[發(fā)明專利]一種適用于眼部常規(guī)視力檢查的便攜式系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010499545.7
• 申請日: 2020-06-04
• 公開（公告）號: CN111685723A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 黃海
• 申請（專利權(quán)）人: 美蒂邁(上海)醫(yī)療科技有限公司
• 主分類號: A61B3/032
• 分類號: A61B3/032
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

1.一種適用于眼部常規(guī)視力檢查的便攜式系統(tǒng)，其特征在于：包括用于支撐所有前端采集到的用戶選擇后的結(jié)果數(shù)據(jù)并進(jìn)行計算與處理核心數(shù)據(jù)處理模塊，所述核心數(shù)據(jù)處理模塊分別連接用于實現(xiàn)前端硬件終端觸屏控制功能的觸控按鍵模塊、對數(shù)據(jù)進(jìn)行邏輯計算與判斷分析的數(shù)據(jù)分析模塊、對數(shù)據(jù)進(jìn)行存儲與管理的數(shù)據(jù)存儲模塊，所述觸控按鍵模塊連接用于實時顯示視力表符號的符號選擇模塊，所述符號選擇模塊連接用于控制控制視力表符號自動放大、控制大屏硬件終端符號顯示狀態(tài)的符號標(biāo)準(zhǔn)放大模塊，所述符號標(biāo)準(zhǔn)放大模塊連接用于控制視力表的符號顯示放大狀態(tài)并校對用戶選擇的符號校對放大模塊，所述符號校對放大模塊連接符號選擇確認(rèn)模塊并將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)分析模塊，用戶通過操作符號選擇確認(rèn)模塊進(jìn)行視力表符號方向確認(rèn)和選擇。

2.如權(quán)利要求1所述的一種適用于眼部常規(guī)視力檢查的便攜式系統(tǒng)，其特征在于：所述數(shù)據(jù)存儲模塊連接數(shù)據(jù)信息回傳查看模塊將檢查結(jié)果傳輸?shù)酱鎯Ψ?wù)器，通過數(shù)據(jù)信息回傳查看模塊發(fā)送給用戶。

3.如權(quán)利要求1所述的一種適用于眼部常規(guī)視力檢查的便攜式系統(tǒng)，其特征在于：所述前端硬件和大屏硬件之間通過藍(lán)牙或無線網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸。

4.一種適用于眼部常規(guī)視力檢查的便攜式系統(tǒng)的數(shù)據(jù)跟蹤方法，其特征在于：

計算目標(biāo)模型的概率密度，目標(biāo)被估計位置與核窗寬；

用目標(biāo)被估計位置初始化當(dāng)前幀的目標(biāo)位置，計算候選目標(biāo)模型；

計算當(dāng)前窗口內(nèi)各點的權(quán)重值；

以兩個目標(biāo)模板分布的相似性最大為原則，使搜索窗口沿密度增加最大的方向移動，得到目標(biāo)的真實位置。

5.如權(quán)利要求4所述的一種適用于眼部常規(guī)視力檢查的便攜式系統(tǒng)的數(shù)據(jù)跟蹤方法，其特征在于，包括如下步驟：

步驟一、目標(biāo)模型描述:

通過人工標(biāo)注的方式在初始幀確定包含跟蹤目標(biāo)的區(qū)域,假設(shè)其中有n個像素用{Z_i}表示其位置，i＝1,……,n，對選中的區(qū)域的灰度顏色空間均勻劃分，得到由m個相等的區(qū)間構(gòu)成的灰度直方圖,目標(biāo)模型的q_u概率密度(u＝1,……,m)可表示為：

其中表示以目標(biāo)中心為原點的歸一化像素位置，(x₀,y₀)為目標(biāo)中心坐標(biāo),K是核函數(shù)，b(Z_i)表示Z_i處像素屬于哪個直方圖區(qū)間，u是直方圖的顏色索引,C是歸一化系數(shù)；

步驟二、候選模型描述：

在第t幀時，根據(jù)第t-1幀的目標(biāo)中心位置f₀，以f₀為搜索窗口的中心，得到候選目標(biāo)的中心位置坐標(biāo)f，計算當(dāng)前幀的候選目標(biāo)區(qū)域直方圖；該區(qū)域的像素用Z_i，i＝1,……,n表示，則候選模型概率密度為：

其中h為核函數(shù)窗口大小，決定著權(quán)重分布，其他參數(shù)同目標(biāo)模型描述；

步驟三、相似性度量：

相似性函數(shù)將前一幀中目標(biāo)的中心位置f₀作為搜索窗口的中心，尋找使得相似函數(shù)最大的候選區(qū)域，即是本幀中目標(biāo)的位置；

步驟四、MeanShift迭代過程：

將相似性函數(shù)進(jìn)行泰勒展開，得到近似表達(dá)：

上式中只有第二項隨f變化，其極大化過程就可以通過候選區(qū)域中心向真實區(qū)域中心的MeanShift迭代方程完成：

其中，g(x)＝-K²(X),從f_k起向兩個模型相比顏色變化最大的方向不斷移動，直到最后兩次移動距離小于閾值，即找到當(dāng)前幀的目標(biāo)位置，并以此作為下一幀的起始搜索窗口中心，如此重復(fù)。