[发明专利]齿痕识别方法、装置、计算机设备及存储介质

权利要求书

1.一种齿痕识别方法，其特征在于，包括：

获取舌头图像；

将所述舌头图像输入舌头检测模型进行舌头边缘区域的检测，得到舌头边缘区域图像；并对所述舌头边缘区域图像进行图像预处理，得到待识别舌头图像；

将所述待识别舌头图像输入齿痕识别模型；所述齿痕识别模型包括密集卷积网络模型和齿痕注意力模型；

通过所述密集卷积网络模型对所述待识别舌头图像进行卷积特征提取，得到卷积特征图；

通过所述齿痕注意力模型对所述卷积特征图进行齿痕特征提取，生成齿痕热力图和齿痕分类信息；

根据所述待识别舌头图像、所述齿痕热力图和所述齿痕分类信息生成齿痕识别结果。

2.如权利要求1所述的齿痕识别方法，其特征在于，所述将所述舌头图像输入舌头检测模型进行舌头边缘区域的检测，得到舌头边缘区域图像，包括：

将所述舌头图像输入舌头检测模型；所述舌头检测模型包括多尺度深度网络模型、特征金字塔网络模型和加权融合模型；

通过所述多尺度深度网络模型对所述舌头图像进行舌头特征提取，生成待处理特征图和舌头识别结果；所述舌头识别结果用于判断所述舌头图像是否包括舌头边缘区域；

当所述识别结果表示所述舌头图像包括舌头边缘区域时，将所述待处理特征图输入所述特征金字塔网络模型中进行特征融合，生成融合特征图组；

将所述融合特征图组输入所述加权融合模型中进行插值及加权融合，得到待分割特征图像以及所述待分割特征图像中各个像素点对应的像素值，将与大于预设阈值的像素值对应的像素点确定为舌头边缘区域的坐标点，根据所述坐标点进行舌头边缘区域的分割，得到舌头边缘区域图像。

3.如权利要求2所述的齿痕识别方法，其特征在于，所述将所述融合特征图组输入所述加权融合模型中进行插值及加权融合，得到待分割特征图像，包括：

运用双线性插值法，将所述融合特征图组中的各融合特征图插值，生成与所述融合特征图组对应的扩增特征图，所述扩增特征图与所述舌头图像的尺寸相同；

通过所述加权融合模型将所有所述扩增特征图进行加权融合得到所述待分割特征图像。

4.如权利要求1所述的齿痕识别方法，其特征在于，所述对所述舌头边缘区域图像进行图像预处理，得到待识别舌头图像，包括：

按照预设灰度参数，对所述舌头边缘区域图像进行灰度转换，得到灰度图像；

对所述灰度图像进行归一化处理，得到所述待识别舌头图像。

5.如权利要求1所述的齿痕识别方法，其特征在于，所述将所述舌头图像输入舌头检测模型之前，包括：

获取舌头样本集；所述舌头样本集包括若干舌头样本图像，所述舌头样本图像与一个舌头标识标签关联；

将所述舌头样本图像输入含有初始参数的初始舌头检测模型，通过所述初始舌头检测模型对所述舌头样本图像进行所述舌头特征提取，生成样本识别结果；

根据所述样本识别结果和所述舌头标识标签确定总损失值；

在所述总损失值未满足收敛条件时，迭代更新所述初始舌头检测模型的初始参数，并根据更新后的初始参数计算新的总损失值；当新的总损失值满足所述收敛条件时，将与所述新的总损失值对应的所述初始舌头检测模型确定为所述舌头检测模型。

6.如权利要求5所述的齿痕识别方法，其特征在于，所述样本识别结果包括样本融合特征图组、样本分类识别结果和样本分割识别结果；所述舌头标识标签包括舌头边缘区域标签和舌头边缘区域坐标图像；所述根据所述样本分类识别结果和所述舌头标识标签确定总损失值，包括：

将所述样本分类识别结果和所述舌头边缘区域标签输入第一损失函数，得到第一损失值；

根据所述样本融合特征图组得到舌头边缘区域的预测坐标位置，根据所述舌头边缘区域坐标图像得到舌头边缘区域的坐标位置，将所述预测坐标位置和所述坐标位置输入第二损失函数，得到第二损失值；

根据所述样本分割识别结果和所述舌头边缘区域坐标图像，得到第三损失值；

根据所述第一损失值、所述第二损失值和所述第三损失值确定总损失值。