CN114202522A - 红血丝非接触测量方法、存储介质及处理器 - Google Patents

红血丝非接触测量方法、存储介质及处理器 Download PDF

Info

Publication number
CN114202522A
CN114202522A CN202111497538.4A CN202111497538A CN114202522A CN 114202522 A CN114202522 A CN 114202522A CN 202111497538 A CN202111497538 A CN 202111497538A CN 114202522 A CN114202522 A CN 114202522A
Authority
CN
China
Prior art keywords
red blood
pixel
determining
point pixel
blood silk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111497538.4A
Other languages
English (en)
Inventor
林丹柯
周海军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202111497538.4A priority Critical patent/CN114202522A/zh
Publication of CN114202522A publication Critical patent/CN114202522A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30088Skin; Dermal
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30196Human being; Person
    • G06T2207/30201Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种红血丝非接触测量方法、处理器及存储介质。方法包括:通过图像采集设备获取待测量的人脸图片,将人脸图片输入至红血丝识别模型中,以通过红血丝识别模型确定人脸图片中的红血丝数量,针对人脸图片中的每一个红血丝,确定红血丝的起点像素和终点像素的位置,根据起点像素和终点像素的位置确定红血丝的像空间长度,根据红血丝的像空间长度确定红血丝的实际长度。使用该方法可以实现用安全、高效非接触方式,可以快速、高效且准确地检测出皮肤表面瑕疵之一的红血丝的检测数据,针对红血丝的检测给出了一种近乎完美的解决方案。所提供出的本质安全型产品,能够针对红血丝数据给出公正客观的评价。

Description

红血丝非接触测量方法、存储介质及处理器
技术领域
本发明涉及医疗美容皮肤检测领域,具体地涉及一种红血丝非接触测量方法、存储介质及处理器。
背景技术
红血丝主要是因为面部角质层薄弱导致毛细血管位置更容易接触和感知到外界环境变化,从而造成毛细血管扩展而引起的面部现象。面部红血丝患者面部看上去比一般正常肤色红。人们常称高原脸或红脸蛋或是烂苹果,有的仅仅是两侧颧部发红,边界呈圆形,一般呈丝线状排列。这种皮肤薄而敏感,过冷、过热、情绪激动时脸色更红。严重者还会形成沉积性色斑,难以治愈。而现有技术中,通常都是通过专业人士根据经验进行肉眼观察,而并未提供其他针对用户皮肤的红血丝进行检测的有效方式,导致针对红血丝的检测效率较低,准确率也较低。
发明内容
本发明实施例的目的是提供一种红血丝非接触测量方法、存储介质及处理器。
为了实现上述目的,本发明第一方面提供一种红血丝非接触测量方法,包括:
通过图像采集设备获取待测量的人脸图片;
将所述人脸图片输入至红血丝识别模型中,以通过所述红血丝识别模型确定所述人脸图片中的红血丝数量;
针对所述人脸图片中的每一个红血丝,确定所述红血丝的起点像素的位置和终点像素的位置;
根据所述起点像素的位置和所述终点像素的位置确定所述红血丝的像空间长度;
根据所述红血丝的像空间长度确定所述红血丝的实际长度。
可选地,根据所述起点像素的位置和所述终点像素的位置确定所述红血丝的像空间长度包括:当所述起点像素和所述终点像素在同一行或同一列时,确定从所述红血丝的头部起始点位置到尾部终结点位置的像素数量;将所述头部起始点开始到尾部终结点结束的像素数量与以每个像素点的尺度的乘积确定为所述红血丝的像空间长度。
可选地,根据所述红血丝的像空间长度确定所述红血丝的实际长度包括:确定所述图像采集设备的镜头模组成像比;将所述镜头模组成像比与所述像空间长度的乘积确定为所述红血丝的实际长度。
可选地,根据所述起点像素的位置和所述终点像素的位置确定所述红血丝的像空间长度还包括:当所述起点像素的位置和所述终点像素的位置不在同一行且不在同一列时,利用勾股定理,所述起点像素和所述终点像素之间的水平横向间隔像素数量以及垂直纵向间隔像素数量通过计算确定所述红血丝的像空间长度。
可选地,方法还包括:当所述起点像素和所述终点像素在垂直纵向上的像素间隔数量超过15个像素时,确定所述起点像素和所述终点像素不在同一行;当所述起点像素和所述终点像素在水平横向上的像素间隔数量超过20个像素时,确定所述起点像素和所述终点像素不在同一列。
可选地,图像采集设备具备自动调焦功能的光学镜头模组,且所述图像采集设备的镜头焦距设置为使得被测物成像于接收元件传感器平面。
可选地,方法还包括:在将所述人脸图片输入至红血丝识别模型中之前,通过预设数量的面部图像样本对所述红血丝识别模型进行训练;在所述红血丝识别模型的预测准确率达到预设准确率阈值的情况下,确定所述红血丝识别模型训练完毕。
可选地,方法还包括:获取所述人脸图片对应用户的饮食习惯和医疗数据;根据所述人脸图片对应的红血丝数量、每个红血丝的实际长度、所述饮食习惯以及所述医疗数据确定针对所述用户的治疗方案。
本发明第二方面提供一种处理器,被配置成执行上述的红血丝测量方法。
本发明第三方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器被配置成执行上述的红血丝测量方法。
上述红血丝非接触测量方法,通过图像采集设备获取待测量的人脸图片,将人脸图片输入至红血丝识别模型中,以通过红血丝识别模型确定人脸图片中的红血丝数量,针对人脸图片中的每一个红血丝,确定红血丝的起点像素的位置和终点像素的位置,根据起点像素位置和终点像素位置确定红血丝的像空间长度,根据红血丝的像空间长度确定红血丝的实际长度。使用该方法可以实现用安全、高效非接触方式,可以快速、高效且准确地检测出皮肤表面瑕疵之一的红血丝的检测数据,针对红血丝的检测给出了一种近乎完美的解决方案。所提供出的本质安全型产品,能够针对红血丝数据给出公正客观的评价。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1示意性示出了根据本发明实施例的红血丝非接触测量方法的流程示意图;
图2示意性示出了根据本发明实施例的红血丝的示意图一;
图3示意性示出了根据本发明实施例的红血丝的示意图二;
图4示意性示出了根据本发明实施例的计算机设备的内部结构图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1示意性示出了根据本发明实施例的红血丝非接触测量方法的流程示意图。如图1所示,在本发明一实施例中,提供了一种红血丝非接触测量方法,包括以下步骤:
步骤101,通过图像采集设备获取待测量的人脸图片。
步骤102,将人脸图片输入至红血丝识别模型中,以通过红血丝识别模型确定人脸图片中的红血丝数量。
步骤103,针对人脸图片中的每一个红血丝,确定红血丝的起点像素的位置和终点像素的位置。
步骤104,根据起点像素的位置和终点像素的位置确定红血丝的像空间长度。
步骤105,根据红血丝的像空间长度确定红血丝的实际长度。
处理器可以通过图像采集设备获取到待测量的人脸图片。图像采集设备是指带有图像采集功能的设备。例如,摄像头,摄像机,相机,扫描仪以及其他带有拍照功能的设备手机、平板电脑等。其中,光学镜头模组的图像接收传感器尺寸和像素的纵横分布,以及像素单元的尺寸决定了镜头的检测功能特性技术指标。本方案中的图像采集设备带有自动调焦功能的光学镜头模组,首先自动调整好镜头焦距,使得被测物完美成像于接收元件传感器平面,并精确地测出被测物到镜头(物距)和镜头到接收平面的距离(像距),间接得到镜头的成像比作为实施本方案的技术基础。用光学镜头模组系统及操作控制驱动主控软件用光学镜头模组、图像传感器、触摸操控人机界面显示屏幕、红血丝图像识别算法(1)、画面像空间距离测量算法(2),画面标靶数量统计算法(3),构架出皮肤红血丝非接触测试系统装置,特征为各部分之间的连接。
我们可知的是,客观评价红血丝的测试关键特征指标为:红血丝的数量和长度。因此,在本实施例所提供的技术方案中,通过图像采集设备获取待测量的人脸图片,将人脸图片输入至红血丝识别模型中,以通过红血丝识别模型确定人脸图片中的红血丝数量;针对人脸图片中的每一个红血丝,确定红血丝的起点像素的位置和终点像素的位置,再根据起点像素的位置和终点像素的位置确定红血丝的像空间长度,根据红血丝的像空间长度确定红血丝的实际长度。
在一个实施例中,根据起点像素的位置和终点像素的位置确定红血丝的像空间长度包括:当起点像素和终点像素在同一行或同一列时,确定从红血丝的头部起始点位置到尾部终结点位置的像素数量;将头部起始点开始到尾部终结点结束的像素数量与以每个像素点的尺度的乘积确定为红血丝的像空间长度。
在一个实施例中,根据红血丝的像空间长度确定红血丝的实际长度包括:确定图像采集设备的镜头模组成像比;将镜头模组成像比与像空间长度的乘积确定为红血丝的实际长度。
在一个实施例中,根据起点像素的位置和终点像素的位置确定红血丝的像空间长度还包括:当起点像素的位置和终点像素的位置不在同一行且不在同一列时,利用勾股定理,起点像素和终点像素之间的水平横向间隔像素数量以及垂直纵向间隔像素数量通过计算确定红血丝的像空间长度。
在一个实施例中,方法还包括:当起点像素和终点像素在垂直纵向上的像素间隔数量超过15个像素时,确定起点像素和终点像素不在同一行;当起点像素和终点像素在水平横向上的像素间隔数量超过20个像素时,确定起点像素和终点像素不在同一列。
具体地,上述方案可以称之为画面像空间距离测量算法。针对一组被测物(红血丝),如果被测起始点像素和终结点像素在同一行(列差不多于15像素)或同一列(行差不多于20像素),统计从头部起始点到尾部终结点的像素数,再乘以每个像素点的尺度,即可得出该组被测物的像空间距离,最终根据镜头模组成像比,得到此目标的实际距离;如果被测起点像素和终点像素既不在同一行(列差不少于15像素)又不在同一列(行差不少于20像素),则运用两点之间的横向间隔像素数及纵向间隔像素数以勾股定理计算方式求得该标靶(标靶)的像空间距离(长度),再根据镜头模组成像比,得到实际距离(长度)数据。
在一个实施例中,方法还包括:在将人脸图片输入至红血丝识别模型中之前,通过预设数量的面部图像样本对红血丝识别模型进行训练;在红血丝识别模型的预测准确率达到预设准确率阈值的情况下,确定红血丝识别模型训练完毕。
具体地,预先准备至少10个人为确定的面部红血丝图影像标本,测定归纳总结识别特征,然后进行识别测试学习改进更新,逐步达到红血丝识别准确率不小于百分之九十,则可以确定该模型训练完毕,可投入实际的使用过程中。
在一个实施例中,方法还包括:获取人脸图片对应用户的饮食习惯和医疗数据;根据人脸图片对应的红血丝数量、每个红血丝的实际长度、饮食习惯以及医疗数据确定针对用户的治疗方案。
在确定出待测量的人脸图片中包含的红血丝的数量和每个红血丝的实际长度后,还可以获取到该用户的饮食习惯和医疗数据,并针对人脸图片对应的红血丝数量、每个红血丝的实际长度、饮食习惯以及医疗数据确定针对用户的治疗方案。之后,可以将该治疗方案,在显示设备上进行显示,以供患者知晓。
在一个具体的实施例中,如图2和图3所示,图像采集设备使用1/1.65英寸图像传感器,有效对角线长度9.72mm,换算成画幅纵横比3/4,可求得图像传感器真实尺寸为7.78x5.83mm像素阵列为3648(H)×2736(V),像素尺度为2.13um。测出的红血丝数据为:数量:5条,实际长度分别为11mm、13mm、17mm、19mm、23mm。
上述红血丝非接触测量方法,通过图像采集设备获取待测量的人脸图片,将人脸图片输入至红血丝识别模型中,以通过红血丝识别模型确定人脸图片中的红血丝数量,针对人脸图片中的每一个红血丝,确定红血丝的起点像素的位置和终点像素的位置,根据起点像素和终点像素的位置确定红血丝的像空间长度,根据红血丝的像空间长度确定红血丝的实际长度。使用该方法可以实现用安全、高效非接触方式,可以快速、高效且准确地检测出皮肤表面瑕疵之一的红血丝的检测数据,针对红血丝的检测给出了一种近乎完美的解决方案。所提供出的本质安全型产品,能够针对红血丝数据给出公正客观的评价。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述红血丝非接触测量方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述红血丝非接触测量方法。
在一个实施例中,还提供了一种装置,包括上述的处理器和存储介质。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种红血丝非接触测量方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:通过图像采集设备获取待测量的人脸图片;将人脸图片输入至红血丝识别模型中,以通过红血丝识别模型确定人脸图片中的红血丝数量;针对人脸图片中的每一个红血丝,确定红血丝的起点像素和终点像素的位置;根据起点像素和终点像素的位置确定红血丝的像空间长度;根据红血丝的像空间长度确定红血丝的实际长度。
在一个实施例中,根据起点像素和终点像素的位置确定红血丝的像空间长度包括:当起点像素的位置和终点像素的位置不在同一行且不在同一列时,利用勾股定理,起点像素和终点像素之间的水平横向间隔像素数量以及垂直纵向间隔像素数量确定红血丝的像空间长度。
在一个实施例中,根据红血丝的像空间长度确定红血丝的实际长度包括:确定图像采集设备的镜头模组成像比;将镜头模组成像比与像空间长度的乘积确定为红血丝的实际长度。
在一个实施例中,方法还包括:当起点像素和终点像素在垂直纵向上的像素间隔数量超过15个像素时,确定起点像素和终点像素不在同一行;当起点像素和终点像素在水平横向上的像素间隔数量超过20个像素时,确定起点像素和终点像素不在同一列。
在一个实施例中,图像采集设备具备自动调焦功能的光学镜头模组,且图像采集设备的镜头焦距设置为使得被测物成像于接收元件传感器平面。
在一个实施例中,方法还包括:在将人脸图片输入至红血丝识别模型中之前,通过预设数量的面部图像样本对红血丝识别模型进行训练;在红血丝识别模型的预测准确率达到预设准确率阈值的情况下,确定红血丝识别模型训练完毕。
在一个实施例中,方法还包括:获取人脸图片对应用户的饮食习惯和医疗数据;根据人脸图片对应的红血丝数量、每个红血丝的实际长度、饮食习惯以及医疗数据确定针对用户的治疗方案。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:通过图像采集设备获取待测量的人脸图片;将人脸图片输入至红血丝识别模型中,以通过红血丝识别模型确定人脸图片中的红血丝数量;针对人脸图片中的每一个红血丝,确定红血丝的起点像素和终点像素的位置;根据起点像素和终点像素的位置确定红血丝的像空间长度;根据红血丝的像空间长度确定红血丝的实际长度。
在一个实施例中,根据起点像素的位置和终点像素的位置确定红血丝的像空间长度包括:当起点像素和终点像素在同一行或同一列时,确定从红血丝的头部起始点位置到尾部终结点位置的像素数量;将头部起始点开始到尾部终结点结束的像素数量与以每个像素点的尺度的乘积确定为红血丝的像空间长度。
在一个实施例中,根据红血丝的像空间长度确定红血丝的实际长度包括:确定图像采集设备的镜头模组成像比;将镜头模组成像比与像空间长度的乘积确定为红血丝的实际长度。
在一个实施例中,根据起点像素的位置和终点像素的位置确定红血丝的像空间长度还包括:当起点像素的位置和终点像素的位置不在同一行且不在同一列时,利用勾股定理,起点像素和终点像素之间的水平横向间隔像素数量以及垂直纵向间隔像素数量通过计算确定红血丝的像空间长度。
在一个实施例中,方法还包括:当起点像素和终点像素在垂直纵向上的像素间隔数量超过15个像素时,确定起点像素和终点像素不在同一行;当起点像素和终点像素在水平横向上的像素间隔数量超过20个像素时,确定起点像素和终点像素不在同一列。
在一个实施例中,图像采集设备具备自动调焦功能的光学镜头模组,且图像采集设备的镜头焦距设置为使得被测物成像于接收元件传感器平面。
在一个实施例中,方法还包括:在将人脸图片输入至红血丝识别模型中之前,通过预设数量的面部图像样本对红血丝识别模型进行训练;在红血丝识别模型的预测准确率达到预设准确率阈值的情况下,确定红血丝识别模型训练完毕。
在一个实施例中,方法还包括:获取人脸图片对应用户的饮食习惯和医疗数据;根据人脸图片对应的红血丝数量、每个红血丝的实际长度、饮食习惯以及医疗数据确定针对用户的治疗方案。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种红血丝非接触测量方法,其特征在于,所述方法包括:
通过图像采集设备获取待测量的人脸图片;
将所述人脸图片输入至红血丝识别模型中,以通过所述红血丝识别模型确定所述人脸图片中的红血丝数量;
针对所述人脸图片中的每一个红血丝,确定所述红血丝的起点像素的位置和终点像素的位置;
根据所述起点像素的位置和所述终点像素的位置确定所述红血丝的像空间长度;
根据所述红血丝的像空间长度确定所述红血丝的实际长度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述起点像素的位置和所述终点像素的位置确定所述红血丝的像空间长度包括:
当所述起点像素和所述终点像素在同一行或同一列时,确定从所述红血丝的头部起始点位置到尾部终结点位置的像素数量;
将所述头部起始点开始到尾部终结点结束的像素数量与以每个像素点的尺度的乘积确定为所述红血丝的像空间长度。
3.根据权利要求3所述的方法,其特征在于,所述根据所述红血丝的像空间长度确定所述红血丝的实际长度包括:
确定所述图像采集设备的镜头模组成像比;
将所述镜头模组成像比与所述像空间长度的乘积确定为所述红血丝的实际长度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述起点像素的位置和所述终点像素的位置确定所述红血丝的像空间长度还包括:
当所述起点像素的位置和所述终点像素的位置不在同一行且不在同一列时,利用勾股定理,所述起点像素和所述终点像素之间的水平横向间隔像素数量以及垂直纵向间隔像素数量通过计算确定所述红血丝的像空间长度。
5.根据权利要求3或4任意一项所述的方法,其特征在于,所述方法还包括:
当所述起点像素和所述终点像素在垂直纵向上的像素间隔数量超过15个像素时,确定所述起点像素和所述终点像素不在同一行;
当所述起点像素和所述终点像素在水平横向上的像素间隔数量超过20个像素时,确定所述起点像素和所述终点像素不在同一列。
6.根据权利要求1所述的方法,其特征在于,所述图像采集设备具备自动调焦功能的光学镜头模组,且所述图像采集设备的镜头焦距设置为使得被测物成像于接收元件传感器平面。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在将所述人脸图片输入至红血丝识别模型中之前,通过预设数量的面部图像样本对所述红血丝识别模型进行训练;
在所述红血丝识别模型的预测准确率达到预设准确率阈值的情况下,确定所述红血丝识别模型训练完毕。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述人脸图片对应用户的饮食习惯和医疗数据;
根据所述人脸图片对应的红血丝数量、每个红血丝的实际长度、所述饮食习惯以及所述医疗数据确定针对所述用户的治疗方案。
9.一种处理器,其特征在于,被配置成执行根据权利要求1至8中任意一项所述的红血丝非接触测量方法。
10.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至8中任一项所述的红血丝非接触测量方法。
CN202111497538.4A 2021-12-09 2021-12-09 红血丝非接触测量方法、存储介质及处理器 Pending CN114202522A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111497538.4A CN114202522A (zh) 2021-12-09 2021-12-09 红血丝非接触测量方法、存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111497538.4A CN114202522A (zh) 2021-12-09 2021-12-09 红血丝非接触测量方法、存储介质及处理器

Publications (1)

Publication Number Publication Date
CN114202522A true CN114202522A (zh) 2022-03-18

Family

ID=80651548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111497538.4A Pending CN114202522A (zh) 2021-12-09 2021-12-09 红血丝非接触测量方法、存储介质及处理器

Country Status (1)

Country Link
CN (1) CN114202522A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114742784A (zh) * 2022-03-31 2022-07-12 精诚工坊电子集成技术(北京)有限公司 皮肤图像红血丝标记方法、评价方法及其系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114742784A (zh) * 2022-03-31 2022-07-12 精诚工坊电子集成技术(北京)有限公司 皮肤图像红血丝标记方法、评价方法及其系统

Similar Documents

Publication Publication Date Title
CN109034078B (zh) 年龄识别模型的训练方法、年龄识别方法及相关设备
JP6900322B2 (ja) 毛髪の直径を測定するためのシステムおよび方法
US11283987B2 (en) Focus region display method and apparatus, and storage medium
CN109887044B (zh) 一种生殖数据测评方法及系统
KR20180036463A (ko) 이미지 처리 방법 및 이를 지원하는 전자 장치
CN110163850B (zh) 贴胶质量检测方法、装置、计算机设备和存储介质
CN108055532A (zh) 自动化匹配测试卡的方法与装置
CN114202522A (zh) 红血丝非接触测量方法、存储介质及处理器
CN113092079B (zh) 清晰度检测标板和方法及其系统、电子设备以及检测平台
WO2015096824A1 (zh) 分析装置和分析方法
CN114187347A (zh) 皮肤皱纹非接触测量方法、存储介质及处理器
CN114998980B (zh) 一种虹膜检测方法、装置、电子设备及存储介质
CN116452662A (zh) 光纤中心的像素坐标提取方法、装置、电子设备
CN114863224B (zh) 训练方法、图像质量检测方法、装置和介质
CN105830437A (zh) 一种监控系统中背景识别的方法及系统
US20220114819A1 (en) Cell tracking method, image processing device, and program
CN114511556A (zh) 胃黏膜出血风险预警方法、装置和医学图像处理设备
CN111551499B (zh) 果实糖分含量的测量方法、装置、计算机设备及存储介质
CN114432685A (zh) 一种立定跳远测试方法和装置
US10609311B2 (en) Method and device for increasing resolution of an image sensor
CN114463816A (zh) 满意度确定方法、装置、处理器及电子设备
CN113807150A (zh) 数据处理、姿态预测方法、设备及存储介质
CN114201031A (zh) 针对眼动跟踪的时间统计方法及装置
CN116627789B (zh) 模型检测方法及装置、电子设备及存储介质
KR20200102034A (ko) 세포 계수 장치 및 방법

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