[发明专利]一种基于单阶人脸定位算法的婴儿窒息或猝死预警方法

说明书

本发明涉及一种基于单阶人脸定位算法的婴儿窒息或猝死预警方法，属于计算机视觉领域；它解决了现今通过实时图像对婴儿窒息或猝死进行预防和报警的方法等问题；其技术方案是：基于单阶人脸定位算法的Acc‑Retinaface网络模型，预测出婴儿人脸框、68个人脸关键点以及人脸关键点遮挡信息；监控婴儿人脸及周边情况，实时返回婴儿人脸图像，通过对婴儿脸部被遮挡关键点权重值计算当下婴儿的窒息猝死风险值；将窒息猝死风险值与设定的警报阈值、风险阈值比较判断，并向终端设备返回相应预警信号。本发明实时识别婴儿人脸并检测人脸遮挡情况，对婴儿窒息或猝死情况进行预警，可有效降低婴儿因口鼻遮挡、胃食道反流、婴儿猝死综合症等原因造成的窒息或猝死概率。

技术领域

本发明涉及一种基于单阶人脸定位算法的婴儿窒息或猝死预警方法，属于计算机视觉领域。

背景技术

婴儿是指出生6周-12个月阶段的儿童。由于在1周岁前，各个系统功能不成熟，对外界危险的抵抗力极弱，趴睡、口鼻遮挡、与他人同睡等都很容易造成婴儿窒息。同时，由于婴儿消化功能尚未发育健全造成的胃食管反流（吐奶）也是导致婴儿窒息发生的一个重要因素。根据儿童意外死亡原因统计显示，婴儿意外窒息导致的死亡率极高。

婴儿猝死综合症（以下简称为SIDS）也是导致婴儿意外死亡的重要原因之一。婴儿猝死综合症是指外表看起来完全健康的婴儿突然意外死亡。根据规定：婴儿突然意外死亡，死后虽经尸检亦未能确定其致死原因者称SIDS。SIDS是2周~1岁之间婴儿最常见的死亡原因，占该年龄组死亡率的30%，发病率一般为1‰~2‰。SIDS一般发病时间段为半夜至早晨，这个时间段的婴儿及家长大部分处于睡眠中，很难及时发现问题并做出应急措施，因此SIDS也称为“摇篮猝死”。常见的导致SIDS原因，如婴儿俯卧或侧卧睡眠、放置软的寝具、与他人同床睡眠、束缚过紧/过热等影响婴儿正常呼吸的行为。

现有技术中，针对上述婴儿意外窒息及突发猝死情况的检测，市面上大部分采用基于各类传感器的婴儿呼吸检测报警设备，这类设备一般在婴儿发生意外，身体特征出现非正常表现时才被检测出来，即为一种事后报警装置。婴儿期突发性窒息情况可能对身体机能造成极大的不可逆损害甚至威胁生命安全，例如婴儿由于呼吸系统功能不成熟突发呼吸停止，或是由于消化系统未发育完全造成的吐奶导致食道或呼吸道堵塞呛奶引起的突发性窒息。因此在意外发生初期，尽快阻止危险情况变得尤为重要，而事后报警装置反应时间一般较长，不能及时制止这类突发危险状况的发展。通过实时图像对婴儿窒息或猝死进行预防与报警的方法可以提前发现潜在的窒息或猝死危险并反馈风险值，在危险发生前及时制止。

本发明中的婴儿窒息或猝死预警的方法中使用到的人脸关键点检测方法属于深度学习方法。传统的人脸检测技术在人脸发生遮挡时，由于部分人脸特征消失，特征提取功能泛化能力差，不同的遮挡位置和人脸方向对结果影响较大，且难以解决大型形状变化问题，对于非正面的婴儿人脸图像遮挡识别能力差，人脸姿势、方向、遮挡物形状等都会来带来极大误差。使用深度学习方法进行人脸检测相对传统方法可改善上述情况，深度学习方法需要大型数据集进行网络模型训练且数据集对人脸遮挡识别效果有较大影响，而在网络模型中加入人脸关键点检测并在关键点信息中加入遮挡信息可帮助网络模型在小型训练数据集的基础上取得更稳定的遮挡检测效果。本发明中采用的遮挡检测方法是一种基于单阶人脸定位的方法，其中使用到的网络模型命名为Acc-Retinaface网络模型，Acc-Retinaface是在人脸检测模型上加入人脸关键点遮挡的单阶人脸检测器，并在网络模型中加上遮挡信息的特征提取通道以及增加关键点输出数量，Acc-Retinaface可以更好地判断实时婴儿图像的脸部遮挡情况。Acc-Retinaface网络模型框架是基于传统的目标检测框架RetinaNet上添加上下文级联检测模块，提升了检测精度使得人脸分类更精确且人脸框预测更准确。Acc-Retinaface人脸检测方法在更准确定位婴儿人脸的基础上，可以返回婴儿脸上的68个关键点的遮挡信息，从而实时判断婴儿的窒息或猝死风险。