[发明专利]一种基于图像识别处理的疼痛检测方法

权利要求书

1.一种基于图像识别处理的疼痛检测方法，其方法包括如下步骤：

S1、采集疼痛症状图片并对疼痛进行标记；

S2、通过图像处理单元提取图像中的特征点，并卷积神经网络算法进行特征点分类训练，建立疼痛症状数据库；其中，提取图像中特征点的方法步骤如下：

S2.1、对图像中的疼痛症状及背景进行二值化处理；

S2.2、对去除彩色二值化后的位图进行降噪处理；

S2.3、采用斑点分析算法，对图像中相同像素的连通域进行分析，提取图像中特征点，斑点分析算法的公式如下：

其中，S(·)为目标区域面积参数，R(x，y)为对应区域；

S3、通过图像采集单元采集图像，并与疼痛症状数据库内的图像进行对比，根据相似度匹配算法，得出疼痛状态。

2.根据权利要求1所述的基于图像识别处理的疼痛检测方法，其特征在于：所述S1中，采集疼痛症状图片选用网络爬虫方法爬取网络中疼痛症状图片，网络爬虫方法包括如下步骤：

S1.1、首先选取一部分精心挑选的种子URL；

S1.2、将选取的URL放入待抓取URL队列；

S1.3、从待抓取URL队列中取出待抓取在URL，解析DNS，并且得到主机的i_p，并将URL对应的网页下载下来，存储进已下载网页库中，并将选取的URL放进已抓取URL队列；

S1.4、分析已抓取URL队列中的URL，分析其中的其他URL，并且将URL放入待抓取URL队列，从而进入下一个循环。

3.根据权利要求1所述的基于图像识别处理的疼痛检测方法，其特征在于：所述疼痛进行标记的信息包括疼痛症状图片中人物的年龄、性别和疼痛症状图片中疼痛的级别。

4.根据权利要求1所述的基于图像识别处理的疼痛检测方法，其特征在于：所述S2.1中，二值化处理的方法步骤如下：

S2.1.1、设图像在像素点(i，j)处的灰度值f(i，j)，考虑以像素点(i，j)为中心的（2ω+1)×(2ω+1)窗口；

S2.1.2、计算图像中各个像素点(i，j)的阈值T(i，j)；

S2.1.3、对图像中各像素点(i，j)用b(i，j)值逐点进行二值化。

5.根据权利要求1所述的基于图像识别处理的疼痛检测方法，其特征在于：所述S2.2中，降噪处理采用图像差分算法，其公式如下：

D(i，j)＝F(i，j)-B(i，j)

其中，F(i，j)表示当前帧图像，B(i，j)表示背景图像，D(i，j)为差分图像。

6.根据权利要求1所述的基于图像识别处理的疼痛检测方法，其特征在于：所述S2中，卷积神经网络算法包括卷积层、池化层、全连接层和输出层，所述卷积层通过局部感受域与上一层神经元实现部分连接，在同一局部感受域内的神经元与图像区域中对应像素有固定二维平面编码信息关联，迫使神经元提取局部特征；所述池化层选择卷积特征图中不同的连续范围的作为池化区域，然后取特征的最大值或平均值作为池化区域的特征；所述全连接层是本层神经元与上层神经元两两连接但本层神经元之间不连接的结构；所述输出层采用Softmax分类器对特征点分类训练，并分类输出存入数据库内。

7.根据权利要求6所述的基于图像识别处理的疼痛检测方法，其特征在于：所述S3中，匹配算法的方法步骤如下：

S3.1、为每一个图像信息模式各定义一个坐标系，再定义这些参考特征之间的失调或相似函数；

S3.2、分割出图像的参考特征，再定义这些参数特征之间的失调或相似函数；

S3.3、应用优化算法，使S3.2中失调或相似函数达到全局最小或最大值，达到两幅图像的配准。