[发明专利]一种基于关键点确定舌部特征的方法及系统有效
申请号: | 201911356469.8 | 申请日: | 2019-12-25 |
公开(公告)号: | CN111192244B | 公开(公告)日: | 2023-09-29 |
发明(设计)人: | 汤青;宋臣;魏春雨;王雨晨;周枫明 | 申请(专利权)人: | 新绎健康科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06V40/16;G06V10/764;G06N3/126 |
代理公司: | 北京工信联合知识产权代理有限公司 11266 | 代理人: | 郭欣欣 |
地址: | 065001 河北*** | 国省代码: | 河北;13 |
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 关键 确定 特征 方法 系统 | ||
1.一种基于关键点确定舌部特征的方法,所述方法包括:
采集多个目标的面部包含舌部图像,对多个面部包含舌部图像以预设点位的关键点进行标注,生成多个面部和舌部关键点样本图像;
对多个面部和舌部关键点样本图像,进行训练,获取舌部关键点模型;
采集待测目标的面部包含舌部图像,并将待测目标的面部包含舌部图像输入至舌部关键点模型,确定舌部特征;
对面部和舌部关键点样本图像,进行训练,获取舌部关键点模型,具体包括:
将多个面部和舌部关键点样本图像随机平均分成N份,并用N-1份作为训练集,1份作为测试集合;
对训练集中的样本图像的关键点以多级级联的回归树进行回归处理,公式如下:
其中,t表示级联序号,τt表示第t级回归器,表示第t级回归器的形状和表示学习到的当前形状与真实形状的残差;
训练样本图像每一个关键点回归器;
对回归器进行相加,公式如下:
其中T=10,即每个人脸关键点模型包括10个回归器τ0,...,τ9;
根据回归器生成N个面部关键点模型,公式如下形式:
其中,1≤n≤N;
对N个面部关键点模型,确定面部关键点模型公式如下:
其中,
2.根据权利要求1所述的方法,所述舌部特征,包括:舌苔颜色、舌苔腐腻、舌苔厚薄、舌部齿痕、舌部裂纹和舌部点刺。
3.根据权利要求1所述的方法,所述面部关键点模型使用,平均分成N份的多个面部和舌部关键点样本图像,除去训练集的N-1份面部和舌部关键点样本图像,剩余1份作为测试集,对面部关键点模型进行测试。
4.根据权利要求1所述的方法,所述面部关键点模型,使用N/2份的面部和舌部关键点样本图像进行优化。
5.一种基于关键点确定舌部特征的系统,所述系统包括:
采集模块,采集多个目标的面部包含舌部图像,对多个面部包含舌部图像以预设点位的关键点进行标注,生成多个面部和舌部关键点样本图像;
训练模块,对多个面部和舌部关键点样本图像,进行训练,获取舌部关键点模型;
特征确定模块,采集待测目标的面部包含舌部图像,并将待测目标的面部包含舌部图像输入至舌部关键点模型,确定舌部特征;
对面部和舌部关键点样本图像,进行训练,获取舌部关键点模型,具体包括:
将多个面部和舌部关键点样本图像随机平均分成N份,并用N-1份作为训练集,1份作为测试集合;
对训练集中的样本图像的关键点以多级级联的回归树进行回归处理,公式如下:
其中,t表示级联序号,τt表示第t级回归器,表示第t级回归器的形状和表示学习到的当前形状与真实形状的残差;
训练样本图像每一个关键点回归器;
对回归器进行相加,公式如下:
其中T=10,即每个人脸关键点模型包括10个回归器τ0,...,τ9;
根据回归器生成N个面部关键点模型,公式如下形式:
其中,1≤n≤N;
对N个面部关键点模型,确定面部关键点模型公式如下:
其中,
6.根据权利要求5所述的系统,所述舌部特征,包括:舌苔颜色、舌苔腐腻、舌苔厚薄、舌部齿痕、舌部裂纹和舌部点刺。
7.根据权利要求5所述的系统,所述面部关键点模型使用,平均分成N份的多个面部和舌部关键点样本图像,除去训练集的N-1份面部和舌部关键点样本图像,剩余1份作为测试集,对面部关键点模型进行测试。
8.根据权利要求5所述的系统,所述面部关键点模型,使用N/2份的面部和舌部关键点样本图像进行优化。
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新绎健康科技有限公司,未经新绎健康科技有限公司许可,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/201911356469.8/1.html,转载请声明来源钻瓜专利网。