[發(fā)明專利]一種基于肝豆?fàn)詈俗冃曰颊叩娜四槺砬樽R別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810344198.3
• 申請日: 2018-04-17
• 公開（公告）號: CN108564042A
• 公開（公告）日: 2018-09-21
• 發(fā)明（設(shè)計(jì)）人: 譚紅春
• 申請（專利權(quán)）人: 譚紅春
• 主分類號: G06K9/00
• 分類號: G06K9/00;G16H50/20
• 代理公司: 北京和信華成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11390
• 代理人: 胡劍輝

本發(fā)明公開了一種基于肝豆?fàn)詈俗冃曰颊叩娜四槺砬樽R別系統(tǒng)，傾斜校正單元通過旋轉(zhuǎn)操作對傾斜的人臉圖像進(jìn)行校正；幾何歸一化單元對表情圖像進(jìn)行裁剪，獲得表情分布豐富的區(qū)域；光照歸一化單元用于增強(qiáng)圖像對比度，光照歸一化單元通過直方圖均衡化對表情圖像進(jìn)行處理；LBP特征提取單元通過計(jì)算局部二值模式LBP用來描述人臉圖像局部紋理特征；表情分類模塊通過支持向量機(jī)SVM對表情進(jìn)行分類。本發(fā)明通過將人臉識別技術(shù)與患者病情的評估與康復(fù)有機(jī)結(jié)合，實(shí)現(xiàn)計(jì)算機(jī)輔助的自動化障礙評估與康復(fù)，不僅可以輔助醫(yī)生診斷、治療，也可用于患者自行診斷，對于患者發(fā)現(xiàn)病情并及時掌握病情的發(fā)展有極大的幫助，具有很高的臨床實(shí)用價值、社會價值和現(xiàn)實(shí)意義。

技術(shù)領(lǐng)域

本發(fā)明屬于人臉表情識別系統(tǒng)技術(shù)領(lǐng)域，特別是涉及一種基于肝豆?fàn)詈俗冃曰颊叩娜四槺砬樽R別系統(tǒng)。

背景技術(shù)

近年來計(jì)算機(jī)科學(xué)與技術(shù)的飛速發(fā)展與進(jìn)步，為人工智能與模式識別技術(shù)的迅猛發(fā)展創(chuàng)造了良好的先決條件，也為人機(jī)交互技術(shù)的高速進(jìn)步奠定了良好的基礎(chǔ)。利用人類固有的靜態(tài)外觀特征或者動態(tài)行為特征識別人類自身的生物特征識別技術(shù)，逐漸受到了研究者們的關(guān)注。生物特征的識別一般包括面部表情識別、虹膜識別、指紋識別、手形識別等方面，尤其是人的面部表情識別在實(shí)際工作與生活中應(yīng)用廣泛，例如在臨床醫(yī)學(xué)中，表情識別技術(shù)可以輔助醫(yī)生了解病人身體狀況的變化、診斷病癥等。

肝豆?fàn)詈俗冃?hepatolenticular degeneration，HLD)患者神經(jīng)系統(tǒng)表現(xiàn)一般出現(xiàn)在12-30歲患者，平均年齡約19歲，常緩慢發(fā)展，可有階段性緩解或加重，亦有進(jìn)展迅速者，特別是年輕患者。突出的神經(jīng)系統(tǒng)臨床表現(xiàn)是錐體外系癥狀，表現(xiàn)為肢體舞蹈樣及手足徐動樣動作，肌張力障礙，怪異表情，靜止性、意向性或姿勢性震顫，肌強(qiáng)直，運(yùn)動遲緩，構(gòu)音障礙，吞咽困難，屈曲姿勢及慌張步態(tài)等。

深度結(jié)構(gòu)化學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)研究的新領(lǐng)域，研究表明多隱層的人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的特征學(xué)習(xí)能力，學(xué)習(xí)得到的特征對數(shù)據(jù)有更本質(zhì)的刻畫，從而有利于可視化或分類，深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練上的難度，可以通過“逐層初始化”來有效克服，逐層初始化可通過無監(jiān)督學(xué)習(xí)實(shí)現(xiàn)的。在過去的這幾年中，深度學(xué)習(xí)的開發(fā)技術(shù)對傳統(tǒng)的信號與信息處理研究產(chǎn)生了廣泛的影響，更廣泛的來看，也包括機(jī)器學(xué)習(xí)和人工智能等重要領(lǐng)域。

當(dāng)前多數(shù)分類、回歸等學(xué)習(xí)方法為淺層結(jié)構(gòu)算法，其局限性在于有限樣本和計(jì)算單元情況下對復(fù)雜函數(shù)的表示能力有限，針對復(fù)雜分類問題其泛化能力受到一定制約。深度學(xué)習(xí)可通過學(xué)習(xí)一種深層非線性網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)復(fù)雜函數(shù)逼近，表征輸入數(shù)據(jù)分布式表示，并展現(xiàn)了強(qiáng)大的從少數(shù)樣本集中學(xué)習(xí)數(shù)據(jù)集本質(zhì)特征的能力。深度學(xué)習(xí)能夠得到更好地表示數(shù)據(jù)的特征，同時由于模型的層次、參數(shù)很多，容量足夠，因此，模型有能力表示大規(guī)模數(shù)據(jù)，所以對于圖像這種特征不明顯的問題，能夠在大規(guī)模訓(xùn)練數(shù)據(jù)上取得更好的效果。此外，從模式識別特征和分類器的角度，深度學(xué)習(xí)框架將特征和分類器結(jié)合到一個框架中，用數(shù)據(jù)去學(xué)習(xí)特征，在使用中減少了手工設(shè)計(jì)特征的巨大工作量，因此，不僅效果可以更好，而且使用起來也有很多方便之處，是機(jī)器學(xué)習(xí)領(lǐng)域十分值得關(guān)注的一套框架。

同時，人臉識別樣本采集工作以往都是基于圖像的方式。比如，先讓受試者依次有序的處于某個拍攝點(diǎn)；然后，樣本采集工作者根據(jù)姿態(tài)、光照、表情等差異對受試者進(jìn)行多次拍攝；最后，樣本采集工作者根據(jù)拍攝得到的圖像進(jìn)行篩選處理，建立人臉識別樣本庫。這種基于圖像的方式雖然直觀，但仍然存在三點(diǎn)不足:第一，讓大量的受試者依次有序的處于拍攝點(diǎn)進(jìn)行多次拍照，這種做法十分耗時耗力；第二，人臉識別對人臉樣本在分辨率上有嚴(yán)格的要求，因此，拍攝的圖像能否達(dá)到識別標(biāo)準(zhǔn)，尚須要樣本采集工作者一一查驗(yàn)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于肝豆?fàn)詈俗冃曰颊叩娜四槺砬樽R別系統(tǒng)，通過將人臉識別技術(shù)與患者病情的評估與康復(fù)有機(jī)結(jié)合，將人工智能應(yīng)用到臨床醫(yī)學(xué)中，實(shí)現(xiàn)計(jì)算機(jī)輔助的自動化障礙評估與康復(fù)，不僅可以輔助醫(yī)生診斷、治療，也可用于患者自行診斷，對于患者發(fā)現(xiàn)病情并及時掌握病情的發(fā)展有極大的幫助，具有很高的臨床實(shí)用價值、社會價值和現(xiàn)實(shí)意義。