[发明专利]一种基于YOLO目标检测的穴位定位方法有效

专利信息
申请号: 201811301190.5 申请日: 2018-11-02
公开(公告)号: CN109568123B 公开(公告)日: 2021-02-02
发明(设计)人: 邓立邦 申请(专利权)人: 广东数相智能科技有限公司
主分类号: A61H39/02 分类号: A61H39/02
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 颜希文;麦小婵
地址: 510000 广东省广州市越秀区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 yolo 目标 检测 穴位 定位 方法
【说明书】:

发明实施例提供的基于YOLO目标检测的穴位定位方法,包括获取第一用户在第一用户终端选择的第一穴位名称,并将第一穴位对应的提示信息发送至第一用户终端;获取第一用户的第一部位图像;判断第一部位图像中的第一穴位所在的方位是否正确;若是,则通过预设的识别检测模型对第一部位图像进行识别检测,得到反馈信息,并将反馈信息发送至第一用户终端;识别检测模型是基于YOLO网络生成的,且识别检测模型用于对用户终端上传的部位图像进行穴位定位并标记穴位,能够有效地提高识别速度和工作效率,并且达到穴位定位精准、误差低的效果。

技术领域

本发明涉及计算机视觉技术领域,尤其涉及一种基于YOLO目标检测的穴位定位方法。

背景技术

随着现代生活节奏的不断加快,人们身体经常处于一种亚健康状态。穴位按摩作为一种传统保健方法,凭借操作方便、副作用小、见效快的特点受到普罗大众青睐。但是,用户普遍不具备中医基本常识,难以确认穴位的准确位置,而市面穴位定位方法仅停留在文字描述或直接在假人上模拟操作。

为了利于穴位按摩在日常生活中得到普及,市面涌现了一系列的穴位定位方法,而穴位定位的前提是能够识别穴位所属的人体部位。根据调查研究,上述方法主要采用RCNN系列模型网络结构来实现人体部位识别,而该模型结构存在以下不足:需要生成建议框,在建议框上进行分类与回归,识别速度慢;建议框之间有重叠,带来很多重复工作,工作效率低;检测范围是在建议框内,误检率高,定位精度欠佳。

发明内容

本发明实施例的目的是提供一种基于YOLO目标检测的穴位定位方法,能够有效地提高识别速度和工作效率,并且达到穴位定位精准、误差低的效果。

为实现上述目的,本发明实施例提供了一种基于YOLO目标检测的穴位定位方法,包括以下步骤:

获取第一用户在第一用户终端选择的第一穴位名称,并将所述第一穴位对应的提示信息发送至所述第一用户终端;其中,所述提示信息包括所述第一穴位对应的部位图像,以及所述第一穴位的方位的语音提示或文字提示;

获取所述第一用户的第一部位图像;其中,所述第一部位图像为所述第一用户根据所述提示信息拍摄的身体部位图像;

判断所述第一部位图像中的第一穴位所在的方位是否正确;

若是,则通过预设的识别检测模型对所述第一部位图像进行识别检测,得到反馈信息,并将所述反馈信息发送至所述第一用户终端;所述识别检测模型是基于YOLO网络生成的,且所述识别检测模型用于对用户终端上传的部位图像进行穴位定位并标记穴位;其中,所述反馈信息包括所述第一穴位与所述第一部位图像的位置比例,以及所述第一穴位在所述第一部位图像的定位标记。

进一步的,所述识别检测模型是基于YOLO网络生成的,具体为:

获取人体穴位图像,并根据所述人体穴位图像建立穴位位置比例数据库;

获取多个人体部位的图像,并将所述多个人体部位的图像进行灰度处理,得到灰度处理后的图像,根据所述灰度处理后的图像建立部位样本数据库;其中,所述部位样本数据库记录了若干个训练图像和测试图像;

对所述灰度处理后的图像的主体部位作矩形框标记,得到多个标记框中心点坐标;其中,所述主体部位为所述灰度处理后的图像中占取面积最大的部位;

将所述部位样本数据库中的若干个训练图像、所述若干个训练图像的标记框中心点坐标以及所述若干个训练图像对应的部位名称,作为训练输入并进行预设次数的训练,根据所述测试图像和损失函数得出识别检测的准确率;

当所述准确率达到预设的阈值时,则停止训练,并构建所述识别检测模型。

进一步的,所述对所述灰度处理后的图像的主体部位作矩形框标记,得到多个标记框中心点坐标,具体为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东数相智能科技有限公司,未经广东数相智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811301190.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top