[发明专利]一种基于人脸特征点的精准面瘫程度评测方法及装置

权利要求书

1.一种基于人脸特征点的精准面瘫程度评测方法，其特征在于，其包括以下步骤：

(1)确定眉毛的面瘫关键点s₁、s₂，鼻子的面瘫关键点s₃、s₄、s₅、s₆、s₇，嘴唇的面瘫关键点s₈、s₉、s₁₀、s₁₁、s₁₂、s₁₃，左眼的面瘫关键点s₁₄、s₁₅、s₁₆、s₁₇、s₁₈，右眼的面瘫关键点s₁₉、s₂₀、s₂₁、s₂₂、s₂₃；定义(x_sm，y_sm)为面瘫关键点s_m的坐标，m＝{1，2，...，23}，以上述的多个面瘫关键点为元素形成的集合表示人脸形状；

(2)获取待检测用户整个人脸在无表情自然状态、做皱眉动作全过程、做闭眼动作全过程以及做吹哨动作全过程中产生的多组人脸形状；

对多组人脸形状依次分别基于面瘫关键点s₁₄、s₁₉进行线性回归获得直线l₁，并确定面瘫关键点s₁₄、s₁₉的中点p₅；

基于面瘫关键点s₃，s₄，s₅，s₆，s₇，s₈及点p₅进行线性回归获得直线l₀，并确定直线l₀与直线l₁的交点p₀，还确定面瘫关键点s₁₁与s₁₂的中点p₁；

设置向量向量向量并基于面瘫关键点s₁₅、s₁₆、s₁₇、s₁₈统计由其构成的矩形最小包围盒中所包含的像素点个数n₁，基于面瘫关键点s₂₀、s₂₁、s₂₂、s₂₃统计由其构成矩形最小包围盒中所包含的像素点个数n₂，基于面瘫关键点s₉、s₁₀、s₁₂统计由其构成矩形最小包围盒中所包含的像素点个数n₃，面瘫关键点s₁₄与s₁₉的欧氏距离为d；

将点p₀、点p₁、向量向量向量像素点个数n₁、像素点个数n₂、像素点个数n₃及距离d作为元素加入至对应的人脸形状中以获得更新后人脸形状；

(3)对于更新后的无表情自然状态人脸形状S₀，计算：θ₁＝arccos(a)，

对于更新后的皱眉动作人脸形状S_a1，S_a2，……，S_an，先计算序列图像一中第一张图像的面瘫关键点s₁与其它图像的面瘫关键点s₁之间的欧式距离，并确定最大的欧式距离b₁，再计算所述序列图像一中第一张图像的面瘫关键点s₂与其它图像的面瘫关键点s₂之间的欧式距离，并确定最大的欧式距离b₂，最后计算：θ₃＝min(b₁，b₂)，θ₄＝|b₁+b₂|/|b₁-b₂|，其中，所述序列图像一为待检测用户在做皱眉动作全过程中所产生的图像；

对于更新后的闭眼动作人脸形状S_b1，S_b2，……，S_bn，先确定序列图像二中各个图像中面积n₁的最小值c₁以及面积n₂的最小值c₂，再计算：θ₅＝max(d₁，d₂)，θ₆＝|d₁+d₂|/|d₁-d₂|，其中，所述序列图像二在做闭眼动作全过程的图像；

对于更新后的微笑动作人脸形状S_c1，S_c2，……，S_cn，先计算所述序列图像一中第一张图像的面瘫关键点s₁₀与其它图像的面瘫关键点s₁₀之间的欧式距离，并确定最大的欧式距离e₁，再计算所述序列图像一中第一张图像的面瘫关键点s₁₃与其它图像的面瘫关键点s₁₃之间的欧式距离，并确定最大的欧式距离e₂，最后计算：θ₇＝min(e₁，e₂)，θ₈＝|e₁+e₂|/|e₁-e₂|；

对于更新后的吹哨动作人脸形状S_d1，S_d2，……，S_dn，计算：θ₁₀＝arccos(f₂)，θ₁₁＝|θ₁₀|；将θ₁、θ₂、θ₃、θ₄、θ₅、θ₆、θ₇、θ₈、θ₉、θ₁₀分别与其阈值比较；

通过比较结果对待检测用户的面瘫程度进行判定，并计算面瘫指数；

其中，步骤(3)还包括：设置θ₁对应的阈值θ’₁，θ₂对应的阈值θ’₂，θ₄对应的阈值θ’₄，θ₆对应的阈值θ’₆，θ₈对应的阈值θ’₈，θ₁₀对应的阈值θ’₁₀，θ₁₁对应的阈值θ’₁₁，并比较θ₁与θ’₁，θ₂与θ’₂，θ₄与θ’₄，θ₆与θ’₆，θ₈与θ’₈，θ₁₀与θ’₁₀，θ₁₁与θ’₁₁；其中，阈值θ’₁、θ’₂、θ’₄、θ’₆、θ’₈、θ’₁₀、θ’₁₁分别根据外部实现情况预设；

若θ₁＞θ’₁或θ₂＜θ’₂，则判定所述待检测用户存在面瘫症状且属于严重面瘫，并计算相应的面瘫指数K1＝(0.2θ₁/θ₂)+(0.1d⁰/θ₃)+(0.1/θ₄)+(0.3θ₅/θ₆)+(0.3d⁰/θ₇)+(0.3/θ₈)+(0.1θ₁₁/θ₉)；

若θ₁≤θ’₁且θ₂≥θ’₂，同时满足θ₆＜θ’₆或θ₈＜θ’₈或θ₁₁＞θ’₁₁时，则判定所述待检测用户存在面瘫症状但不属于严重面瘫，并计算相应的面瘫指数K2＝(0.1/θ₄)+(0.3/θ₆)+(0.3/θ₈)+0.1θ₁₁；

若θ₁₀≠0，则判定所述待检测用户存在面瘫症状且属于半脸面瘫；

若满足以下条件：θ₁≤θ’₁、θ₂≥θ’₂、θ₆≥θ’₆、θ₈≥θ’₈、θ₁₁≤θ’₁₁，则判定所述待检测用户不存在面瘫症状。