[发明专利]基于人脸图像多阶段关系学习的内脏器官特征编码方法

说明书

本发明公开了一种基于人脸图像多阶段关系学习的内脏器官特征编码方法，包括，采集人脸图像，并获取为每张人脸图像标注的标签，标签包括内脏器官标签和与每个内脏器官相关联的器官特征标签；将人脸图像进行数据增广后，对RGB三个通道分别进行归一化与标准化处理，得到训练集；利用内脏器官标签与器官特征标签同时对人脸图像训练集进行两个子任务分支的监督学习，以嵌入内脏特征的先验指导知识，最终获得嵌入了先验知识的内脏特征编码模型。本发明能够充分考虑人脸图像和内脏器官标签以及器官特征标签之间的关联性，对多阶段关系学习模型进行建模和分析，对人体内脏器官特征的编码结果为人体保健养生提供直观、客观的基础支撑。

技术领域

本发明涉及机器学习技术领域，更具体的说是涉及一种基于人脸图像多阶段关系学习的内脏器官特征编码方法。

背景技术

中国古书《黄帝内经》记载道“十二经脉，三百六十五路，起血气皆上于面而走空窍”，这表明人类的五脏六腑情况会表现在脸上的相关区域，这样通过观察人的面部气色就可以掌握用户的五脏六腑情况，然后通过饮食、运动和生活习惯的改善等来调理五脏六腑，以达到健康养生的目的。例如有湿气的人，脸上一般会长斑、起痘、满脸油光、鼻头红赤等，因此体内湿气能通过面部特征表现。体内的湿气与五脏六腑有关，可能在肺也可能在脾，只有知道了湿气所在的脏腑才能制定合理的饮食调理方案，运动调理方案和生活习惯改善方案，但是这需要丰富的养生专家经验，普通群众没有这类经验，无法制定合适的调理方案。

随着科技的发展，近年来大数据和深度学习技术发展迅速。机器学习技术是利用多层次的神经网络，通过大批量数据的训练，可以使计算机学习理解复杂的图像声音等数据，并可以做出相应的行为。机器学习网络可以提取复杂程度高，且人类难以理解描述的对比特征。

然而，目前的深度监督学习方法需要大量的标签数据支持，否则模型训练容易陷入过拟合，导致模型的泛化能力不足以有效地表达出数据的区分性特征。然而，标签数据的采集代价非常昂贵，几乎不可能为每一个任务都收集充足的训练数据。而通过多任务的框架学习多个相关任务，利用这些相关任务的标签数据来嵌入先验知识，可以将相关任务的知识迁移至主任务，最终达到辅助主任务建模的目的。这能够减少对标签数据的依赖，提高现有标签数据的利用率，提高主任务模型的泛化能力。

因此，如何基于有限的标签数据，提供一种通过人脸图像对人体器官特征进行有效编码的方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于人脸图像多阶段关系学习的内脏器官特征编码方法，能够充分考虑人脸图像和内脏器官标签以及器官特征标签之间的关联性，对多阶段关系学习模型进行建模和分析，为对人体内脏器官特征的预测编码提供基础支撑。

为了实现上述目的，本发明提供如下技术方案：

一种基于人脸图像多阶段关系学习的内脏器官特征编码方法，包括如下步骤：

步骤1，数据采集：采集人脸图像，并获取为每张人脸图像标注的标签，标签包括内脏器官标签和与每个内脏器官相对应的器官特征标签；

步骤2，数据处理：将人脸图像进行数据增广，然后对R、G、B三个通道分别进行归一化与标准化处理，得到训练集D_tr＝{(x_n，y_n)，n＝1...N}，x_n∈X，y_n∈Y，X为处理后的人脸图像样本集，Y为标签集；

步骤3，多阶段关系学习网络模型构建：利用内脏器官标签与器官特征标签同时对人脸图像样本集进行两个子任务分支的监督学习，以嵌入内脏特征的先验指导知识，最终获得嵌入了先验知识的内脏特征编码模型。

优选的，所述步骤1中，内脏器官标签包括大肠，胆囊，肺，肝脏，膀胱，脾脏，肾脏，胃，小肠，心脏，和未知；器官特征标签包括气虚，血虚，阴虚，阳虚，气滞，血瘀，痰，风，热，寒，燥，湿，和未知。