[发明专利]具有分布式用户终端的舌苔图像获取与分析系统有效

专利信息
申请号: 201310302483.6 申请日: 2013-07-15
公开(公告)号: CN104298983B 公开(公告)日: 2018-09-11
发明(设计)人: 李梢;谭艾迪 申请(专利权)人: 清华大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/143;G06T5/30;G16H50/30
代理公司: 北京金恒联合知识产权代理事务所 11324 代理人: 李强
地址: 100084 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 一种具有分布式用户终端的舌苔图像获取与分析系统,其优点包括:具有分布式的用户应用端,这些应用端能够稳定工作于各种移动终端(如三星、联想、小米、摩托罗拉、HTC等各品牌的Android手机,具有类似配置级别的其它手机,具有通讯功能的智能照相机或智能摄像机等),没有额外的硬件资源投入,因而真正走进寻常百姓的生活;升级工作主要集中于中央单元一端,因而整个系统易于升级且使用户不受任何影响;因为移动终端与人之间的特定联系,系统能够提供连续的个体化舌象分析,为用户个性化地监控健康状况、预防疾病发生或监控疾病发展与治疗过程提供一种参考。
搜索关键词: 具有 分布式 用户 终端 舌苔 图像 获取 分析 系统
【主权项】:
1.一种具有分布式用户终端的舌苔图像获取与分析系统,其特征在于包括:多个用户终端,包括至少一个计算节点的中央单元,其中各用户终端包括:用户辨识模块,用于确认用户身份以使舌苔分析结果具有特定性、连续性;拍摄模块,用于调用移动终端的摄像头完成舌苔图像拍摄;上传模块,用于利用所述用户终端上的通讯组件将舌苔图像上传至中央单元,并随后等待和接收中央单元的回复;分析结果展示模块,用于在上传模块接收到所述回复后被调用以展示对所述舌苔图像的分析结果,所述中央单元包括:模型训练系统,用于根据样本情况,定期更新预测模型;舌苔图像分析系统,其始终运行在后台,用于监听、回应新的舌苔图像分析请求;样本管理模块,用于用户标识、信息和样本数据库的管理,是模型训练系统和舌苔图像分析系统的共有模块,所述模型训练系统包括舌苔识别模块、舌苔特征提取模块、预测建模模块、以及共有的样本管理模块,所述舌苔图像分析系统包括请求处理模块、预测准备模块、预测模块、分析结果发布模块、以及共有的样本管理模块,其中当模型训练系统进行所述预测模型更新时,首先,样本管理模块为无标签的新样本建立索引和人工分类,随后,舌苔识别模块将舌象部分从每个包含背景、人脸的原始舌苔图像中提取出来,舌苔特征提取模块从舌象的像素信息中提取出有信息量的特征,然后根据提取出的特征和人工给予的标签,预测建模模块建立预测模型,供舌苔图像分析系统使用,当有新的舌苔图像分析请求来到舌苔图像分析系统时,请求处理模块将接收到的舌苔图像存储至本地,预测准备模块根据接收到的其他加密信息,查找并对应上该用户,预备好程序环境,并根据存储在中央单元上的标准计算流程,针对该用户进行适当修改形成专用程序,预测模块进行舌苔图像分析,在预测过程中显式地调用舌苔识别模块和舌苔提取模块,分析结果发布模块在预测模块工作完成后被调用,用于将舌苔图像分析结果返回至上述用户终端和/或发布在中央单元提供的浏览服务上,用户辨识模块包括:处理新用户的注册申请的部分,用于在用户申请成功后,把新用户的用户信息和用户标识存入用户数据库,用于从用户数据库中读取已有用户的用户标识和用户信息的部分,用于显示所述用户标识和信息以供用户进行选择的部分,用于接收用户对所述用户标识和用户信息的修改和/或更新并上传至服务器的部分,所述拍摄模块包括:进行距离控制的部分,用于进行舌苔图像拍摄的部分,上传模块包括:进行图像预处理与压缩的部分,用于对舌苔图像进行适当裁剪和缩放,在满足后续算法的需要的前提下减少图像大小,以减少上传时间和流量耗费,用于与中央单元建立起套接字连接的部分,用于在套接字连接建立成功时把当前用户的用户标识发送给中央单元并将预处理与压缩后的舌苔图像上传至中央单元的部分,用于将接收到的舌苔图像分析结果存储至本地数据库的部分,所述舌苔识别模块包括:对整个图像进行合理分割的部分,用于确保舌头部位不被割断;对分割后的图像进行识别的部分,用于找出图像中的舌头部分;对舌头图像进行规范化处理的部分,舌苔提取部分,用于提取舌苔。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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清华大学,未经清华大学许可,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/patent/201310302483.6/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top