[发明专利]一种护理床上老人痛苦表情的智能识别方法

说明书

本发明公开了一种护理床上老人痛苦表情的智能识别方法，结合深度置信网络从人脸图像中提取痛苦表情特征，该特征更能有效描述表情，同时针对痛苦表情识别中的样本容量小的问题，通过结合已标记样本和未标记样本，利用生成模型，通过半监督学习方法进行识别。本发明能够获得更有效的痛苦特征，极大的提高识别精确度，在老人监护方面有着重要作用。

技术领域

本发明属于图像处理技术领域，特别涉及一种护理床上老人痛苦表情的智能识别方法。

背景技术

进入21世纪以来，伴随着医疗卫生条件的普遍提高，特别是计划生育政策的影响，我国人口老龄化趋势愈发严峻，已经进入老龄化社会。根据最新数据显示，我国失能、半失能老人总数大致4063万，占老年人口的18.3％。如遇到无人看护的时候，当老人大小便失禁，长期不活动会导致褥疮和个人的卫生问题、甚者当患有急性胰腺炎、急性胆囊炎、急性胃肠炎这类老人如遇到突发情况，失能老人由于不能清楚的表达需求，就面临着很大的危险。

现有的老人疼痛表情识别无论是采用传统机器学习方法还是深度学习方法，均存在一些问题：老人疼痛表情数据库的数量比较少且质量比较差，部分数据并未采集于真实场景，难以实现高效准确的识别和实践应用；老人疼痛状态的抽象性容易受到多重因素的影响，识别率难以提高；对老人疼痛的定义标准尚未统一，因此识别准确率和精确率很难得以提升。

发明内容

本发明的目的在提出一种护理床上老人痛苦表情的智能识别方法，能够对每个老人的面部痛苦表情进行更加高效、准确地识别。

实现本发明目的的技术解决方案为：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，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。

进一步地，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。

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。

进一步地，深度置信网络为多层RBM叠加而成的网络模型。

步骤4、通过参考模型识别痛苦特征，获取老人痛苦信息。

进一步地，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。

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。

进一步地，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。

进一步地，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。

本发明与现有技术相比，其显著优点在于：

(1)采用了MTCNN为代表的人脸检测网络以轻量化、高准确、模块化的优点，能够在老人脸检测速度得到很大提升。

(2)利用深度置信网络提取痛苦表情特征，避免了过多主动因素的干预。

(3)通过参考模型解决了识别的小样本问题，能获得更有效的痛苦特征，并具备更高的识别精度。

(4)通过对每一个老年人单独建立参考模型，能够具备更快的识别速度。