[发明专利]一种手部异常图像算法

说明书

本发明公开了一种手部异常图像算法，包括如下步骤：S1、导入图像，将手部图像导入；S2、二值化图像，将导入的手部图像转变为灰度图；S3、设置特征参数，根据具体场景设置特征点二值化阈值、特征点颜色取值、特征点面积大小、特征点圆度大小、特征点惯性大小和特征点凸度大小；S4、特征点位置标记并保存，对满足要求的特征点及其横纵坐标位置进行标记和保存；S5、获取特征点位置；S6、对特征点位置进行处理并输出最终检测结果。本发明可以及时并迅速对手部图像进行分析判断，对硬件设备没有过高的硬性需求，可以解决一部分没有高性能设备的场景需求，可在特定和指定场合下对特殊人群进行必要的手部异常筛查。

技术领域

本发明涉及特定和指定场合下的对特殊人群进行必要的手部异常筛查技术领域，具体为一种手部异常图像算法。

背景技术

目前，幼儿安全是全社会和家长的重要关注点；在幼儿园等场所都会配备一些校医或者老师进行入园筛查，来确保入园的孩子的健康和安全；确保手部不会携带一些传染病症并且及时发现小孩手部的异常；但是幼儿入园时和离园的时候，人流量过大，会导致现场的拥挤和秩序混乱。

这个时候就急需仪器仪表的帮助，仪器仪表的介入可以有效地减轻人员人力的浪费，并且可以及时的记录和保存历史数据。此时就需要针对手部图像进行分析，判断手部是否有异常：色斑、色点等区别于正常皮肤的异常点；来来有效地预警和报警告知校园和监护人。

目前市面上的各类检测算法层出不穷，有基于CNN和RNN的神经网络模型，但是对硬件设备要求高、速度慢，设备昂贵等，并且识别率和硬件设备并不成正比。

发明内容

本发明的目的在于提供一种手部异常图像算法，可以及时并迅速对手部图像进行分析判断，对硬件设备没有过高的硬性需求，可以解决一部分没有高性能设备的场景需求，可在特定和指定场合下对特殊人群进行必要的手部异常筛查，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种手部异常图像算法，包括如下步骤：

S1、导入图像，获取手部图像，并将手部图像导入；

S2、二值化图像，将导入的手部图像转变为灰度图；

S3、设置特征参数，根据具体场景设置特征点二值化阈值、特征点颜色取值、特征点面积大小、特征点圆度大小、特征点惯性大小和特征点凸度大小；

S4、特征点位置标记并保存，基于设置的特征参数获得手部图像中满足要求的特征点，并获取对应在手部图像中的横纵坐标位置，对满足要求的特征点及其横纵坐标位置进行标记和保存；

S5、获取特征点位置，根据标记和保存的满足要求的特征点及其横纵坐标位置得到特征点位置；

S6、对特征点位置进行处理并输出最终检测结果。

作为本发明的一种手部异常图像算法优选的，所述S3中设置特征点二值化阈值包括：

设定一个低阈值和一个高阈值，再设定一个阈值步进；

从低阈值到高阈值按照阈值步进取一系列的阈值，即对[min Threshold，maxThreshold)区间，以thresholdStep为间隔，用每一个阈值对手部图像进行二值化，得到一系列图像。

作为本发明的一种手部异常图像算法优选的，所述S3中设置特征点颜色取值为[0，255]，其中数值越大手部图像越黑。

作为本发明的一种手部异常图像算法优选的，所述S3中设置特征点面积大小必须小于手部图像大小。

作为本发明的一种手部异常图像算法优选的，所述S3中设置圆度大小为[0，1]，其中测量斑点距圆的距离。