[发明专利]一种耳像采集装置及其耳像的识别分析方法在审
申请号: | 202210072830.X | 申请日: | 2022-01-21 |
公开(公告)号: | CN114399620A | 公开(公告)日: | 2022-04-26 |
发明(设计)人: | 李青峰 | 申请(专利权)人: | 河南山之峰信息科技股份有限公司 |
主分类号: | G06V10/12 | 分类号: | G06V10/12;G06V10/26;G06V10/44;G06V10/774;G06V10/75;G06V10/77;G06V40/10;G06K9/62 |
代理公司: | 深圳贝谷知识产权代理事务所(普通合伙) 44635 | 代理人: | 马文龙 |
地址: | 471000 河南省洛阳市高新*** | 国省代码: | 河南;41 |
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 采集 装置 及其 识别 分析 方法 | ||
1.一种耳像采集装置,其特征在于:包括手柄和罩体,所述罩体与手柄端部连接;
所述罩体为喇叭形且由内向外依次设置为反光部、折叠部和避光部,所述折叠部的前端与避光部交界处沿着圆周设置有标准比色卡环;
所述手柄上设置有控制开关,内部设有控制电路板,手柄的端部安装有镜头模组,所述镜头模组与控制电路板电连接,所述镜头模组的外围设有环形柔性光源,所述环形柔性光源的灯珠表面设有柔光罩。
2.根据权利要求1所述一种耳像采集装置,其特征在于:所述避光部上紧邻所述标准比色卡环设置有环形的量尺卡,所述标准比色卡环和所述量尺卡均通过胶粘的方式与避光部内壁连接。
3.根据权利要求2所述一种耳像采集装置,其特征在于:所述罩体采用软橡胶材质一体制成,反光部、折叠部和避光部的内侧面均涂覆有白色反光涂层。
4.根据权利要求2或3所述一种耳像采集装置,其特征在于:所述避光部的边沿设为两个凸形边沿和两个凹形边沿,这两个凸形边沿对应,两个凹形边沿对应,凸形边沿和凹形边沿交错设置且以光滑曲线连接。
5.根据权利要求1所述一种耳像采集装置,其特征在于:所述折叠部的径向截面为波浪形,能够弯曲伸缩折叠,其折叠角为3-5°。
6.根据权利要求1所述一种耳像采集装置,其特征在于:所述控制电路板上设有无线连接组件和有线连接组件,通过无线连接组件和有线连接组件能够与计算机以无线方式或有线方式连接;
且所述手柄的背部还安装有显示器,该显示器与控制电路板电连接,能够实时显示所采集的耳像信息。
7.根据权利要求1所述一种耳像采集装置,其特征在于:所述罩体与手柄通过螺纹或卡扣可拆卸连接。
8.根据权利要求1所述一种利用耳像采集装置采集耳像的识别分析方法,其特征在于:包括以下步骤:
步骤一:将标准化拍摄获取的耳像照片进行耳郭外轮廓与脸面部分分割,并依据耳郭标志线矫正耳郭倾斜角度,获得耳部图像初始耳部形状的向量;
步骤二:建立耳穴分区、耳郭生理性特征以及轮廓点、耳穴病理性特征样本库,在标注样本耳像和机器学习训练的基础上,实现耳郭学位区域的自动识别定位;
步骤三:采用卷积算法、局部灰度模型、最小方差比对,优化图形算法,完成耳像特征提取,包括颜色特征、文理特征、形态特征,并将获取特征部位的图像自动分割并分别保存;
步骤四:根据提取耳像特征的分析结果,将所在耳穴区域的特征与特征数据库对比后,形成预诊分析报告。
9.根据权利要求8所述一种利用耳像采集装置采集耳像的识别分析方法,其特征在于:步骤二中建立耳穴分区、耳郭生理性特征及耳郭点识别训练包括以下步骤:
S1:识别耳郭的生理性特征点;
S2:结合耳穴国标的分区进行边缘性分割,获得相应91个耳郭标志点,将标志点做连线划分出不同的耳穴分区;
S3:将标注的数据进行训练识别,建立Shape model,采用M张图片作为训练样本,每张图片标定N(91)个特征点坐标坐标表达为:(x,y),规定每一个样本形状向量的表达形式为:
对每一个样本图片均有一组形成向量S,长度为2*N,i表示是i张样本;
按照图片对角线长度为200进行图片整体大小的放缩,保持图片的长度不变,最终所有图片对角线长度一致,其特征向量也做同样的变换;
图片经过预处理后训练可活动形状模型,生成过程为先执行GPA,然后进行PCA,得到活动形状模型函数表达为:
其中,Savg是整个模型的平均形状,pi是一个权重,表示变化的多少,Si是形状变化,表示所有特征点可移动的整体方向。
10.根据权利要求9所述一种利用耳像采集装置采集耳像的识别分析方法,其特征在于:
首先,执行PGA,使数据对齐;首先,设置两个样本,第一个是模板样本,第二个是需对齐样本,通过以下步骤完成所有样本对齐到模板样本上面;
删除数据平移成分,对每一组样本Si求出所有特征点位置的均值随后将整体特征点集减掉这个均值,从而去掉数据的平移成分;
删除数据的缩放成分,计算每一组样本中特征点的标准差,并将整体数据除以该标准差即可得到去除放缩的数据;
删除旋转成分,寻找一个是两个样本偏差最小的旋转角度,先出数据的协方差矩阵,然后SVD分解,R=UV^T;其中,R为执行的旋转矩阵,乘以旋转矩阵即可把数据旋转到模板的角度;
其次,进行PCA主成分分析,首先对所有已经对齐后的特征进行中心化,函数表达为:
其中,M为总量本数量,表示第j个样本的第i个特征;
生成协方差矩阵,该矩阵表现不同的特征点变化关系,如果对应位置的值大则证明两个特征的变化重合度高,相似性强;
之后,进行特征值分解,取出最大的Ls个特征值对应的特征向量(S1,S2,...,Sls′),每一个特征向量都是182维表示着模型的整体变化方向,组成的形状模型为:
其中,Savg是对每一个对齐后特征平均化得到的模型,也是平均模型,Si表示每一种变化,pi表示每一个变化的影响有多大。
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河南山之峰信息科技股份有限公司,未经河南山之峰信息科技股份有限公司许可,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/202210072830.X/1.html,转载请声明来源钻瓜专利网。