[发明专利]一种婴儿大便颜色的自动分析方法及系统

权利要求书

1.一种婴儿大便颜色的自动分析方法，其特征在于，包括如下步骤：

步骤1，检测图像I中比色卡左上角和右上角的黑灰嵌套色块和白灰嵌套色块的分布情况，以此确定比色卡在图像I中的方向；然后根据比色卡在图像I中的方向确定六个彩色色块是否均准确出现在比色卡的相应位置；最后根据比色卡在图像I中的方向检测图像I中比色卡的左下角和右下角的色块是否是对应方向下的黑灰嵌套色块或白灰嵌套色块，是则执行步骤2，否则认为未检测到比色卡；

步骤2，使用图像熵对图像I进行质量监控，判断图像是否满足检测要求，满足则执行步骤3，否则认为图像不满足大便颜色分析的要求；

步骤3，对满足检测要求的图像进行颜色校正，得到颜色校正后的图像；

步骤4，对颜色校正后的图像，去除图像大便区域的高光反射和阴影部分；

步骤41，根据公式(22)，把图像大便区域从RGB颜色空间转换到HSV颜色空间中；其中，r,g,b和h,s,v分别为图像大便区域每个像素点的颜色值，max和min分别为r,g,b中的最大值和最小值；

步骤42，在HSV颜色空间，去除图像大便区域的高光反射和阴影部分；

壹)根据公式(23)，计算图像大便区域在HSV颜色空间所有像素点的亮度l的标准差σ_l；其中，l(x,y)为每个像素点(x,y)的亮度值，W_I为图像的宽度，H_I为图像的高度，为所有像素点的亮度l的均值：

贰)根据的范围作为图像大便区域亮度的正常范围，亮度超出此范围的像素点均认为是亮度异常的点；其中，l(x,y)高于的点的集合即认为是高光反射部分，l(x,y)低于的点的集合即认为是阴影部分，均予以去除；

步骤5，使用机器学习的方法对多个颜色校正后并且去除了大便区域高光反射和阴影部分的图像进行离线监督训练，并利用离线监督训练的结果，分析婴儿大便图像；

步骤6，使用HSV颜色空间欧式距离的方法，对颜色校正后的图像计算最小欧式距离，分析婴儿大便图像；

步骤7，使用机器学习的方法，以及最小欧式距离的方法，综合分析预处理后的图像，预测计算大便图像的颜色类别。

2.如权利要求1所述的婴儿大便颜色的自动分析方法，其特征在于，所述步骤1的具体步骤如下：

步骤11，在图像I的左上侧区域随机散布E个点，E取3～8，作为比色卡判断的起始点；将第i个点定义为p_i(i∈[1,E])，判断比色卡的左上角色块是否是黑灰嵌套色块B_{black_grey}，如果是黑灰嵌套色块，执行步骤12，否则继续判断左上角色块是否是白灰嵌套色块B_{white_grey}，如果是白灰嵌套色块，执行步骤12，否则认为根据点p_i未检测到比色卡，则将比色卡判断的起始点p_i更新为下一个点后执行步骤11；

步骤12，根据比色卡左上角色块区域B_LU以及宽w_LU和高h_LU，利用公式(13)得到比色卡右上角灰色区域的中心点p_{RU_grey}(x_{RU_grey},y_{RU_grey})，执行步骤13；

(x_{LU_left},y_{LU_top})为位于比色卡左上角色块的左上角顶点的坐标；(x_{LU_right},y_{LU_bottom})为比色卡左上角色块的右下角顶点的坐标；

步骤13，将p_{RU_grey}设为色块判断起始点，用来判断右上角色块是否是黑灰嵌套色块或白灰嵌套色块，如果是，则进入步骤14，否则认为根据点p_i未检测到比色卡，结束本次判断，将点p_i更新为下一个点后执行步骤11；

步骤14，根据比色卡左上角色块和右上角色块的类型，得到比色卡在图像I中的对应方向；

步骤15，根据比色卡的方向、比色卡左上角色块区域和比色卡右上角色块区域的位置以及它们的宽、高，得到图像I中6个彩色色块区域的中心点；

步骤16，对于图像I中每个彩色色块区域，将彩色色块区域的中心点作为色块判断起始点，检测图像I中每个彩色色块是否准确出现在比色卡的彩色色块的对应位置；若6个彩色色块均准确出现在比色卡的相应位置，则执行步骤17，否则将种子点p_i更新为下一个点后执行步骤11；

步骤17，根据步骤14得到的比色卡在图像I中的方向，得到对应方向下左下角色块和右下角色块的类型；判断图像中比色卡左下角色块和右下角色块的类型是否均与比色卡的相应位置的色块类型一致，是则认为根据点p_i成功检测到比色卡，否则，将p_i更新为下一点，执行步骤11。