CN112991437A - 基于图像展缩技术的全自动穴位定位方法 - Google Patents
基于图像展缩技术的全自动穴位定位方法 Download PDFInfo
- Publication number
- CN112991437A CN112991437A CN202110376981.XA CN202110376981A CN112991437A CN 112991437 A CN112991437 A CN 112991437A CN 202110376981 A CN202110376981 A CN 202110376981A CN 112991437 A CN112991437 A CN 112991437A
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- real
- acupuncture point
- moxibustion
- 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
- 238000001467 acupuncture Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 230000008602 contraction Effects 0.000 title claims abstract description 24
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 238000006073 displacement reaction Methods 0.000 claims abstract description 14
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 238000003702 image correction Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 210000002268 wool Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Finger-Pressure Massage (AREA)
Abstract
本发明提供一种基于图像展缩技术的全自动穴位定位方法,包括:S1:构造数字化虚拟人体模型;S2:构建标准虚拟人体穴位数据库模型;S3:获取标准虚拟人体模型的二维图像;S4:进行双目相机的标定及校准;S5:获取现实人体的二维图像;S6:得到标准虚拟人体图像和现实人体图像的前景;S7:获得展缩映射;S8:得出真实人体的穴位坐标;S9:向施灸工具执行部件传递三维穴位坐标;S10:利用人体姿态估计的方法实时检测现实人体的位置,当现实人体位移大于预设位移时,再次进入S6进行穴位位置修正。本发明能够实现针对受灸者形体的差异进行施灸前穴位的自动精准定位以及施灸过程中的全程监测,及时更新穴位定位信息。
Description
技术领域
本发明涉及医疗器械智能化领域,特别是涉及一种基于图像展缩技术的全自动穴位定位方法。
背景技术
艾灸疗法是中医中一种传统的、简易的外治方法,临床应用十分悠久。主要以艾条或艾绒燃烧时产生的热量以及艾草中的有机成分通过熏烤刺激人体相关经络穴位,平衡人体生理功能,以达到保健及治疗疾病的目的。随着社会经济的发展以及人们对自身健康管理的进一步重视,传统的中医疗法日益受到青睐。但是,艾灸需要较精准地找到相关穴位对症施灸,对于非专业人士来讲,快速精准找寻穴位存在困难,并且由于受灸者形体方面存在高矮胖瘦的差异,也给穴位定位带来了极大的困难。在专业医疗机构,由于督灸、更换灸头等过程需要大量专业人士,增加了医疗人员的压力。这很不利于传统中医的推广与发展。此外,专利公告号CN111603380A提出了一种机器人自动定位穴位方法,在建立标准穴位图二维坐标的基础上利用坐标同步标记点获得人体实际穴位位置。但是面对受灸者形体方面的差异仅采用转换系数的做法并不能得到较为精准的穴位坐标。专利公告号CN107515923提出了一种准确识别人体穴位的系统,在建立各个年龄段的人体模型及不同区域的人体模型数据库的基础上,通过将按照输入参数(人体全身图、体重和审稿等)模拟出的人体模型与设局库中进行对比的方式实现穴位定位。但是受限于所建数据库,该系统并不能真正实现人体穴位的准确识别。其它,如专利公告号CN108542669A、专利公告号CN111604923A、专利公告号CN107582376A等均提出了适用的包含穴位检测的针灸或艾灸装置,但均未涉及人体穴位的自动精准定位。
发明内容
为实现上述目的及其他相关目的,本发明提供一种基于图像展缩技术的全自动穴位定位方法,包括以下步骤:
S1:利用三维建模的方法对真实人体进行数字化重建,构造数字化虚拟人体模型,将真实人体的大小、形状、相对空间位置关系以三维数据的形式呈现;
S2:在所述数字化虚拟人体模型上标注穴位信息,构建标准虚拟人体穴位数据库模型,穴位信息以二维坐标形式呈现;
S3:在虚拟环境中设置同等比例的拍摄场景,以自顶向下的拍摄方式对标准虚拟人体模型进行拍照,获取标准虚拟人体模型的二维图像;
S4:固定拍摄高度及相机焦距后进行双目相机的标定及校准,实现图像矫正和对齐;
S5:对受灸者采用同样的自顶向下的拍摄方式进行拍摄,获取现实人体的二维图像;
S6:对标准虚拟人体图像以及现实人体图像进行边缘检测以及背景分割,得到标准虚拟人体图像和现实人体图像的前景;
S7:利用图像展缩技术对标准虚拟人体模型的二维图像进行展缩以匹配现实人体二维图像,并获得展缩映射f(x,y);
S8:通过S5所获得的展缩映射f(x,y)的反映射,得出真实人体的穴位坐标;
S9:利用深度相机获取艾灸头与受灸者间的深度信息,结合S7所获得的穴位坐标,向施灸工具执行部件传递三维穴位坐标;
S10:对现实人体进行实时拍摄,利用人体姿态估计的方法实时检测现实人体的位置,当现实人体位移大于预设位移时,再次进入S6进行穴位位置修正。
可选地,步骤S4中采用棋盘格标定板队双目相机进行标定及校准。
可选地,采用棋盘格标定板队双目相机进行标定及校准,包括以下步骤:
S41:粘贴标定板,固定相机高度,对相机进行对焦;
S42:通过刚体变换、透视投影以及离散化将世界坐标映射到像素坐标;
S43:通过调节径向和切向畸变,对图像进行矫正。
可选地,步骤S7包括以下步骤:
S71:通过边缘检测以及图像分割技术,分别对现实人体图像与标准虚拟人体图像进行背景分割,分别记录边缘检测得到的实体人像与标准虚拟人像中人体边缘曲线,并将曲线上的像素点灰度值初始化0;
S72:将分割后的包括人体边缘曲线的现实人体图像进行等比例缩小;
S74:多次迭代S73所述步骤,实现分割后的标准虚拟人体图像的前景与分割后的现实人体图像的前景的匹配,获得一族展缩映射。
可选地,步骤S9中,利用深度相机实时获取艾灸头与受灸者间的深度信息,所述的深度信息的获取也是实时的,当灸头出现实人体深度信息变化量大于预设变化量时,对人体穴位位置信息进行更新,并将更新后的穴位位置信息传输至艾灸工具控制单元。
可选地,所述预设变化量为0.5cm。
可选地,所述预设位移为2cm。
可选地,步骤S10,所述利用人体姿态估计的方法实时检测现实人体的位置包括:利用openpose姿态估计算法,以双肩、双脚、双手六个关键点的检测为主,实时抓取关键点信息,进行人体位姿估计,以实时检测现实人体的位置。
如上所述,本发明的基于图像展缩技术的全自动穴位定位方法,具有以下有益效果:本发明配合施灸工具控制系统,能够实现针对受灸者形体的差异进行施灸前穴位的自动精准定位以及施灸过程中的全程监测,及时更新穴位定位信息,最大化实现施灸过程全自动,节约医疗资源,并且能够在一定程度上提高灸疗效果。
附图说明
图1及图2是本发明实施实例提供的方法流程示意图。
图3是本发明实施实例提供的图像收集装置示意图。
元件标号说明:1、双目相机,2、可伸缩支撑架,3、信息处理装置,4、灸疗床。
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做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。
以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是,在本发明的揭露中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
现有的穴位自动定位方法以及包含穴位检测的设备虽然具有定位穴位的功能,但是对于形体各异的受灸者并不能很好地实现全自动精准穴位定位以及对施灸全过程的监测。
实施例一
请参阅图1及图2所示,本发明提供一种基于图像展缩技术的全自动穴位定位方法,包括:S1:利用三维建模的方法对真实人体进行数字化重建,构造数字化虚拟人体模型,将真实人体的大小、形状、相对空间位置关系以三维数据的形式呈现;
S2:在所述数字化虚拟人体模型上标注穴位信息,构建标准虚拟人体穴位数据库模型,穴位信息以二维坐标形式呈现;
S3:在虚拟环境中设置同等比例的拍摄场景,以自顶向下的拍摄方式对标准虚拟人体模型进行拍照,获取标准虚拟人体模型的二维图像;
S4:固定拍摄高度及相机焦距后进行双目相机的标定及校准,实现图像矫正和对齐;
S5:对受灸者采用同样的自顶向下的拍摄方式进行拍摄,获取现实人体的二维图像;
S6:对标准虚拟人体图像以及现实人体图像进行边缘检测以及背景分割,得到标准虚拟人体图像和现实人体图像的前景;
S7:利用图像展缩技术对标准虚拟人体模型的二维图像进行展缩以匹配现实人体二维图像,并获得展缩映射f(x,y);
S8:通过S5所获得的展缩映射f(x,y)的反映射f*(x,y),得出真实人体的穴位坐标f*(x,y);
S9:利用深度相机获取艾灸头与受灸者间的深度信息,结合S7所获得的穴位坐标,向施灸工具执行部件传递三维穴位坐标(m′,n′,z);
S10:对现实人体进行实时拍摄,利用人体姿态估计的方法实时检测现实人体的位置,当现实人体位移大于预设位移时,再次进入S6进行穴位位置修正。
本发明的基于图像展缩技术的全自动穴位定位方法,具有以下有益效果:本发明配合施灸工具控制系统,能够实现针对受灸者形体的差异进行施灸前穴位的自动精准定位以及施灸过程中的全程监测,及时更新穴位定位信息,最大化实现施灸过程全自动,节约医疗资源,并且能够在一定程度上提高灸疗效果。
实施例二
请继续参阅图1及图2,本实施例中还提供一种基于图像展缩技术的全自动穴位定位方法,本实施例中的基于图像展缩技术的全自动穴位定位方法相较于实施例一中所述的基于图像展缩技术的全自动穴位定位方法还包括如下内容:
在本实施例中首先利用三维建模的方法建立标虚拟人体模型数据库,随后在该人体模型中对人体背部部分穴位坐标以及相关穴位信息进行标注,从而构建数字化虚拟人体穴位模型库。当然所述实施例中仅仅标注了背部部分穴位,根据实际需求可以扩充人体穴位建造更加全面的人体穴位图,此处只是为了说明本发明所述的自动穴位定位方法。
作为示例,步骤S2中构建的标准虚拟人体穴位数据库模型中包含了人体穴位的二维坐标信息(此处以命门为坐标原点)以及穴位相关信息,从而每一个穴位均有与之对应的唯一固定的坐标值(m,n),其中,m和n均为任意正数或负数;如腰阳关的坐标为(0.00,-6.30),命门的坐标为(0.00,0.00),以上坐标中各数值的单位可以均为厘米。
作为示例,步骤S3中,可以使用三维建模工具,在虚拟环境中构建如图3所示的拍摄场景,对上述标准虚拟人体模型进行自顶向下的拍摄,获得标准虚拟人体图像。图3中的图像收集装置包括双目相机1、可伸缩支撑架2、信息处理装置3和灸疗床4。
作为示例,步骤S4中采用棋盘格标定板队双目相机进行标定及校准。
作为示例,采用棋盘格标定板队双目相机进行标定及校准,包括以下步骤:
S41:粘贴标定板,固定相机高度,对相机进行对焦;
S42:通过刚体变换、透视投影以及离散化将世界坐标映射到像素坐标;
S43:通过调节径向和切向畸变,对图像进行矫正。
具体的,步骤S4中,固定双目相机1的高度并对焦后,利用棋盘格标定板对双目相机1进行标定。采用opencv(opencv是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上)相关方法,通过刚体变换将世界坐标映射到相机坐标,随后再进行透视投影将相机坐标映射至图像坐标,最后进行离散化得到像素坐标完成坐标转换。接着再通过调节径向和切向畸变,完成对图像的矫正。
可选地,步骤S7包括以下步骤:
S71:通过边缘检测以及图像分割技术,分别对现实人体图像与标准虚拟人体图像进行背景分割,分别记录边缘检测得到的实体人像与标准虚拟人像中人体边缘曲线,并将曲线上的像素点灰度值初始化0;
S72:将分割后的包括人体边缘曲线的现实人体图像进行等比例缩小;
S74:多次迭代S73所述步骤,实现分割后的标准虚拟人体图像的前景与分割后的现实人体图像的前景的匹配,获得一族所需的展缩映射f(x,y)。
作为示例,步骤S9中,利用深度相机实时获取艾灸头与受灸者间的深度信息,所述的深度信息的获取也是实时的,当灸头出现实人体深度信息变化量大于预设变化量时,对人体穴位位置信息进行更新,并将更新后的穴位位置信息传输至艾灸工具控制单元。
作为示例,所述预设变量可以根据实际需要进行设置,优选地,本实施中,所述预设变化量可以为但不仅限于0.5cm,即本实施例中,当灸头出现实人体深度信息变化量大于0.5cm时,对人体穴位位置信息进行更新。
作为示例,所述预设位移可以根据实际需要进行设定,优选地,本实施例中,所述预设位移可以为但不仅限于2cm,即本实施例中,当现实人体位移大于2cm时,再次进入S6进行穴位位置修正。
作为示例,步骤S10,所述利用人体姿态估计的方法实时检测现实人体的位置可以包括:利用openpose(openpose是一个由CMU开源的实时多人关键点检测库,它实现了一个人人体、手部和脸部关键点检测的实时系统)姿态估计算法,以双肩、双脚、双手六个关键点的检测为主,实时抓取关键点信息,进行人体位姿估计,以实时检测现实人体的位置。
具体的,如图2所示,现实人体中,所建立的二维坐标系的原点位于图2中所示灸疗床4的左侧正中央位置。
接着对上述标准虚拟人体图像以及现实人体图像进行边缘检测以及背景分割,得到标准虚拟人体图像和现实人体图像的前景以及两种图像中人体的边缘线。分别记录边缘检测得到的实体人像与标准虚拟人像中人体边缘线,并将曲线上的像素点灰度值初始化0。所涉及的两种图像处理技术(边缘检测及图像分割)是现有技术,这里不再进行赘述。
最后,先对标准虚拟人体图像前景进行等比例缩小,对现实人体图像的人体边缘线上的像素点在所获得的标准虚拟人像前景图上进行向量的延伸,直到搜索到灰度值为0的像素点为止,获得展缩映射随后进行多次迭代,分别获得直到所述中线一侧现实人体图像边缘线上的像素点与标准虚拟人体图像边缘线上的像素点完全匹配,最终获得一族展缩映射f(x,y)。此处说明本发明所述的自动穴位定位方法。采用n=2(分别取人体边缘线肩膀、腰部同侧两个像素点,人体形态的基本对称性)的情况,f2(x,y)=1(x,y)。在此基础上,利用展缩映射的逆映射f*(x,y)反求出真实人体以标准虚拟人体在标准虚拟人体坐标下的坐标值(m′,n′),最后再根据人体模型库中穴位标定采用的坐标与艾灸工具控制部件坐标间的差异对该坐标进行修正(m′+a,n′+b)(本实施例中,修正因子分别为:a=34.30厘米,b=33.00厘米),修正后的坐标值便是被灸者当前的真实坐标值(本实施例中
比如,腰阳关的现实坐标为(35.30,28.13),命门的现实坐标为(35.30,34.73)。
并且,在施灸过程中,图2中1所示的可见光相机会持续开启,对现实人体进行实时拍摄,并且利用人体姿态估计的方式实时检测现实人体的位置,当显示人体位移过大时,再次进入上述步骤进行现实穴位位置修正。所涉及的姿态估计技术是现有技术,这里不再进行赘述。
本发明的基于图像展缩技术的全自动穴位定位方法可以用于机器人或机械手臂等,从而实现在艾灸诊疗中的人体穴位自动定位。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种基于图像展缩技术的全自动穴位定位方法,其特征在于,所述基于图像展缩技术的全自动穴位定位方法,包括以下步骤:
S1:利用三维建模的方法对真实人体进行数字化重建,构造数字化虚拟人体模型,将真实人体的大小、形状、相对空间位置关系以三维数据的形式呈现;
S2:在所述数字化虚拟人体模型上标注穴位信息,构建标准虚拟人体穴位数据库模型,穴位信息以二维坐标形式呈现;
S3:在虚拟环境中设置同等比例的拍摄场景,以自顶向下的拍摄方式对标准虚拟人体模型进行拍照,获取标准虚拟人体模型的二维图像;
S4:固定拍摄高度及相机焦距后进行双目相机的标定及校准,实现图像矫正和对齐;
S5:对受灸者采用同样的自顶向下的拍摄方式进行拍摄,获取现实人体的二维图像;
S6:对标准虚拟人体图像以及现实人体图像进行边缘检测以及背景分割,得到标准虚拟人体图像和现实人体图像的前景;
S7:利用图像展缩技术对标准虚拟人体模型的二维图像进行展缩以匹配现实人体二维图像,并获得展缩映射f(x,y);
S8:通过S5所获得的展缩映射f(x,y)的反映射,得出真实人体的穴位坐标;
S9:利用深度相机获取艾灸头与受灸者间的深度信息,结合S7所获得的穴位坐标,向施灸工具执行部件传递三维穴位坐标;
S10:对现实人体进行实时拍摄,利用人体姿态估计的方法实时检测现实人体的位置,当现实人体位移大于预设位移时,再次进入S6进行穴位位置修正。
2.根据权利要求1所述的基于图像展缩技术的全自动穴位定位方法,其特征在于:步骤S4中采用棋盘格标定板队双目相机进行标定及校准。
3.根据权利要求2所述的基于图像展缩技术的全自动穴位定位方法,其特征在于:采用棋盘格标定板队双目相机进行标定及校准,包括以下步骤:
S41:粘贴标定板,固定相机高度,对相机进行对焦;
S42:通过刚体变换、透视投影以及离散化将世界坐标映射到像素坐标;
S43:通过调节径向和切向畸变,对图像进行矫正。
4.根据权利要求1所述的基于图像展缩技术的全自动穴位定位方法,其特征在于:步骤S7包括以下步骤:
S71:通过边缘检测以及图像分割技术,分别对现实人体图像与标准虚拟人体图像进行背景分割,分别记录边缘检测得到的实体人像与标准虚拟人像中人体边缘曲线,并将曲线上的像素点灰度值初始化0;
S72:将分割后的包括人体边缘曲线的现实人体图像进行等比例缩小;
S74:多次迭代S73所述步骤,实现分割后的标准虚拟人体图像的前景与分割后的现实人体图像的前景的匹配,获得一族展缩映射。
5.根据权利要求1所述的基于图像展缩技术的全自动穴位定位方法,其特征在于:步骤S9中,利用深度相机实时获取艾灸头与受灸者间的深度信息,所述的深度信息的获取也是实时的,当灸头出现实人体深度信息变化量大于预设变化量时,对人体穴位位置信息进行更新,并将更新后的穴位位置信息传输至艾灸工具控制单元。
6.根据权利要求5所述的基于图像展缩技术的全自动穴位定位方法,其特征在于:所述预设变化量为0.5cm。
7.根据权利要求5所述的基于图像展缩技术的全自动穴位定位方法,其特征在于:所述预设位移为2cm。
8.根据权利要求1所述的基于图像展缩技术的全自动穴位定位方法,其特征在于:步骤S10,所述利用人体姿态估计的方法实时检测现实人体的位置,包括:利用openpose姿态估计算法,以双肩、双脚、双手六个关键点的检测为主,实时抓取关键点信息,进行人体位姿估计,以实时检测现实人体的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110376981.XA CN112991437B (zh) | 2021-04-08 | 2021-04-08 | 基于图像展缩技术的全自动穴位定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110376981.XA CN112991437B (zh) | 2021-04-08 | 2021-04-08 | 基于图像展缩技术的全自动穴位定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991437A true CN112991437A (zh) | 2021-06-18 |
CN112991437B CN112991437B (zh) | 2023-01-10 |
Family
ID=76339486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110376981.XA Active CN112991437B (zh) | 2021-04-08 | 2021-04-08 | 基于图像展缩技术的全自动穴位定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991437B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116072262A (zh) * | 2023-03-08 | 2023-05-05 | 江西原科中医药智能装备有限公司 | 穴位对位与运动跟随方法、系统、计算机及可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1413566A (zh) * | 2002-08-30 | 2003-04-30 | 延自强 | 虚拟现实针灸穴位定位方法及系统 |
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 |
CN106327983A (zh) * | 2016-09-06 | 2017-01-11 | 成都华域天府数字科技有限公司 | 一种针灸定穴辅助教学系统 |
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 |
CN109758355A (zh) * | 2019-03-07 | 2019-05-17 | 西安伊蔓蒂电子科技有限公司 | 一种基于人体穴位二维图像处理和三维立体定位方法 |
CN110063886A (zh) * | 2019-05-17 | 2019-07-30 | 谈佳乐 | 一种ar增强现实智能针灸头戴式设备 |
CN110930374A (zh) * | 2019-11-13 | 2020-03-27 | 北京邮电大学 | 一种基于双深度相机的腧穴定位方法 |
CN111402338A (zh) * | 2020-04-15 | 2020-07-10 | 张家港江苏科技大学产业技术研究院 | 一种穴位定位方法 |
CN112184705A (zh) * | 2020-10-28 | 2021-01-05 | 成都智数医联科技有限公司 | 一种基于计算机视觉技术的人体穴位识别、定位及应用系统 |
CN112509055A (zh) * | 2020-11-20 | 2021-03-16 | 浙江大学 | 基于双目视觉和编码结构光相结合的穴位定位系统及方法 |
-
2021
- 2021-04-08 CN CN202110376981.XA patent/CN112991437B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1413566A (zh) * | 2002-08-30 | 2003-04-30 | 延自强 | 虚拟现实针灸穴位定位方法及系统 |
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 |
CN106327983A (zh) * | 2016-09-06 | 2017-01-11 | 成都华域天府数字科技有限公司 | 一种针灸定穴辅助教学系统 |
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 |
CN109758355A (zh) * | 2019-03-07 | 2019-05-17 | 西安伊蔓蒂电子科技有限公司 | 一种基于人体穴位二维图像处理和三维立体定位方法 |
CN110063886A (zh) * | 2019-05-17 | 2019-07-30 | 谈佳乐 | 一种ar增强现实智能针灸头戴式设备 |
CN110930374A (zh) * | 2019-11-13 | 2020-03-27 | 北京邮电大学 | 一种基于双深度相机的腧穴定位方法 |
CN111402338A (zh) * | 2020-04-15 | 2020-07-10 | 张家港江苏科技大学产业技术研究院 | 一种穴位定位方法 |
CN112184705A (zh) * | 2020-10-28 | 2021-01-05 | 成都智数医联科技有限公司 | 一种基于计算机视觉技术的人体穴位识别、定位及应用系统 |
CN112509055A (zh) * | 2020-11-20 | 2021-03-16 | 浙江大学 | 基于双目视觉和编码结构光相结合的穴位定位系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116072262A (zh) * | 2023-03-08 | 2023-05-05 | 江西原科中医药智能装备有限公司 | 穴位对位与运动跟随方法、系统、计算机及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112991437B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109758355B (zh) | 一种基于人体穴位二维图像处理和三维立体定位方法 | |
EP2904583B1 (en) | Method for tracking three-dimensional object | |
KR20210011425A (ko) | 이미지 처리 방법 및 디바이스, 이미지 장치, 및 저장 매체 | |
CN111627521B (zh) | 增强现实在放疗中的应用 | |
JP7015152B2 (ja) | キーポイントデータに関する加工装置、方法及びプログラム | |
CN110930374A (zh) | 一种基于双深度相机的腧穴定位方法 | |
EP3100236A1 (en) | Method and system for constructing personalized avatars using a parameterized deformable mesh | |
CN109091380B (zh) | 以ar技术实现穴道视觉化的中医系统及其方法 | |
CN110033465A (zh) | 一种应用于双目内窥镜医学图像的实时三维重建方法 | |
CN110063886A (zh) | 一种ar增强现实智能针灸头戴式设备 | |
CN111401340B (zh) | 目标对象的运动检测方法和装置 | |
CN103679797A (zh) | 采用可变形模型的人肢体建模方法及虚拟人模型控制平台 | |
US11931166B2 (en) | System and method of determining an accurate enhanced Lund and Browder chart and total body surface area burn score | |
WO2023030033A1 (zh) | 模型递减的深度学习的人体穴位识别方法及理疗设备 | |
CN112991437B (zh) | 基于图像展缩技术的全自动穴位定位方法 | |
Masood et al. | 3D Localization of hand acupoints using hand geometry and landmark points based on RGB-D CNN fusion | |
CN115496786A (zh) | 一种基于机器视觉的背部穴道的定位方法 | |
KR102385150B1 (ko) | 영상 및 딥러닝 기반의 심폐소생술 실시간 술기 평가방법 | |
WO2020147797A1 (zh) | 图像处理方法及装置、图像设备及存储介质 | |
CN115778333B (zh) | 一种视觉定位寸、关、尺脉搏穴位的方法和装置 | |
CA2691863A1 (en) | A system for simulating a manual interventional operation | |
CN116485850A (zh) | 基于深度学习的手术导航影像的实时非刚性配准方法及系统 | |
CN114469079B (zh) | 一种利用LightHouse的身体关节测量方法 | |
TWI764393B (zh) | 壓力織物的製造方法 | |
TWI629662B (zh) | Method for realizing acupoint visualization by AR technology |
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 |