[发明专利]基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法

说明书

技术领域

本发明属于图像处理与模式识别领域，涉及一种人脸表情识别方法，特别涉及一种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法。

背景技术

近年的研究证实，不论是足月儿还是早产儿，出生后即具有疼痛感受能力。新生儿，尤其是早产儿和危重儿的疼痛主要来自侵入性操作，包括足底采血、动静脉穿刺、皮下和肌肉注射等。反复经历的疼痛刺激会对新生儿，尤其对早产儿和危重儿，产生一系列近期和远期的严重影响，其中包括急性生理反应，对中枢神经系统的永久损伤、发育迟缓和情感紊乱等。

疼痛评估是控制疼痛的重要一环，对任何存在疾病状态的新生儿，都应进行常规和反复的评估，是否需要进行疼痛治疗的干预以及评价治疗的效果如何，关键均在于对疼痛的准确评估。疼痛是一种包括感觉和情感的主观感受，自我评估被认为是最可靠的评估疼痛方法。由于新生儿不能像成人一样用语言表达疼痛的感受，疼痛评估成为新生儿科学中最具挑战性的一个难题。新生儿时期自主神经系统并不完善，一些生理指标如心率、血压变化差异较大，病理情况时反应也各异，可能导致测量结果不确定，所以不能仅用生理指标来评估新生儿疼痛，必须与行为评估方法联合应用。新生儿在疼痛时会表现出行为变化，包括哭声、面部表情、呻吟、肢体活动及行为状态的改变。疼痛引起的哭声往往高尖、持续时间长、频繁。但早产儿很少哭，即使受到疼痛刺激，哭闹时间也很短；危重儿因衰竭无力很少哭，或因气管插管导致声门阻塞而无法哭。因此，哭声并不是早产儿或危重儿疼痛评估有效、可靠的指标。在常用的新生儿疼痛评估工具中，“面部表情”被认为是最可靠的疼痛监测指标。

目前，国际上对新生儿疼痛的评估都是由受过专门训练并熟悉各项监测指标的医护人员进行人工评估。其缺点是耗时费力，有时还无法在现场实时做出评估，而且评估结果更多地依赖于个人的知识与经验，并受个人的情绪等主观因素的影响，不能完全客观反映新生儿疼痛程度。因此，开发一种基于面部表情分析的新生儿疼痛自动评估系统，为临床提供客观准确的疼痛评估，对医护人员及时采取相应的镇痛措施，减轻新生儿和婴儿的疼痛具有非常重要的意义和价值。

但是，目前在人脸表情识别的研究方面，一般都是针对普通成年人，将人脸表情划分为6种基本类型：高兴、悲伤、生气、恐惧、惊讶和厌恶，很少有研究者从事新生儿疼痛与非疼痛表情的分类识别研究。本发明针对开发新生儿疼痛自动评估系统的需求，提出一种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法。

发明内容

技术问题：针对开发新生儿疼痛自动评估系统的需求，提出一种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，解决现有技术不能准确、自动识别新生儿疼痛表情的问题，为临床提供客观准确的疼痛评估工具开辟一条新的途径。

技术方案：本发明的基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，其特征在于该方法包括以下步骤：

A、将经医护人员按疼痛程度分类并作校准归一化的k类新生儿表情图像作为训练样本；

B、对每一个训练样本、测试样本进行降维处理，分别用一个d维的特征向量来表示；

C、由k个类别的n个训练样本的特征向量构建稀疏表示模型中的一个d行n列的过完备字典矩阵A；n＞＞d；

D、对过完备字典矩阵A和测试样本的特征向量y分别进行归一化，得到和

E、给定误差容限ε，||·||₁表示l₁范数，||·||₂表示l₂范数，通过求解如下l₁范数最小化问题：

θ^=arg min||θ||1]]>满足

得到最优的样本重构系数向量

F、对于任意的第i类，首先定义一个函数，用于选取中与第i类相关的系数，即函数将系数向量中与第i类相关的所有元素乘以1，其余元素乘以0；然后，计算用第i类训练样本重构得到的与测试样本归一化特征向量的残差：

G、将测试样本的残差代入如下的类别判定公式：