[发明专利]基于表情识别的卧床病人疼痛症状实时监护方法及装置

权利要求书

1.一种基于表情识别的卧床病人疼痛症状实时监护方法，其特征是按如下步骤进行：

步骤1、建立疼痛表情训练数据集：

步骤1.1、依据疼痛分级量表设置疼痛等级由低到高的A个疼痛级别，并按照不同的疼痛等级分别采集相应的疼痛表情图片数据；

步骤1.2、利用dlib工具对所有疼痛表情图片数据进行预处理，得到k×k像素的包含人脸信息的RGB图像；

步骤1.3、对所述RGB图像转化为灰度图像，从而得到疼痛表情训练数据集；

步骤2、建立用于分析疼痛表情的神经网络模型并进行训练，从而得到疼痛分级模型；

所述神经网络模型依次包含一个数据输入层、M个卷积拟合层组和一个输出处理层组；

所述数据输入层用于输入所述疼痛表情训练数据集中的N张k×k像素的灰度图像；

任意第m个所述卷积拟合层组依次包含两个卷积层、一个池化层和一个正则化层；

其中，第一个卷积层使用k×2^(m-2)组卷积核，卷积的步长为s；任意n张灰度图像经过第一个卷积层的处理后得到k×2^(m-2)个维度为k-(4m+2)×s×k-(4m+2)×s的特征图像，并经过第一Relu非线性映射后输入第二个卷积层；

第二个卷积层使用k×2^(m-2)组卷积核，卷积的步长为s；经过第一次映射后的特征图像经过第二个卷积层的处理后得到k×2^(m-2)个维度为(k-4ms)×(k-4ms)的特征图像，并经过第二Relu非线性映射后输入池化层；

第m个所述池化层对第二次映射后的特征图像使用池化核为2×2、步长为1的最大池化采样，并得到k×2^(m-2)个维度为的特征图像后输入正则化层；

第m个所述正则化层使用丢弃正则化对所输入的特征图像进行处理，得到k×2^(m-2)个维度为的特征图像；

所述输出处理层组依次包含：平坦化层、第一全连接层、第M+1个正则化层和第二全连接层；

所述平坦化层对第M个正则化层输入的特征图像进行降维处理，得到一个维度为的特征向量后输入第一全连接层；

所述第一全连接层对所输入的特征向量全连接至自身的个神经元并进行处理，得到一个维度为的特征向量，再经过第2M+1个Relu非线性映射后输入第M+1个正则化层；

所述第M+1个正则化层使用丢弃正则化对第2M+1次映射后的特征图像进行处理，得到一个维度为的特征向量后输入第二全连接层；

所述第二全连接层将第M+1个正则化层的输入的特征向量全连接至自身的A个神经元并进行处理，得到一个维度为A的特征向量后输入softmax回归分类器中，从而输出A个疼痛级别所对应的概率并完成训练；

步骤3、利用床头支架上在床头的正上方和两侧分别安装红外摄像头，从而采集得到同一时刻人脸的三张实时图像；

利用dlib工具对三张实时图像进行预处理，得到k×k像素的包含人脸信息的RGB图像，并选取人脸信息最完整的RGB图像作为检测图像；

将所述检测图像转化为k×k的灰度检测图像后输入所述神经网络模型中，从而得到A个疼痛级别所对应的概率；选取最大概率所对应的疼痛级别作为当前时刻检测图像的疼痛级别；若当前时刻的疼痛级别超过所设定的阈值，则进行报警处理，以实现实时监护。