[发明专利]一种基于面部表情分析的新生儿疼痛识别方法

说明书

本发明提供一种基于面部表情分析的新生儿疼痛识别方法，能够识别新生儿是否疼痛。所述方法包括：获取包含人脸面部信息的视频序列；从获取的所述视频序列中提取表示疼痛面部表情动态变化的面部动态几何特征和面部动态纹理特征；将提取的所述面部动态几何特征和所述面部动态纹理特征进行特征融合，并对融合后得到的面部特征向量进行降维；根据降维后得到的面部特征向量，训练分类器。本发明涉及模式识别及生物医学技术领域。

技术领域

本发明涉及模式识别及生物医学技术领域，特别是指一种基于面部表情分析的新生儿疼痛识别方法。

背景技术

疼痛是人类进化的一种社会交流倾向，作为一种与伤害相关的特殊感觉体验，能够传递各种有害刺激带来的不适感，疼痛对个体的生存有着重要意义和价值。1976年国际疼痛研究学会(International Association for the Study of Pain,IASP)将疼痛定义为“一种与组织损伤或潜在的损伤相关的不愉快的主观感觉和情感体验”。1995年，美国疼痛协会把疼痛列为第五大生命体征，并强调系统评估和常规记录疼痛的重要性。

面部表情是观察评估中最直观且重要的行为指标，比身体运动、哭泣或心率等观测指标更为敏感，在疼痛评估中的重要性已得到广泛认可。

现有技术中，针对新生儿疼痛面部表情的研究主要包括：Brahnam等人采用主成分分析(PCA)、线性判别分析(LDA)降维，支持向量机(SVM)分类的方法，对COPE数据库中的204张图像进行疼痛与非疼痛的二类分类，识别率达到88％。Naufal Mansor M等人提出一种基于神经网络的新生儿面部表情分析方法，利用肤色信息对新生儿面部区域进行分割，同时计算出给定十五帧的奇异值分解和功率谱特征，通过比较相同类型特征间的相关系数实现疼痛及非疼痛面部表情分类；将Autoregressive(AR)回归模型与模糊K-近邻算法相结合进行疼痛检测，得到90.77％的准确率；此外还采用Haar级联进行检测，利用PCA进行特征提取，最后利用LDA区分疼痛与非疼痛得到93.12％的正确识别率。南京邮电大学卢官明教授团队使用包含安静、哭、轻度疼痛和剧烈疼痛四种不同表情的新生儿图像各200张，相继采用局部二值模式(LBP)、Gabor小波变换、稀疏表征等特征提取算法及其改进算法开展疼痛分类研究，利用SVM分类器对疼痛和非疼痛两类表情的平均识别率可以达到93.3％，对疼痛和哭两类表情的识别率可以达到83.13％；基于压缩感知的稀疏表示算法最终识别率可以达到88％的平均水平。

综上，现有技术中的新生儿疼痛面部表情分析的研究多为对静态图像分析或将序列帧作为单幅图像进行分析，没有对面部表情的动态变化过程进行描述，从而失去了较多表情变化过程中的运动信息，并且难以实现实时连续监测并应用于实际的临床医疗。

发明内容

本发明要解决的技术问题是提供一种基于面部表情分析的新生儿疼痛识别方法，以解决现有技术所存在的没有对面部表情的动态变化过程进行描述、且难以实时监测新生儿疼痛的问题。

为解决上述技术问题，本发明实施例提供一种基于面部表情分析的新生儿疼痛识别方法，包括：

S101，获取包含人脸面部信息的视频序列；

S102，从获取的所述视频序列中提取表示疼痛面部表情动态变化的面部动态几何特征和面部动态纹理特征；

S103，将提取的所述面部动态几何特征和所述面部动态纹理特征进行特征融合，并对融合后得到的面部特征向量进行降维；

S104，根据降维后得到的面部特征向量，训练分类器。

进一步地，所述获取包含人脸面部信息的视频序列包括：

若获取的所述视频序列中包括：人脸面部信息及背景信息，则提取所述视频序列中每帧图像的人脸面部区域；

对提取的人脸面部区域进行面部特征点检测。