[发明专利]一种基于人工智能和肌肉模型的面瘫检测系统在审
申请号: | 202011567769.3 | 申请日: | 2020-12-25 |
公开(公告)号: | CN112686853A | 公开(公告)日: | 2021-04-20 |
发明(设计)人: | 刘铮;张鹏 | 申请(专利权)人: | 刘铮 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06K9/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 710000 陕西省西安市雁塔*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 人工智能 肌肉 模型 面瘫 检测 系统 | ||
1.一种基于人工智能和肌肉模型的面瘫检测系统,包括图像采集模块,其特征在于:还包括依次连接的人脸区域划分模块、对称区域检测模块、单侧区域关联模块以及面瘫检测模块,所述对称区域检测模块还连接所述面瘫检测模块;
所述人脸区域划分模块,用于根据三维人脸肌肉模型对人脸关键点图像进行区域划分,并采集待测人员每类动作的动作图像序列;
所述对称区域检测模块,用于根据眼部区域以及鼻尖中心点,得到对称中心向量,选取各区域起点,根据各区域其它关键点与对应区域起点的连接向量以及所述对称中心向量得到所有动作图像的偏移角向量,并根据所述偏移角向量选取各所述动作图像序列中的关键帧图像,根据所述关键帧图像及其对应的所述偏移角向量得到区域权重;
所述单侧区域关联模块,用于计算所述关键帧图像中单侧各区域中心点,根据各所述区域中心点获取单侧相邻区域向量以及相邻向量夹角,以得到单侧关联特征矩阵,同理,获取另一单侧关联特征矩阵;还用于根据局部二值模式算法获取单侧特征描述子;
所述面瘫检测模块,用于接收所述区域权重、所述单侧关联特征矩阵以及所述单侧特征描述子,并根据关联模型以及纹理模型检测面瘫。
2.如权利要求1所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于,所述面瘫检测模块具体为:
将接收到的所述单侧关联特征矩阵输入所述关联模型,得到关联检测结果;
将接收到的所述区域权重以及所述单侧特征描述子输入所述纹理模型,得到纹理检测结果;
根据所述关联检测结果以及所述纹理检测结果,得到动作检测结果;
根据每类动作的动作检测结果,得到面瘫检测结果。
3.如权利要求1所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于:所述对称区域检测模块选取各所述动作图像序列中所述偏移角向量模长最大的所述动作图像,作为各类动作的关键帧图像。
4.如权利要求3所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于:区域中心点的坐标为对应区域所有关键点坐标的平均值。
5.如权利要求1所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于:所述图像采集模块,用于将采集到的待测人员图像输入语义分割神经网络,以得到人脸图像,将所述人脸图像输入关键点检测网络进行关键点检测,得到人脸关键点图像。
6.如权利要求5所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于,所述根据三维人脸肌肉模型对人脸关键点图像进行区域划分,包括:
从数据库中获得三维人脸肌肉模型,并根据所述三维人脸肌肉模型获取二维人脸肌肉图;
将所述二维人脸肌肉图输入所述关键点检测网络,得到二维关键点图像,将所述人脸关键点图像以及二维关键点图像的鼻尖关键点对齐,并将两个图像的误差反向传播得到新三维人脸肌肉模型;
根据所述新三维人脸肌肉模型得到新二维人脸肌肉图,根据所述新二维人脸肌肉图以及人脸关键点图像进行人脸区域划分。
7.如权利要求6所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于:人脸区域包括眉部区域、所述眼部区域、脸颊区域以及嘴部区域。
8.如权利要求2所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于:所述动作包括皱眉、闭眼、鼓腮、吹口哨动作。
9.如权利要求8所述的一种基于人工智能和肌肉模型的面瘫检测系统,其特征在于:所述动作图像序列包括皱眉动作图像序列、闭眼动作图像序列、鼓腮动作图像序列以及吹口哨动作图像序列;
所述关键帧图像包括皱眉关键帧图像、闭眼关键帧图像、鼓腮关键帧图像以及吹口哨关键帧图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于刘铮,未经刘铮许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011567769.3/1.html,转载请声明来源钻瓜专利网。