CN114098636A - 一种人体健康状态管理方法、系统和电子设备 - Google Patents
一种人体健康状态管理方法、系统和电子设备 Download PDFInfo
- Publication number
- CN114098636A CN114098636A CN202111307804.2A CN202111307804A CN114098636A CN 114098636 A CN114098636 A CN 114098636A CN 202111307804 A CN202111307804 A CN 202111307804A CN 114098636 A CN114098636 A CN 114098636A
- Authority
- CN
- China
- Prior art keywords
- acupoint
- mirror
- image
- target
- infrared 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 28
- 238000007726 management method Methods 0.000 title claims description 36
- 238000001467 acupuncture Methods 0.000 claims abstract description 99
- 238000001514 detection method Methods 0.000 claims abstract description 80
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 62
- 238000003062 neural network model Methods 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 37
- 238000007781 pre-processing Methods 0.000 claims description 34
- 208000011580 syndromic disease Diseases 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 25
- 230000003862 health status Effects 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 210000000746 body region Anatomy 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 13
- 238000001931 thermography Methods 0.000 abstract description 11
- 230000002452 interceptive effect Effects 0.000 abstract description 6
- 238000010801 machine learning Methods 0.000 abstract description 6
- 230000036544 posture Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 230000009466 transformation Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000011176 pooling Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000031971 Yin Deficiency Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229940127554 medical product Drugs 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
- A61H39/02—Devices for locating such points
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Rehabilitation Therapy (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人体健康状态的管理方法、系统和电子设备,该方法包括:通过交互方式确保获取到准确姿态的目标身体区域红外图像,以便于基于人体红外热成像技术通过机器学习算法实现对人体穴位的自动定位及分析,并在镜面标注出穴位位置,从而,提升定位及分析准确性,节省人力和时间成本,提高定位及分析效率,实现自动定位及分析的可扩展性和普适性。同时,还可以更为方便直观的反馈给目标检测用户,提升使用过程中的用户体验。
Description
技术领域
本文件涉及家用医疗产品技术领域,尤其涉及一种人体健康状态管理方法、系统和电子设备。
背景技术
目前,采用大型舱体设备进行红外影像拍摄,缺乏便利与便携性,只能在特定场所进行红外影像采集,不便于推广,并且费用昂贵。
而且,现有技术采用人工读图方式,由读图者手工选取穴位点并人工总结穴位经络温度热序列。这种采用人工识别穴位经络并人工分析的方法,由于读图人员在计算机读图软件、中医理论知识以及红外热成像技术读图分析等专业素养方面的参差不齐以及主观臆断,导致标准化难以统一,分析结果存在差异、不准确的情况。再者,上述人工识别穴位经络并人工分析的方法,诊断效率较低,且人力和时间成本较高,可扩展性和普及性较差。
由此,亟需找到一种新的健康状态管理设备和方案以对人体穴位经络自动定位及分析的方案。
发明内容
本说明书一个或多个实施例的目的是提供一种人体健康状态管理方法、系统和电子设备,以使用人体健康状态管理系统通过交互方式确保获取到准确姿态的目标身体区域红外图像,以便于基于人体红外热成像技术通过机器学习算法实现对人体穴位经络的自动定位及分析,提升定位及分析准确性,节省人力和时间成本,提高定位及分析效率,实现自动定位及分析的可扩展性和普适性。
为解决上述技术问题,本说明书一个或多个实施例是这样实现的:
第一方面,提出了一种人体健康状态管理方法,应用于至少包含摄像采集装置、镜面显示装置、算法处理装置以及播放装置的人体健康状态管理系统,所述方法包括:
当目标检测用户选择第一模式时,所述镜面显示装置在镜面显示预设示范姿态,同时,所述播放装置播放提示信息,其中,所述提示信息用于实时提醒所述目标检测用户按照示范姿态进行自身姿态的调整;
所述镜面显示装置在感应到所述目标检测用户的自身姿态与当前示范姿态相似度达到阈值时,触发所述摄像采集装置获取所述目标检测用户的目标身体区域红外图像,并传输给所述镜面显示装置进行镜面显示;
所述算法处理装置对所述目标身体区域红外图像进行图像预处理操作,并将进行图像预处理操作后得到的目标图像输入预先训练确定的穴位预测模型,得到J个穴位置信度图,以及确定所述J个穴位置信度图中,每个穴位在相应穴位置信度图中置信度最大值对应的位置,作为该穴位在所述目标身体区域红外图像中的位置,其中,所述J个穴位中每个穴位对应一个穴位置信度图,每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布;
所述镜面显示装置根据所述算法处理装置确定的穴位位置,在镜面显示的所述目标身体区域红外图像的相应位置进行标注显示。
第二方面,提出了一种人体健康状态管理系统,至少包含:摄像采集装置、镜面显示装置、算法处理装置以及播放装置;
当目标检测用户选择第一模式时,所述镜面显示装置在镜面显示预设示范姿态,同时,所述播放装置播放提示信息,其中,所述提示信息用于实时提醒所述目标检测用户按照示范姿态进行自身姿态的调整;
所述镜面显示装置在感应到所述目标检测用户的自身姿态与当前示范姿态相似度达到阈值时,触发所述摄像采集装置获取所述目标检测用户的目标身体区域红外图像,并传输给所述镜面显示装置进行镜面显示;
所述算法处理装置对所述目标身体区域红外图像进行图像预处理操作,并将进行图像预处理操作后得到的目标图像输入预先训练确定的穴位预测模型,得到J个穴位置信度图,以及确定所述J个穴位置信度图中,每个穴位在相应穴位置信度图中置信度最大值对应的位置,作为该穴位在所述目标身体区域红外图像中的位置,其中,所述J个穴位中每个穴位对应一个穴位置信度图,每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布;
所述镜面显示装置根据所述算法处理装置确定的穴位位置,在镜面显示的所述目标身体区域红外图像的相应位置进行标注显示。
第三方面,提出了一种对人体健康状态进行管理的智能镜子,包括:
镜体;位于所述镜体正上方的摄像头;位于所述镜体一侧面的按键组;底座;以及内嵌在镜体内部的算法处理芯片,其中,所述算法处理芯片用于执行如权利要求1-8中所述的算法处理装置的操作步骤;
所述镜体正面是具有镜面显示功能的显示屏;
所述镜体背面安装有用于防止搬移时滑动的防滑条,以及用于进行上墙安装的支架配件;
所述底座安装有用于功放的音箱配件,以及设置有用于对所述镜体进行支撑固位的卡槽。
第四方面,提出了一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行第一方面所述的方法。
第五方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行第一方面所述的方法。
由以上本说明书一个或多个实施例提供的技术方案可见,以通过交互方式确保获取到准确姿态的目标身体区域红外图像,以便于基于人体红外热成像技术通过机器学习算法实现对人体穴位的自动定位及分析,并在镜面标注出穴位位置,从而,提升定位及分析准确性,节省人力和时间成本,提高定位及分析效率,实现自动定位及分析的可扩展性和普适性。同时,还可以更为方便直观的反馈给目标检测用户,提升使用过程中的用户体验。同理,也可以对人体经络进行走向定位以及根据经络走向的热秩序对人体体质、证候进行分析。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对一个或多个实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1(a)是本说明书实施例提供的一种人体健康状态管理方法的步骤示意图之一。
图1(b)是本说明书实施例提供的一种人体健康状态管理方法流程图之一。
图1(c)是本说明书实施例提供的一种人体健康状态管理方法流程图之二。
图1(d)是本说明书实施例提供的采集到的人体红外图像示意图。
图2是本说明书实施例提供的一种人体健康状态管理方法的步骤示意图之二。
图3是本说明书实施例提供的一种人体健康状态管理方法的步骤示意图之三。
图4是本说明书实施例提供的一种人体健康状态管理方法的步骤示意图之四。
图5是本说明书实施例提供的预处理操作流程示意图。
图6中(a)、(b)、(c)、(d)、(e)分别代表目标人体红外图像的原图、高斯滤波后图、伽马变换后图、对比度变换后图、全局直方图变换后图。
图7(a)是本说明书的一个实施例提供的以VGG-19为主干网络的神经网络模型结构示意图之一。
图7(b)是本说明书的一个实施例提供的以VGG-19为主干网络的神经网络模型结构示意图之二。
图8是本说明书实施例提供的以命门穴为例的置信度图。
图9是本说明书实施例提供的大椎与哑门之间的向量域的示意图。
图10是本说明书实施例提供的标注了背部部分督脉和大椎、神道、中枢、命门、腰阳关、腰俞的红外图像示意图。
图11是本说明书实施例提供的一种人体健康状态管理系统的结构示意图。
图12(a)-12(e)是本说明书实施例提供的一种对人体健康状态进行管理的智能镜子的结构示意图。
图13是本说明书的一个实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的一个或多个实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的一个或多个实施例,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,都应当属于本文件的保护范围。
红外线是一种电磁波,在光谱中波长在0.77um至1000um之间,人类可见光波长介于0.4um到0.75um,所以红外线是一种非可见光。红外线的波长范围很宽,人们将不同波长范围的红外线分为近红外、中红外和远红外区域,相对应波长的电磁波称为近红外线、中红外线及远红外线。在绝对零度(-273.15℃)以上的物体都辐射红外能量,但由于红外线在非可见光波段,人的肉眼无法直接看到红外线。红外热成像运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形,并可以进一步计算出温度值。红外热成像技术可将物体辐射出的红外线进行捕捉并成像,由此人们可以看到物体表面辐射出的红外强度,即物体表面的温度分布状况。
针对目前缺少较为高效且准确分析管理人体健康状态的产品设备的缺陷,本说明书实施例提出一种对人体健康状态进行管理的方案,主要通过交互方式确保获取到准确姿态的目标身体区域红外图像,以便于基于人体红外热成像技术通过机器学习算法实现对人体穴位的自动定位及分析,并在镜面标注出穴位位置,从而,提升定位及分析准确性,节省人力和时间成本,提高定位及分析效率,实现自动定位及分析的可扩展性和普适性。同时,还可以更为方便直观的反馈给目标检测用户,提升使用过程中的用户体验。同理,也可以对人体经络进行走向定位以及根据经络走向的热秩序对人体体质、证候进行分析。。
下面通过具体的实施例对本说明书技术方案进行详述。
实施例一
参照图1(a)所示,为本说明书实施例提供的一种人体健康状态管理方法的步骤示意图,该方法应用于至少包含摄像采集装置、镜面显示装置、算法处理装置以及播放装置的人体健康状态管理系统,结合图1(b)和图1(c)所示的流程图,所述方法可以包括以下步骤:
步骤101:当目标检测用户选择第一模式时,所述镜面显示装置在镜面显示预设示范姿态,同时,所述播放装置播放提示信息,其中,所述提示信息用于实时提醒所述目标检测用户按照示范姿态进行自身姿态的调整。
应理解,所述预设示范姿态可以是经过多次经验总结确定的获取穴位定位的最佳姿态,例如,全身背面、侧面、部分躯干、坐姿等;甚至有更为具体的姿态和角度。
该第一模式理解为健康状态检测模式,在该模式下默认无法进行健身训练或其它娱乐项目,仅可以进行各类身体健康状态检测或监测。
步骤102:所述镜面显示装置在感应到所述目标检测用户的自身姿态与当前示范姿态相似度达到阈值时,触发所述摄像采集装置获取所述目标检测用户的目标身体区域红外图像,并传输给所述镜面显示装置进行镜面显示。
本发明实例以采集人体全身背面图为例,被采集者需要脱去全身衣物从而可以由红外摄像头充分无遮挡地采集到人体正面全身表面的温度特征,如果穿着衣物,则会对体表热辐射造成遮挡,无法充分采集到体表温度特征,对人体温度探测识别以及后续自动分析造成影响,而且如果有衣物遮挡,由于衣物宽松程度不同,可能造成人体穴位和经络位置检测失准。例如,本发明实例采用观谱DTA-301C红外摄像头采集分辨率为384*288的红外图像,被采集者采用直立双手微微张开体侧的姿势,采集到的人体红外图像参照图1(d)所示。其实,并不限于上述采集摄像装置,还可以采用其它红外图像采集装置进行图像采集。本说明书人体红外图像采集以采集人体全身背面图为例,本发明应包括且不仅限于所描述的采集人体全身背面图,还包含正面、侧面、部分驱赶、坐姿等其他体位图。
其中,所述阈值为经过经验反复测试确定的阈值范围区间;示范姿态可以是能够准确采集定位到穴位的人体最佳姿态,例如,伸直手臂直立的姿态等。可以收集一些类似的最佳姿态作为示范姿态以引导纠正目标检测用户调整到最佳采集姿态。
步骤103:所述算法处理装置对所述目标身体区域红外图像进行图像预处理操作,并将进行图像预处理操作后得到的目标图像输入预先训练确定的穴位预测模型,得到J个穴位置信度图,以及确定所述J个穴位置信度图中,每个穴位在相应穴位置信度图中置信度最大值对应的位置,作为该穴位在所述目标身体区域红外图像中的位置,其中,所述J个穴位中每个穴位对应一个穴位置信度图,每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布。
步骤104:所述镜面显示装置根据所述算法处理装置确定的穴位位置,在镜面显示的所述目标身体区域红外图像的相应位置进行标注显示。
进一步,参照图2所示,在定位出所述目标身体区域红外图像中穴位位置之后,例如,在步骤104之后,所述方法还可以包括:
步骤105:所述算法处理装置基于定位出的各个穴位的位置,从所述目标身体区域红外图像中获取每个穴位对应的温度,并根据不同穴位之间的温度关系自动分析所述目标检测用户的体质和/或证候。
再进一步,参照图3所示,在定位出所述目标身体区域红外图像中穴位位置之后,例如,在步骤105之后,所述方法还可以包括:
步骤106:所述算法处理装置将进行图像预处理操作后得到的目标图像输入预先训练确定的经络预测模型,得到每对相邻穴位之间的C个向量域,将每对相邻穴位之间的C个向量域累加得到该相邻穴位之间的经络走向;基于所有确定出的经络走向确定所述目标人体红外图像中经络位置。
步骤107:所述镜面显示装置根据所述算法处理装置确定的经络位置,将镜面显示的所述目标身体区域红外图像标注出的穴位按照经络走向标注显示。
其实,步骤106和步骤107也可以位于步骤104和步骤105之间。
再进一步,参照图4所示,在确定所述目标身体区域红外图像中经络位置之后,例如,在步骤107之后,所述方法还包括:
步骤108:所述算法处理装置基于定位出的各个穴位的位置从所述目标身体区域红外图像中获取每个穴位对应的温度,以及,基于定位出的各个经络位置从所述目标身体区域红外图像中获取每个经络对应的温度,并根据不同穴位之间的温度关系和/或不同经络的温度关系,自动分析所述目标检测用户的体质和/或证候。
应理解,在本说明书实施例中,当分析出目标检测用户的体质和/或证候之后,可以通过播放装置通过语音播报给目标检测用户,也可以通过显示屏幕文字呈现给目标检测用户,以便于目标检测用户及时了解自己的身体健康状态。
在一种可实现的方案中,当完成步骤108之后,所述方法还可以包括:
所述算法处理装置将标注穴位和/或经络的目标身体区域红外图像保存在本地数据库或上传到云端数据库;和/或;所述算法处理装置将分析得到的所述目标检测用户的体质证候数据保存在本地数据库或上传到云端数据库。从而,可以对管理过程数据进行安全保存,以作为历史数据便于后续使用查看。
再一种可实现的方案中,当目标检测用户选择第二模式时,所述镜面显示装置在镜面显示处于该第二模式下的健身图像,以便于该目标检测用户根据所述健身图像进行健身训练;所述镜面显示装置在感应到所述目标检测用户的训练姿态与显示的健身图像中示范姿态不一致时,在镜面显示提示信息,或者,触发所述播放装置播放提示信息。从而,当目标检测用户选择第二模式时,该模式可以是健身模式,在该模式下目标检测用户可以进行一系列健身项目,此时,镜面显示装置既可以作为镜子呈现出目标检测用户平面图像,也可以作为显示屏在屏幕上播放设定的健身视频画面,结合镜面显示装置的感应功能,及时对目标检测用户的不规范动作进行提示纠正,提升目标检测用户的健身体验。
应理解,在本说明书实施例中,目标检测用户在选择模式以及进行其它选择操控时,可以通过对镜面或案件的直接触控实现,也可以通过例如遥控器等遥控装置遥控实现。
可选地,所述遥控装置上还可以设置有SOS按键,以便于目标检测用户或是其它用户在遇到危险的情况下发出求助消息。尤其是针对家中有老人或残障人士的情况,所述人体健康状态管理系统不仅是检测管理设备,还可以在用户发生意外或危险的时候提供一份安全救助保障。
一种可实现的方案,所述穴位预测模型通过以下方式确定:
基于选取的神经网络算法确定待训练的神经网络模型;
对所述待训练的神经网络模型进行训练:获取样本数据集,并对所述样本数据集中每个样本数据进行图像预处理操作,其中,所述样本数据集包含多个人体红外图像,且每个人体红外图像均标注有J个穴位的位置;将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集;基于所述训练集中每个样本数据以及其中标注的J个穴位的位置,对所述待训练的神经网络模型中的参数进行调整,得到训练后的第一神经网络模型;分别基于所述验证集和所述测试集对训练后的第一神经网络模型进行处理后,确定出最优神经网络模型作为穴位预测模型。
另一种可实现的方案,所述经络预测模型通过以下方式确定:
基于选取的神经网络算法确定待训练的神经网络模型;
对所述待训练的神经网络模型进行训练:获取样本数据集,并对所述样本数据集中每个样本数据进行图像预处理操作,其中,所述样本数据集中每个人体红外图像还标注有穴位之间的由C个向量域构成的经络走向;将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集;基于所述训练集中每个样本数据以及其中标注的经络走向,对所述待训练的神经网络模型中的参数进行调整,得到训练后的第二神经网络模型;分别基于所述验证集和所述测试集对训练后的第二神经网络模型进行处理后,确定出最优神经网络模型作为经络预测模型。
可选地,在本说明书中,所述图像预处理操作,至少包括以下操作之一或组合:高斯滤波、伽马变换、对比度变换以及全局直方图变换。
一种可实现的方案,对采集到的目标身体区域红外图像进行图像预处理时,主要进行图像增强预处理,使图像更清晰、特征更明显,从而更利于穴位点和经络的检测。图像预处理过程对红外图像依次进行高斯滤波、伽马变换、对比度变换、全局直方图变换处理,预处理操作流程如图5所示。预处理过程中图像对比如图6中的(a)、(b)、(c)、(d)、(e)分别代表目标人体红外图像的原图、高斯滤波后图、伽马变换后图、对比度变换后图、全局直方图变换后图。其中,
[伽马变换]
伽马变换主要用于图像的校正,将灰度过高或者灰度过低的图片进行修正,增强对比度。变换公式就是对原图像上每一个像素值做乘积运算,其中,乘积运算中指数值以1为分界,值越小,对图像低灰度部分的扩展作用就越强,值越大,对图像高灰度部分的扩展作用就越强,通过不同的指数值,就可以达到增强低灰度或高灰度部分细节的作用。
[高斯变换]
高斯变换主要是根据一维高斯函数,可以推导得到二维高斯函数。正态分布是一种钟形曲线,越接近中心,取值越大,越远离中心,取值越小。计算平均值的时候,我们只需要将"中心点"作为原点,其它点按照其在正态曲线上的位置,分配权重,就可以得到一个加权平均值。
[对比度变换]
如果原图像f(x,y)的灰度范围是[m,M],我们希望变换后的图像g(x,y)的灰度范围是[n,N],那么变换是:
我们令
变换后,灰度翻转,亮的部分变成暗的部分,暗的部分则变成亮的部分。从而实现了对比度的变换调整。
[全局直方图变换]
全局直方图变换即直方图均衡化,是通过调整图像的直方图来增强图像的对比度,经常使用在医学图像分析中。根据不同的图像可以设置不同的均衡化处理的像素值计算公式,以达到图像全局直方图均衡化处理。
可选地,本说明书实施例中,所述待训练的神经网络模型是以VGG-19为主干网络的神经网络模型,用于完成对人体红外图像的特征提取。其实,还可以是以其它神经主干网络作为待训练的神经网络模型,本说明书并不对此进行限定,后续均以VGG-19作为主干网络的神经网络模型为例进行介绍。
一种可实现的方案,在基于选取的神经网络算法确定待训练的神经网络模型时,可以执行为:确定以VGG-19为主干网络的神经网络模型结构,并在所述神经网络模型结构之后部署一系列卷积层和置信度预测层S,其中,S=(S1,S2,...,SJ),代表J个置信度图,每个穴位点由网络预测一张置信度图Sj,j∈{1...J},代表该穴位点在图像中的置信度分布。从而,可以通过置信度预测层S在后续训练阶段对待训练的神经网络模型进行合理的参数调整,得到能够准确预测穴位位置的穴位预测模型。
进一步,在基于选取的神经网络算法确定待训练的神经网络模型时,还可以包括:确定以VGG-19为主干网络的神经网络模型结构,并在所述神经网络模型结构之后部署一系列卷积层和经络预测层L,其中L=(L1,L2,...,LC),代表C个向量域,每两个由经络相连的穴位由网络预测一个向量域Lc,每个向量域代表预测的经络走向方向。从而,可以通过经络预测层L在后续训练阶段对待训练的神经网络模型进行合理的参数调整,得到能够准确预测经络走向的经络预测模型。其中,J和C均为正整数。
例如,对于一张尺寸为w*h的图像,需要检测J个穴位点。则可以在以VGG-19为主干网络的神经网络模型结构后面仅衔接置信度预测层S,用来预测J个穴位位置,参照图7(a)所示。进一步,当需要预测经络走向时,可以在上面网络的基础上,再衔接另一个分支经络预测层L,不仅用来预测J个穴位位置,还可以预测经络走向,参照图7(b)所示。
其中,VGG-19结构由卷积层(conv)、线性整流函数(relu)、池化层(pooling)等结构组成。其中卷积神经网络中每层卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法最佳化得到的。卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级,更多层的网路能从低级特征中迭代提取更复杂的特征。线性整流函数(Rectified Linear Unit,ReLU),又称修正线性单元,是一种人工神经网络中常用的激活函数(activation function),通常指代以斜坡函数及其变种为代表的。池化层是一种形式等降采样,池化层通常会分别作用于每个输入的特征并减小其大小。最常用形式的池化层是每隔2个元素从图像划分出的区块,然后对每个区块中的4个数取最大值。通过VGG-19主干网络,完成对图像的原始特征提取。
经过VGG-19对图像进行原始特征提取后,接入图7(a)所示的穴位点预测分支S,或者,接入图7(b)所示的穴位点预测分支S和经络预测分支L。其中,穴位检测分支由一系列卷积层(conv)和置信度预测层S组成,穴位点检测分支加入一系列卷积层是为了进一步提取特征,然后给到S层进行穴位点预测,如要预测J个穴位点,令S=(S1,S2,...,SJ),代表J个置信度图,每个置信度图对应一个穴位;其中S∈Rw*h,j∈{1...J},Rw*h表示像素尺寸为w*h的图像;每个穴位点由网络预测一张置信度图Sj,代表该穴位点在图像中的置信度分布,置信度越高则代表该像素点是该穴位的可能性越大,置信度最高的像素点就是网络预测得到的该穴位位置,如图8所示,是命门穴的置信度图,灰度越大代表置信度越高,灰度趋近于白色点表示置信度降低,灰度趋近于黑色的点即为置信度最高,置信度最高处的点是小海穴的位置。其中,置信度图中穴位分布,在实际的操作过程中,可以通过不同颜色来区分定义置信度高低,便于检测者观察,而实际算法输出的是具体的图像像素位置。经络预测分支由一系列卷积层(conv)和经络预测层L组成,令L=(L1,L2,...,LC),代表C个向量域,其中LC∈Rw *h*2,c∈{1...C},每两个由经络相连的穴位点由网络预测一个向量域Lc,每个向量代表了预测的经络走向方向,Rw*h*2代表向量域有w*h*2个维度;如图9所示,是哑门与大椎之间的向量域。
应理解,对上述神经网络算法模型完成设计后,需要对上述模型进行训练。如果是针对图7(a)所示的待训练的神经网络模型,则使用标注好穴位位置的红外图像数据集作为样本数据集,经预处理操作后为目标图像。如果是针对图7(b)所示的待训练的神经网络模型,则准备一批标注好穴位位置和经络位置的红外图像数据集,如图10所示,是一张标注了背部部分督脉和大椎、神道、中枢、命门、腰阳关、腰俞的红外图像,用标注好各穴位和经络的目标图像对上述模型进行训练。应理解在训练之前将红外图像进行预处理操作后转换为训练所需的目标图像。将数据集分成训练集、验证集和测试集,三个集合的数据量比例为7:2:1。用数据集对神经网络算法模型进行训练。训练集用来拟合模型,用这部分数据来建立模型。在算法模型中,我们用训练数据集和反向传播算法(Backpropagation)去每个神经元找到最优的比重(Weights)。验证集用于检验模型对训练效果,用训练集训练好对模型可能对训练集数据效果非常好,但不一定适合同类的其他数据,所以利用验证机来验证模型训练效果对同类对其他数据的效果如何。测试集用来检验最终选择最优的模型的性能如何。训练好的模型可以对红外图像进行穴位点和经络位置对预测。
由神经网络算法的第一个分支检测得到穴位点置信度图S,有J个穴位需要检测则网络生产J张S,每张置信度图S的置信度最高的点就是该穴位点所在的像素位置,由此得到了J个穴位点的像素位置。
由神经网络算法的向量域L,共有C个两点穴位确定一段经络走向的向量域,则网络生产C个向量域L,对于每个向量域L,将其所有的向量累加就得到了这两个穴位点之间的经络走向方向,对所有向量域做此累加操作,便得到了所有的经络位置。
由此,通过神经网络模型检测得到了红外图像上各个穴位点和经络的位置,便可以得到各个穴位点的温度值以及各条经络上的温度(热秩序),我们对各个穴位点温度值以及各条经络上的温度进行分析,便可以得到相应的体质、证候分型。例如,分析穴位温度特征,当天枢、中脘温度低于神阙穴1.3℃以上时,表现出脾气虚;再如,对任督二脉进行温度对比,督脉主阳,任脉主阴,当任脉温度在某一个或几个特定特征上高于督脉时,则可判定表现出阴虚。
通过上述技术方案,使用人体健康状态管理系统对目标检测用户的自身姿态进行提示,以便于在感应到所述目标检测用户的自身姿态与当前示范姿态相似度达到阈值时,获取目标检测用户的目标身体区域红外图像,并在镜面显示;同时对所述目标身体区域红外图像进行图像预处理操作,并将进行图像预处理操作后得到的目标图像输入预先训练确定的穴位预测模型,得到J个穴位置信度图,以及确定所述J个穴位置信度图中,每个穴位在相应穴位置信度图中置信度最大值对应的位置,作为该穴位在所述目标身体区域红外图像中的位置,其中,所述J个穴位中每个穴位对应一个穴位置信度图,每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布;然后根据确定的穴位位置,在镜面显示的所述目标身体区域红外图像的相应位置进行标注显示。从而,以通过交互方式确保获取到准确姿态的目标身体区域红外图像,以便于基于人体红外热成像技术通过机器学习算法实现对人体穴位的自动定位及分析,并在镜面标注出穴位位置,从而,提升定位及分析准确性,节省人力和时间成本,提高定位及分析效率,实现自动定位及分析的可扩展性和普适性。同时,还可以更为方便直观的反馈给目标检测用户,提升使用过程中的用户体验。同理,也可以对人体经络进行走向定位以及根据经络走向的热秩序对人体体质、证候进行分析。
实施例二
参照图11所示,为本说明书实施例提供的一种人体健康状态管理系统的结构示意图,至少包含:摄像采集装置1201、镜面显示装置1202、算法处理装置1203以及播放装置1204;
当目标检测用户选择第一模式时,所述镜面显示装置1202在镜面显示预设示范姿态,同时,所述播放装置1204播放提示信息,其中,所述提示信息用于实时提醒所述目标检测用户按照示范姿态进行自身姿态的调整;
所述镜面显示装置1202在感应到所述目标检测用户的自身姿态与当前示范姿态相似度达到阈值时,触发所述摄像采集装置1201获取所述目标检测用户的目标身体区域红外图像,并传输给所述镜面显示装置1202进行镜面显示;
所述算法处理装置1203对所述目标身体区域红外图像进行图像预处理操作,并将进行图像预处理操作后得到的目标图像输入预先训练确定的穴位预测模型,得到J个穴位置信度图,以及确定所述J个穴位置信度图中,每个穴位在相应穴位置信度图中置信度最大值对应的位置,作为该穴位在所述目标身体区域红外图像中的位置,其中,所述J个穴位中每个穴位对应一个穴位置信度图,每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布;
所述镜面显示装置1202根据所述算法处理装置1203确定的穴位位置,在镜面显示的所述目标身体区域红外图像的相应位置进行标注显示。
可选地,在定位出所述目标身体区域红外图像中穴位位置之后,所述算法处理装置还基于定位出的各个穴位的位置,从所述目标身体区域红外图像中获取每个穴位对应的温度,并根据不同穴位之间的温度关系自动分析所述目标检测用户的体质和/或证候。
一种可实现的方案,在定位出所述目标身体区域红外图像中穴位位置之后,所述算法处理装置还将进行图像预处理操作后得到的目标图像输入预先训练确定的经络预测模型,得到每对相邻穴位之间的C个向量域,将每对相邻穴位之间的C个向量域累加得到该相邻穴位之间的经络走向;基于所有确定出的经络走向确定所述目标人体红外图像中经络位置;
所述镜面显示装置还根据所述算法处理装置确定的经络位置,将镜面显示的所述目标身体区域红外图像标注出的穴位按照经络走向标注显示。
另一种可实现的方案,在确定所述目标身体区域红外图像中经络位置之后,所述算法处理装置还基于定位出的各个穴位的位置从所述目标身体区域红外图像中获取每个穴位对应的温度,以及,基于定位出的各个经络位置从所述目标身体区域红外图像中获取每个经络对应的温度,并根据不同穴位之间的温度关系和/或不同经络的温度关系,自动分析所述目标检测用户的体质和/或证候。
再一种可实现的方案,所述算法处理装置还将标注穴位和/或经络的目标身体区域红外图像保存在本地数据库或上传到云端数据库;和/或;所述算法处理装置还将分析得到的所述目标检测用户的体质证候数据保存在本地数据库或上传到云端数据库。
再一种可实现的方案,当目标检测用户选择第二模式时,所述镜面显示装置还在镜面显示处于该第二模式下的健身图像,以便于该目标检测用户根据所述健身图像进行健身训练;所述镜面显示装置在感应到所述目标检测用户的训练姿态与显示的健身图像中示范姿态不一致时,在镜面显示提示信息,或者,触发所述播放装置播放提示信息。
以通过交互方式确保获取到准确姿态的目标身体区域红外图像,以便于基于人体红外热成像技术通过机器学习算法实现对人体穴位的自动定位及分析,并在镜面标注出穴位位置,从而,提升定位及分析准确性,节省人力和时间成本,提高定位及分析效率,实现自动定位及分析的可扩展性和普适性。同时,还可以更为方便直观的反馈给目标检测用户,提升使用过程中的用户体验。同理,也可以对人体经络进行走向定位以及根据经络走向的热秩序对人体体质、证候进行分析。
实施例三
参照图12(a)-12(d)所示,为本说明书实施例提供的一种对人体健康状态进行管理的智能镜子,该智能镜子即为上述实施例二中的人体健康状态管理系统的硬件产品,所述智能镜子可以包括:
镜体1301;位于所述镜体1301正上方的摄像头1302;位于所述镜体1301一侧面的按键组(未示出);底座1303;以及内嵌在镜体1301内部的算法处理芯片1304,其中,所述算法处理芯片1304用于执行如权利要求1-8中所述的算法处理装置的操作步骤;
所述镜体1301正面是具有镜面显示功能的显示屏;其中,该显示屏的尺寸可以按照正常成年人身高来进行设置,一般以全身镜的尺寸进行设计,以便于能够在多个角度和距离都可以对目标检测用户全身呈像。
所述镜体1301背面安装有用于防止搬移时滑动的防滑条1305,以及用于进行上墙安装的支架配件,由于支架配件可有可无,因此,这里支架配件设置为可拆除式,图中并未示出;所述底座1303安装有用于功放的音箱配件1306,以及设置有用于对所述镜体进行支撑固位的卡槽1307。
此外,还可以包括遥控器,如图12(e)所示,该遥控器上设置有快速救援键SOS。
应理解,上述智能镜子只是举例介绍了一种具体的硬件结构,其实还可以有其它很多种硬件实现方式。
实施例四
图13是本说明书的一个实施例电子设备的结构示意图。请参考图13,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图13中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成对人体穴位自动定位的装置,或者,对人体穴位和经络自动定位的装置。处理器,执行存储器所存放的程序,并具体用于执行实施例一中所示方法步骤,或是实施例二中方法步骤。
上述如本说明书所示实施例揭示的装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。可以实现或者执行本说明书一个或多个实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1-图4的方法,并实现相应装置在图1-图4所示实施例的功能,本说明书实施例在此不再赘述。
当然,除了软件实现方式之外,本说明书实施例的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本说明书实施例提出一种基于红外热成像技术对人体穴位和经络自动定位及分析的方案,通过计算机学习算法对红外人体图像自动识别穴位和经络位置,并自动分析穴位和经络温度热秩序,自动得出体质特征和证候分型。本发明对人体经络穴位位置识别准确,对经络温度热秩序分析方法标准统一,不存在人工个体间的差异性及人为误差及错误,可以不间断分析工作且检测分析速度比人工快,效率及准确率高,且计算机学习算法应用可扩展性及普适性较好,从而解决了人工读图分析存在的差异问题、效率低问题、人力时间成本高问题及扩展性普适性较差等问题。
实施例五
本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1-图4所示实施例的方法,并具体用于执行相应方法。
本说明书实施例提出一种基于红外热成像技术对人体穴位和经络自动定位及分析的方案,通过计算机学习算法对红外人体图像自动识别穴位和经络位置,并自动分析穴位和经络温度热秩序,自动得出体质特征和证候分型。本发明对人体经络穴位位置识别准确,对经络温度热秩序分析方法标准统一,不存在人工个体间的差异性及人为误差及错误,可以不间断分析工作且检测分析速度比人工快,效率及准确率高,且计算机学习算法应用可扩展性及普适性较好,从而解决了人工读图分析存在的差异问题、效率低问题、人力时间成本高问题及扩展性普适性较差等问题。
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
上述一个或多个实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
Claims (15)
1.一种人体健康状态管理方法,其特征在于,应用于至少包含摄像采集装置、镜面显示装置、算法处理装置以及播放装置的人体健康状态管理系统,所述方法包括:
当目标检测用户选择第一模式时,所述镜面显示装置在镜面显示预设示范姿态,同时,所述播放装置播放提示信息,其中,所述提示信息用于实时提醒所述目标检测用户按照示范姿态进行自身姿态的调整;
所述镜面显示装置在感应到所述目标检测用户的自身姿态与当前示范姿态相似度达到阈值时,触发所述摄像采集装置获取所述目标检测用户的目标身体区域红外图像,并传输给所述镜面显示装置进行镜面显示;
所述算法处理装置对所述目标身体区域红外图像进行图像预处理操作,并将进行图像预处理操作后得到的目标图像输入预先训练确定的穴位预测模型,得到J个穴位置信度图,以及确定所述J个穴位置信度图中,每个穴位在相应穴位置信度图中置信度最大值对应的位置,作为该穴位在所述目标身体区域红外图像中的位置,其中,所述J个穴位中每个穴位对应一个穴位置信度图,每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布;
所述镜面显示装置根据所述算法处理装置确定的穴位位置,在镜面显示的所述目标身体区域红外图像的相应位置进行标注显示。
2.如权利要求1所述的人体健康状态管理方法,其特征在于,在定位出所述目标身体区域红外图像中穴位位置之后,所述方法还包括:
所述算法处理装置基于定位出的各个穴位的位置,从所述目标身体区域红外图像中获取每个穴位对应的温度,并根据不同穴位之间的温度关系自动分析所述目标检测用户的体质和/或证候。
3.如权利要求1或2所述的人体健康状态管理方法,其特征在于,在定位出所述目标身体区域红外图像中穴位位置之后,所述方法还包括:
所述算法处理装置将进行图像预处理操作后得到的目标图像输入预先训练确定的经络预测模型,得到每对相邻穴位之间的C个向量域,将每对相邻穴位之间的C个向量域累加得到该相邻穴位之间的经络走向;基于所有确定出的经络走向确定所述目标人体红外图像中经络位置;
所述镜面显示装置根据所述算法处理装置确定的经络位置,将镜面显示的所述目标身体区域红外图像标注出的穴位按照经络走向标注显示。
4.如权利要求3所述的人体健康状态管理方法,其特征在于,在确定所述目标身体区域红外图像中经络位置之后,所述方法还包括:
所述算法处理装置基于定位出的各个穴位的位置从所述目标身体区域红外图像中获取每个穴位对应的温度,以及,基于定位出的各个经络位置从所述目标身体区域红外图像中获取每个经络对应的温度,并根据不同穴位之间的温度关系和/或不同经络的温度关系,自动分析所述目标检测用户的体质和/或证候。
5.如权利要求4所述的人体健康状态管理方法,其特征在于,所述方法还包括:
所述算法处理装置将标注穴位和/或经络的目标身体区域红外图像保存在本地数据库或上传到云端数据库;和/或;
所述算法处理装置将分析得到的所述目标检测用户的体质证候数据保存在本地数据库或上传到云端数据库。
6.如权利要求1所述的人体健康状态管理方法,其特征在于,所述方法还包括:
当目标检测用户选择第二模式时,所述镜面显示装置在镜面显示处于该第二模式下的健身图像,以便于该目标检测用户根据所述健身图像进行健身训练;
所述镜面显示装置在感应到所述目标检测用户的训练姿态与显示的健身图像中示范姿态不一致时,在镜面显示提示信息,或者,触发所述播放装置播放提示信息。
7.如权利要求1所述的人体健康状态管理方法,其特征在于,所述穴位预测模型通过以下方式确定:
基于选取的神经网络算法确定待训练的神经网络模型;
对所述待训练的神经网络模型进行训练:获取样本数据集,并对所述样本数据集中每个样本数据进行图像预处理操作,其中,所述样本数据集包含多个人体红外图像,且每个人体红外图像均标注有J个穴位的位置;将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集;基于所述训练集中每个样本数据以及其中标注的J个穴位的位置,对所述待训练的神经网络模型中的参数进行调整,得到训练后的第一神经网络模型;分别基于所述验证集和所述测试集对训练后的第一神经网络模型进行处理后,确定出最优神经网络模型作为穴位预测模型。
8.如权利要求3所述的人体健康状态管理方法,其特征在于,所述经络预测模型由所述算法处理装置通过以下方式确定:
基于选取的神经网络算法确定待训练的神经网络模型;
对所述待训练的神经网络模型进行训练:获取样本数据集,并对所述样本数据集中每个样本数据进行图像预处理操作,其中,所述样本数据集中每个人体红外图像还标注有穴位之间的由C个向量域构成的经络走向;将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集;基于所述训练集中每个样本数据以及其中标注的经络走向,对所述待训练的神经网络模型中的参数进行调整,得到训练后的第二神经网络模型;分别基于所述验证集和所述测试集对训练后的第二神经网络模型进行处理后,确定出最优神经网络模型作为经络预测模型。
9.一种人体健康状态管理系统,其特征在于,至少包含:摄像采集装置、镜面显示装置、算法处理装置以及播放装置;
当目标检测用户选择第一模式时,所述镜面显示装置在镜面显示预设示范姿态,同时,所述播放装置播放提示信息,其中,所述提示信息用于实时提醒所述目标检测用户按照示范姿态进行自身姿态的调整;
所述镜面显示装置在感应到所述目标检测用户的自身姿态与当前示范姿态相似度达到阈值时,触发所述摄像采集装置获取所述目标检测用户的目标身体区域红外图像,并传输给所述镜面显示装置进行镜面显示;
所述算法处理装置对所述目标身体区域红外图像进行图像预处理操作,并将进行图像预处理操作后得到的目标图像输入预先训练确定的穴位预测模型,得到J个穴位置信度图,以及确定所述J个穴位置信度图中,每个穴位在相应穴位置信度图中置信度最大值对应的位置,作为该穴位在所述目标身体区域红外图像中的位置,其中,所述J个穴位中每个穴位对应一个穴位置信度图,每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布;
所述镜面显示装置根据所述算法处理装置确定的穴位位置,在镜面显示的所述目标身体区域红外图像的相应位置进行标注显示。
10.如权利要求9所述的人体健康状态管理系统,其特征在于,在定位出所述目标身体区域红外图像中穴位位置之后,所述算法处理装置还基于定位出的各个穴位的位置,从所述目标身体区域红外图像中获取每个穴位对应的温度,并根据不同穴位之间的温度关系自动分析所述目标检测用户的体质和/或证候。
11.如权利要求9或10所述的人体健康状态管理系统,其特征在于,在定位出所述目标身体区域红外图像中穴位位置之后,所述算法处理装置还将进行图像预处理操作后得到的目标图像输入预先训练确定的经络预测模型,得到每对相邻穴位之间的C个向量域,将每对相邻穴位之间的C个向量域累加得到该相邻穴位之间的经络走向;基于所有确定出的经络走向确定所述目标人体红外图像中经络位置;
所述镜面显示装置还根据所述算法处理装置确定的经络位置,将镜面显示的所述目标身体区域红外图像标注出的穴位按照经络走向标注显示。
12.如权利要求11所述的人体健康状态管理系统,其特征在于,在确定所述目标身体区域红外图像中经络位置之后,所述算法处理装置还基于定位出的各个穴位的位置从所述目标身体区域红外图像中获取每个穴位对应的温度,以及,基于定位出的各个经络位置从所述目标身体区域红外图像中获取每个经络对应的温度,并根据不同穴位之间的温度关系和/或不同经络的温度关系,自动分析所述目标检测用户的体质和/或证候。
13.如权利要求12所述的人体健康状态管理系统,其特征在于,
所述算法处理装置还将标注穴位和/或经络的目标身体区域红外图像保存在本地数据库或上传到云端数据库;和/或;
所述算法处理装置还将分析得到的所述目标检测用户的体质证候数据保存在本地数据库或上传到云端数据库。
14.如权利要求9所述的人体健康状态管理系统,其特征在于,
当目标检测用户选择第二模式时,所述镜面显示装置还在镜面显示处于该第二模式下的健身图像,以便于该目标检测用户根据所述健身图像进行健身训练;
所述镜面显示装置在感应到所述目标检测用户的训练姿态与显示的健身图像中示范姿态不一致时,在镜面显示提示信息,或者,触发所述播放装置播放提示信息。
15.一种对人体健康状态进行管理的智能镜子,其特征在于,包括:
镜体;位于所述镜体正上方的摄像头;位于所述镜体一侧面的按键组;底座;以及内嵌在镜体内部的算法处理芯片,其中,所述算法处理芯片用于执行如权利要求1-8中所述的算法处理装置的操作步骤;
所述镜体正面是具有镜面显示功能的显示屏;
所述镜体背面安装有用于防止搬移时滑动的防滑条,以及用于进行上墙安装的支架配件;
所述底座安装有用于功放的音箱配件,以及设置有用于对所述镜体进行支撑固位的卡槽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307804.2A CN114098636B (zh) | 2021-11-05 | 2021-11-05 | 一种人体健康状态管理方法、系统和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307804.2A CN114098636B (zh) | 2021-11-05 | 2021-11-05 | 一种人体健康状态管理方法、系统和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114098636A true CN114098636A (zh) | 2022-03-01 |
CN114098636B CN114098636B (zh) | 2023-09-01 |
Family
ID=80381015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111307804.2A Active CN114098636B (zh) | 2021-11-05 | 2021-11-05 | 一种人体健康状态管理方法、系统和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114098636B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115553727A (zh) * | 2022-09-29 | 2023-01-03 | 北京鹰之眼智能健康科技有限公司 | 一种基于人体红外图像的知识图谱显示方法 |
CN115588099A (zh) * | 2022-11-02 | 2023-01-10 | 北京鹰之眼智能健康科技有限公司 | 一种感兴趣区域显示方法、电子设备和存储介质 |
CN117078698A (zh) * | 2023-08-22 | 2023-11-17 | 山东第一医科大学第二附属医院 | 一种基于深度学习的外周血管影像辅助分割方法及系统 |
CN117253259A (zh) * | 2023-09-26 | 2023-12-19 | 北京鹰之眼智能健康科技有限公司 | 一种人体红外图像的处理方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101610715A (zh) * | 2007-02-14 | 2009-12-23 | 皇家飞利浦电子股份有限公司 | 用于引导及监督身体锻炼的反馈设备 |
CN102698370A (zh) * | 2012-07-03 | 2012-10-03 | 成都中医药大学 | 一种多功能的智能针灸诊疗仪及应用方法 |
CN106420325A (zh) * | 2015-08-04 | 2017-02-22 | 李后杰 | 整合红外线热像图与经络循行部位和穴位图的系统 |
CN108309235A (zh) * | 2018-01-09 | 2018-07-24 | 徐汝奇 | 医用红外热像的处理系统及其模拟人体经络走向的方法 |
CN108852302A (zh) * | 2018-07-19 | 2018-11-23 | 王燕申 | 一种中医数字可视化系统和方法 |
CN110880368A (zh) * | 2019-11-27 | 2020-03-13 | 金松亭 | 远程可视化中医诊疗系统 |
CN111265405A (zh) * | 2020-04-14 | 2020-06-12 | 赵宏杰 | 一种床头动态经络穴位热信息可视化系统 |
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 |
CN111803027A (zh) * | 2020-06-19 | 2020-10-23 | 天津大学 | 人体穴位阻抗与红外热像融合的多信息综合诊断图系统 |
CN112734711A (zh) * | 2020-12-31 | 2021-04-30 | 北京鹰之眼智能健康科技有限公司 | 一种基于红外热成像技术的中医证候的诊断方法和系统 |
CN112805073A (zh) * | 2018-08-07 | 2021-05-14 | 交互力量公司 | 带镜面显示器的交互式健身器系统 |
CN214512630U (zh) * | 2021-01-29 | 2021-10-29 | 西安维塑智能科技有限公司 | 一种便于移动的智能健身镜 |
-
2021
- 2021-11-05 CN CN202111307804.2A patent/CN114098636B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101610715A (zh) * | 2007-02-14 | 2009-12-23 | 皇家飞利浦电子股份有限公司 | 用于引导及监督身体锻炼的反馈设备 |
CN102698370A (zh) * | 2012-07-03 | 2012-10-03 | 成都中医药大学 | 一种多功能的智能针灸诊疗仪及应用方法 |
CN106420325A (zh) * | 2015-08-04 | 2017-02-22 | 李后杰 | 整合红外线热像图与经络循行部位和穴位图的系统 |
CN108309235A (zh) * | 2018-01-09 | 2018-07-24 | 徐汝奇 | 医用红外热像的处理系统及其模拟人体经络走向的方法 |
CN108852302A (zh) * | 2018-07-19 | 2018-11-23 | 王燕申 | 一种中医数字可视化系统和方法 |
CN112805073A (zh) * | 2018-08-07 | 2021-05-14 | 交互力量公司 | 带镜面显示器的交互式健身器系统 |
CN110880368A (zh) * | 2019-11-27 | 2020-03-13 | 金松亭 | 远程可视化中医诊疗系统 |
CN111265405A (zh) * | 2020-04-14 | 2020-06-12 | 赵宏杰 | 一种床头动态经络穴位热信息可视化系统 |
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 |
CN111803027A (zh) * | 2020-06-19 | 2020-10-23 | 天津大学 | 人体穴位阻抗与红外热像融合的多信息综合诊断图系统 |
CN112734711A (zh) * | 2020-12-31 | 2021-04-30 | 北京鹰之眼智能健康科技有限公司 | 一种基于红外热成像技术的中医证候的诊断方法和系统 |
CN214512630U (zh) * | 2021-01-29 | 2021-10-29 | 西安维塑智能科技有限公司 | 一种便于移动的智能健身镜 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115553727A (zh) * | 2022-09-29 | 2023-01-03 | 北京鹰之眼智能健康科技有限公司 | 一种基于人体红外图像的知识图谱显示方法 |
CN115553727B (zh) * | 2022-09-29 | 2023-10-27 | 北京鹰之眼智能健康科技有限公司 | 一种基于人体红外图像的知识图谱显示方法 |
CN115588099A (zh) * | 2022-11-02 | 2023-01-10 | 北京鹰之眼智能健康科技有限公司 | 一种感兴趣区域显示方法、电子设备和存储介质 |
CN115588099B (zh) * | 2022-11-02 | 2023-05-30 | 北京鹰之眼智能健康科技有限公司 | 一种感兴趣区域显示方法、电子设备和存储介质 |
CN117078698A (zh) * | 2023-08-22 | 2023-11-17 | 山东第一医科大学第二附属医院 | 一种基于深度学习的外周血管影像辅助分割方法及系统 |
CN117078698B (zh) * | 2023-08-22 | 2024-03-05 | 山东第一医科大学第二附属医院 | 一种基于深度学习的外周血管影像辅助分割方法及系统 |
CN117253259A (zh) * | 2023-09-26 | 2023-12-19 | 北京鹰之眼智能健康科技有限公司 | 一种人体红外图像的处理方法 |
CN117253259B (zh) * | 2023-09-26 | 2024-03-29 | 北京鹰之眼智能健康科技有限公司 | 一种人体红外图像的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114098636B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114098636A (zh) | 一种人体健康状态管理方法、系统和电子设备 | |
CN113842116B (zh) | 一种人体穴位的自动定位方法、装置和电子设备 | |
CN107609517B (zh) | 一种基于计算机视觉的课堂行为检测系统 | |
CN111091576B (zh) | 图像分割方法、装置、设备及存储介质 | |
CN110348543B (zh) | 眼底图像识别方法、装置、计算机设备及存储介质 | |
CN107798653B (zh) | 一种图像处理的方法和一种装置 | |
WO2020224479A1 (zh) | 目标的位置获取方法、装置、计算机设备及存储介质 | |
US11849998B2 (en) | Method for pupil detection for cognitive monitoring, analysis, and biofeedback-based treatment and training | |
CN112036331B (zh) | 活体检测模型的训练方法、装置、设备及存储介质 | |
US20110128365A1 (en) | Time-of-flight sensor-assisted iris capture system and method | |
JP2017091186A (ja) | 生体情報を用いた認証装置及び認証方法 | |
CN110162138B (zh) | 折叠角度调节方法、装置及可折叠终端 | |
US20210319585A1 (en) | Method and system for gaze estimation | |
US20130147977A1 (en) | Iris deblurring method based on global and local iris image statistics | |
CN103793719A (zh) | 一种基于人眼定位的单目测距方法和系统 | |
TWI669664B (zh) | 眼睛狀態檢測系統及眼睛狀態檢測系統的操作方法 | |
KR20100075167A (ko) | 얼굴인식 기능을 이용한 디지털 영상 촬영 장치 및 방법 | |
CN111589138B (zh) | 动作预测方法、装置、设备及存储介质 | |
GB2588306A (en) | Image processing system, imaging device, image processing device, electronic device, control method thereof, and storage medium storing control method thereof | |
Iamudomchai et al. | Deep learning technology for drunks detection with infrared camera | |
JP2004157778A (ja) | 鼻位置の抽出方法、およびコンピュータに当該鼻位置の抽出方法を実行させるためのプログラムならびに鼻位置抽出装置 | |
CN108154478B (zh) | 一种遥感图像处理方法 | |
CN107491778A (zh) | 一种基于定位图像的智能设备屏幕提取方法和系统 | |
TWI729338B (zh) | 皮膚檢測方法及影像處理裝置 | |
CN112971712A (zh) | 生物体信息取得装置、终端装置、取得方法、记录介质 |
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 |