[發明專利]脊柱變形人群識別方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202010513066.6
• 申請日: 2020-06-08
• 公開（公告）號: CN111666890B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 唐子豪;劉莉紅;劉玉宇
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/40;G06V10/764;G06V10/82;G06V10/80;G06N3/0464;G06N3/045;G16H50/20;G16H50/30
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 周燕君

1.一種脊柱變形人群識別方法，其特征在于，包括：

接收目標識別指令，獲取與待識別目標對應的唯一碼關聯的圖像數據和非圖像數據；所述圖像數據為與背部相關的圖像；所述非圖像數據為與待識別目標相關的信息；

將所述圖像數據輸入背部區域識別模型，通過所述背部區域識別模型對所述圖像數據進行背部區域的識別，獲取所述背部區域識別模型截取出的待識別背部區域圖像；所述背部區域識別模型為基于YOLO模型搭架的深度卷積神經網絡模型；

對所述待識別背部區域圖像進行圖像增強處理，得到待識別區域增強圖像；

將所述待識別區域增強圖像輸入脊柱識別模型，通過所述脊柱識別模型提取所述待識別區域增強圖像中的脊柱特征，獲取所述脊柱識別模型根據所述脊柱特征輸出的第一特征向量圖，同時將所述非圖像數據輸入數據標準化模型，通過所述數據標準化模型對所述非圖像數據進行歸一化及邊緣權重處理，獲得第二特征向量圖；

將所述第二特征向量圖進行邊緣填充至所述第一特征向量圖，得到第三特征向量圖；

將所述第三特征向量圖輸入訓練完成的脊柱圖卷積網絡模型；

根據GCN中的頻譜域方法，通過所述脊柱圖卷積網絡模型提取所述第三特征向量圖中的脊柱頻域特征，獲取所述脊柱圖卷積網絡模型根據所述脊柱頻域特征輸出的識別結果；所述識別結果表征了所述待識別目標的脊柱變形人群的類別，所述脊柱變形人群的類別包括側彎人群、脊柱駝背人群、潛在脊柱側彎人群、潛在脊柱駝背人群和非脊柱變形人群；

所述通過所述背部區域識別模型對所述圖像數據進行背部區域的識別，獲取所述背部區域識別模型截取出的待識別背部區域圖像，包括：

將目標背部背面圖像輸入所述背部區域識別模型中的背部背面區域識別模型，同時將目標背部側面圖像輸入所述背部區域識別模型中的背部側面區域識別模型；所述圖像數據包括所述目標背部背面圖像和所述目標背部側面圖像；

根據YOLO算法，通過所述背部背面區域識別模型進行識別，截取出只含有所述待識別目標的背部背面的待識別背部背面區域圖像，同時通過所述背部側面區域識別模型進行識別，截取出只含有所述待識別目標的背部側面的待識別背部側面區域圖像；

將所述待識別背部背面區域圖像和所述待識別背部側面區域圖像確定為所述待識別背部區域圖像；

所述對所述待識別背部區域圖像進行圖像增強處理，得到待識別區域增強圖像，包括：

對所述待識別背部區域圖像中的所述待識別背部背面區域圖像進行灰度化處理，得到背部背面灰度圖像，同時對所述待識別背部區域圖像中的所述待識別背部側面區域圖像進行灰度化處理，得到背部側面灰度圖像；

對所述背部背面灰度圖像進行圖像去噪音及邊緣增強處理，得到背部背面增強圖像，同時對所述背部側面灰度圖像進行圖像去噪音及邊緣增強處理，得到背部側面增強圖像；

將所述背部背面增強圖像和所述背部側面增強圖像確定為所述待識別區域增強圖像。

2.如權利要求1所述的脊柱變形人群識別方法，其特征在于，所述脊柱特征包括側彎特征和駝背特征；

所述通過所述脊柱識別模型提取所述待識別區域增強圖像中的脊柱特征，獲取所述脊柱識別模型根據所述脊柱特征輸出的第一特征向量圖，包括：

通過側彎識別模型對所述背部背面增強圖像進行所述側彎特征提取，同時通過駝背識別模型對所述背部側面增強圖像進行所述駝背特征提取；所述脊柱識別模型包括所述側彎識別模型和所述駝背識別模型；

獲取所述側彎識別模型根據所述側彎特征輸出的側彎特征向量圖，同時獲取所述駝背識別模型根據所述駝背特征輸出的駝背特征向量圖；

將所述側彎特征向量圖與所述駝背特征向量圖進行拼接，得到所述第一特征向量圖。

3.如權利要求1所述的脊柱變形人群識別方法，其特征在于，所述通過數據標準化模型對所述非圖像數據進行歸一化及邊緣權重處理，獲得第二特征向量圖，包括：

獲取所述非圖像數據中的各個維度和與各個所述維度對應的維度數據；

獲取與各個所述維度匹配的歸一化規則和邊緣權重參數；

根據與各個所述維度匹配的歸一化規則，對所有所述維度數據進行歸一化處理，得到與各個所述維度對應的維度標準值；

根據與各個所述維度匹配的邊緣權重參數，對所有與所述維度標準值進行邊緣加權處理，得到與各個所述維度對應的加權值；

對所有所述加權值進行擴充，得到所述第二特征向量圖。