝图科技有限公司 | 一种人体姿态训练方法 |
CN111081375A (zh) * | 2019-12-27 | 2020-04-28 | 北京深测科技有限公司 | 健康监测的预警方法及系统 |
CN111723754A (zh) * | 2020-06-24 | 2020-09-29 | 深圳数联天下智能科技有限公司 | 一种左右眼识别方法、识别装置、终端设备及存储介质 |
-
2020
- 2020-11-06 CN CN202011231110.0A patent/CN112581426B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102449573A (zh) * | 2009-06-09 | 2012-05-09 | 索尼爱立信移动通讯有限公司 | 基于手指识别区分右手输入和左手输入 |
CN102194111A (zh) * | 2011-06-21 | 2011-09-21 | 哈尔滨工程大学 | 非接触握拳式手背静脉样本roi区域自适应提取方法 |
CN102867383A (zh) * | 2011-07-07 | 2013-01-09 | 哈尔滨工业大学深圳研究生院 | 一种抢劫监控报警方法及系统 |
CN102799856A (zh) * | 2012-06-15 | 2012-11-28 | 天津大学 | 基于双通道红外信息融合的人体动作识别方法 |
CN103900718A (zh) * | 2012-12-27 | 2014-07-02 | 杭州美盛红外光电技术有限公司 | 热像分析区域设置装置和热像分析区域设置方法 |
CN103279741A (zh) * | 2013-05-20 | 2013-09-04 | 大连理工大学 | 一种基于车载红外图像的行人预警系统及其工作方法 |
US20200070335A1 (en) * | 2014-12-26 | 2020-03-05 | Samsung Electronics Co., Ltd. | Assisting torque setting method and apparatus |
US20160184985A1 (en) * | 2014-12-26 | 2016-06-30 | Samsung Electronics Co., Ltd. | Assisting torque setting method and apparatus |
CN105045399A (zh) * | 2015-09-07 | 2015-11-11 | 哈尔滨市一舍科技有限公司 | 一种具有3d摄像组件的电子设备 |
CN106096608A (zh) * | 2016-06-14 | 2016-11-09 | 上海温尔信息科技有限公司 | 胸部温度异常区定位方法及装置 |
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
CN108537887A (zh) * | 2018-04-18 | 2018-09-14 | 北京航空航天大学 | 基于3d打印的草图与模型库三维视图匹配方法 |
CN109242773A (zh) * | 2018-08-29 | 2019-01-18 | 杭州体光医学科技有限公司 | 一种热红外图像的拼接方法及部位划分方法 |
CN110448870A (zh) * | 2019-08-16 | 2019-11-15 | 深圳特蓝图科技有限公司 | 一种人体姿态训练方法 |
CN111081375A (zh) * | 2019-12-27 | 2020-04-28 | 北京深测科技有限公司 | 健康监测的预警方法及系统 |
CN111723754A (zh) * | 2020-06-24 | 2020-09-29 | 深圳数联天下智能科技有限公司 | 一种左右眼识别方法、识别装置、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
QIAO LIU 等: ""Learning deep multi-level similarity for thermal infrared object tracking"", 《IEEE》 * |
胡华成: ""基于组合高斯模型的曲线相似度量及其应用研究"", 《中国博士学位论文全文数据库基础科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112581426B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arifin et al. | Dermatological disease diagnosis using color-skin images | |
Qi et al. | Detecting breast cancer from thermal infrared images by asymmetry analysis | |
Hu et al. | Synergetic use of thermal and visible imaging techniques for contactless and unobtrusive breathing measurement | |
Kapoor et al. | Image processing for early diagnosis of breast cancer using infrared images | |
JP4184842B2 (ja) | 画像判別装置、方法およびプログラム | |
Kuruganti et al. | Asymmetry analysis in breast cancer detection using thermal infrared images | |
Mahmoudzadeh et al. | Extended hidden Markov model for optimized segmentation of breast thermography images | |
Shahari et al. | Color analysis of thermograms for breast cancer detection | |
Jafari et al. | Automatic detection of melanoma using broad extraction of features from digital images | |
Saul et al. | Early diagnosis of pneumonia with deep learning | |
Al Rasyid et al. | Histogram statistics and GLCM features of breast thermograms for early cancer detection | |
Lipari et al. | Advanced infrared image processing for breast cancer risk assessment | |
de Oliveira et al. | Segmentation of infrared images: A new technology for early detection of breast diseases | |
González et al. | An infrared thermal images database and a new technique for thyroid nodules analysis | |
Ali et al. | Melanoma detection using fuzzy C-means clustering coupled with mathematical morphology | |
Sagar et al. | Color channel based segmentation of skin lesion from clinical images for the detection of melanoma | |
Ghayoumi Zadeh et al. | Breast cancer diagnosis based on feature extraction using dynamic models of thermal imaging and deep autoencoder neural networks | |
Gobikrishnan et al. | Diagnosis of rheumatoid arthritis in knee using fuzzy C means segmentation technique | |
Trabelsi et al. | Skin disease analysis and tracking based on image segmentation | |
Ramli et al. | Segmentation of acne vulgaris lesions | |
Ratheesh et al. | Advanced algorithm for polyp detection using depth segmentation in colon endoscopy | |
CN112581426B (zh) | 一种红外热成像图像的左右腿识别方法 | |
CN114332910A (zh) | 一种面向远红外图像的相似特征计算的人体部位分割方法 | |
Negied | Infrared thermography-based breast cancer detection—comprehensive investigation | |
CN115953781A (zh) | 基于热层析影像的乳腺人工智能分析系统及方法 |
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 |