[发明专利]一种护理床上老人痛苦表情的智能识别方法

权利要求书

1.一种护理床上老人痛苦表情的智能识别方法，通过摄像头采集躺在护理床上的老人的图像作为待识别图像，其特征在于，步骤如下：

步骤1、对待识别图像进行人脸检测，获得老人脸图像；

步骤2、对老人脸图像进行预处理，获得预处理后的老人脸图像；

步骤3、将预处理后的老人脸图像输入至深度置信网络，获得痛苦特征；

步骤4、通过参考模型识别痛苦特征，获取老人痛苦信息。

2.根据权利要求1所述的护理床上老人痛苦表情的智能识别方法，其特征在于，所述步骤1中，对待识别图像进行人脸检测，获得老人脸图像，具体如下：

将所述待识别图像输入至已训练好的MTCNN人脸检测网络，通过P-Net网络进行人脸分类，接着通过R-Net网络进行人脸边框回归，校准人脸区域；再通过O-Net网络进行面部关键点定位，校准面部的三类特征点，即控制眉间距特征点、上嘴唇特征点、控制眼眉距离特征点。

3.根据权利要求1所述的护理床上老人痛苦表情的智能识别方法，其特征在于，所述步骤2中，对老人脸图像进行预处理，获得预处理后的老人脸图像，具体如下：

老人脸图像包括人脸框，对人脸框进行预定倍数的等比例扩大，扩大的人脸框中截取所需的人脸区域；将截取的人脸区域缩放期望尺寸，所获得的图像作为所述预处理后的老人脸图像。

4.根据权利要求1所述的护理床上老人痛苦表情的智能识别方法，其特征在于：步骤3中的深度置信网络为多层RBM叠加而成的网络模型。

5.根据权利要求4所述的护理床上老人痛苦表情的智能识别方法，其特征在于，所述RBM包括输入层/可见层、隐含层、两层之间的连接权值；

所述输入层/可见层由显元组成，用于输入训练数据，服从伯努利分布或高斯分布；

所述隐含层由隐元组成，用作特征检测器，服从伯努利分布；

所述两层之间的连接权值用来表达单元之间的相关性，层内无连接，层间全连接。

6.根据权利要求4所述的护理床上老人痛苦表情的智能识别方法，其特征在于：依次为将预处理后的老人脸图像归一化为N×N的人脸图像，输入第一层RBM获得该层最优的参数，对于高层以低层输出为输入，获得多层RBM网络最优值，利用全局训练对参数微调，使得DBN收敛达到最优值，获得痛苦特征。

7.根据权利要求6所述的护理床上老人痛苦表情的智能识别方法，其特征在于：上述进行微调的参数包括隐藏层和可见层之间的权值矩阵、可见层的偏置向量、隐藏层的偏置向量。

8.根据权利要求1所述的护理床上老人痛苦表情的智能识别方法，其特征在于，步骤4中，通过参考模型识别痛苦特征，获取老人痛苦信息，具体如下：

通过基于生成的参考模型的半监督痛苦表情识别痛苦特征，

步骤4-1、对已采集的老人痛苦表情建立参考模型：

对已采集的一部分老人表情进行标记，获得标记样本，利用标记样本初始化参考模型，进而对表情进行分类，分为轻度痛苦、深度痛苦和非痛苦表情；

步骤4-2、对未标记的表情采用EM算法估计参考模型的最优参数，利用参考模型计算未标记的表情在各痛苦类别分布函数下的后验概率。

9.根据权利要求8所述的护理床上老人痛苦表情的智能识别方法，其特征在于，所述参考模型是由一个包含c类参数的混合模型，建立其对数似然函数，对似然函数求最大值就是初始化参考模型。

10.根据权利要求8所述的护理床上老人痛苦表情的智能识别方法，其特征在于，所述利用参考模型计算未标记的表情在各痛苦类别分布函数下的后验概率，即利用训练好的参考模型，计算痛苦表情在每个痛苦类别下的概率，之后根据概率分类，计算某类别最大概率即痛苦表情属于该类别。