[發明專利]一種基于圖像的運動檢測方法

有效

• 申請號: 202010894625.2
• 申請日: 2020-08-31
• 公開（公告）號: CN112070801B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 魏博;郭駿杰;張勝發;古家瑋;蘇志強;楊博;吳昊;喬杉;崔磊;田周
• 申請（專利權）人: 上海沈德醫療器械科技有限公司;南通沈德醫療器械科技有限公司;沈德（寧波）醫療器械科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/136;G06T7/11;G06T7/00;G06V10/762
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 翁惠瑜

1.一種基于圖像的運動檢測方法，其特征在于，具體為：

采集檢測對象的基準圖像，在基準圖像上設置若干個第一檢測點，以第一檢測點為中心在基準圖像上提取基礎標識，將所有基礎標識分為若干個類別，每個類別至少包含1個基礎標識；

采集檢測對象的檢測圖像，所述的檢測圖像的圖像要素與基準圖像的圖像要素相同，所述的圖像要素包括位置、方向、大小和分辨率；

在檢測圖像中匹配各個基礎標識，獲取各個基礎標識在基準圖像和檢測圖像之間的偏移向量，判斷各個基礎標識的偏移向量的模是否大于第二設定閾值，若是則判斷該基礎標識發生移動，否則該基礎標識未發生移動；

判斷每個類別中發生移動的基礎標識的數量占比是否大于第三設定閾值，若是則判斷該類別發生移動，否則該類別未發生移動，根據各個類別是否發生運動判斷檢測對象的整體和局部運動情況。

2.根據權利要求1所述的一種基于醫學圖像的運動檢測方法，其特征在于，對每個類別中的所有基礎標識進行聚類，獲得若干個簇，其中每個類別中包含的基礎標識的數量最多的簇記為C_max，當C_max中包含的基礎標識的數量在C_max所在類別包含的基礎標識總量中所占比例不小于第一設定閾值時，計算C_max中所有基礎標識的偏移向量平均值并將C_max所在類別的其它簇的基礎標識的偏移向量均設為

3.根據權利要求2所述的一種基于醫學圖像的運動檢測方法，其特征在于，對每個類別進行聚類的過程具體為：

將偏移向量之差的模小于第五設定閾值的兩個基礎標識歸為同一簇，未歸簇的基礎標識的偏移向量與簇內偏移向量平均值之差小于第五設定閾值時，將該未歸簇的基礎標識歸入該簇內。

4.根據權利要求1所述的一種基于醫學圖像的運動檢測方法，其特征在于，所述的基礎標識為圖像片段，所述的圖像片段的提取過程具體為：

以第一檢測點為中心，在基準圖像上提取與第一檢測點之間的距離在第一設定距離范圍內的圖像，構成圖像片段。

5.根據權利要求4所述的一種基于醫學圖像的運動檢測方法，其特征在于，當基準圖像上的第一檢測點的數量小于第四設定閾值時進行檢測點擴充，所述的擴充的具體過程為：

設置第四設定閾值，以第一檢測點為中心，在第二設定距離范圍內設置若干個第二檢測點，設置設定熵閾值，以第二檢測點為中心，在基準圖像上提取與第二檢測點之間的距離在第一設定距離范圍內的圖像，保留熵值大于設定熵閾值的圖像，作為擴充的圖像片段。

6.根據權利要求1所述的一種基于醫學圖像的運動檢測方法，其特征在于，所述的基礎標識為圖像特征點，所述的圖像特征點的提取過程具體為：

以第一檢測點為中心，識別基準圖像上與第一檢測點之間的距離在第三設定距離范圍內的圖像特征點。

7.根據權利要求6所述的一種基于醫學圖像的運動檢測方法，其特征在于，所述的圖像特征點為Harris角點。

8.根據權利要求1所述的一種基于醫學圖像的運動檢測方法，其特征在于，采用基于密度的聚類算法將可以聚團的基礎標識歸為一個類別。

9.根據權利要求8所述的一種基于醫學圖像的運動檢測方法，其特征在于，所述的聚類算法為DBSCAN。

10.根據權利要求1所述的一種基于醫學圖像的運動檢測方法，其特征在于，對基準圖像進行分割，獲得不同的圖像分割單元，位于同一圖像分割單元上的基礎標識歸為一個類別。