[發明專利]一種基于機器學習的足底圖像智能標定方法在審
| 申請號： | 202011020788.4 | 申請日： | 2020-09-25 |
| 公開（公告）號： | CN112116016A | 公開（公告）日： | 2020-12-22 |
| 發明（設計）人： | 蔣崢崢;林純;彭志娟;顧翔;嚴燕;王丹丹;陳曉紅 | 申請（專利權）人： | 南通大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04;G06T5/00;G06T7/00;G06K9/20;A61H39/02 |
| 代理公司： | 北京科家知識產權代理事務所(普通合伙) 11427 | 代理人： | 徐思波 |
| 地址： | 226019 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 機器 學習 足底 圖像 智能 標定 方法 | ||
1.一種基于機器學習的足底圖像智能標定方法，其特征在于：包括以下步驟：
S1、采集足底圖像；
S2、人工對足底圖像進行反射區標定，將人工標定的圖像數據作為訓練數據發送到圖像標定模型；
S3、圖像標定模型根據訓練數據進行訓練，得到訓練后的圖像標定模型；
S4、采集待測足底圖像；
S5、將待測足底圖像發送到訓練好的圖像標定模型進行標定，輸出反射區標定結果。
2.如權利要求1所述的一種基于機器學習的足底圖像智能標定方法，其特征在于：所述采集足底圖像，具體為：通過圖像采集設備采集雙足的足底平面圖像。
3.如權利要求1所述的一種基于機器學習的足底圖像智能標定方法，其特征在于：步驟S1還包括：將采集的足底圖像放大以使足底的最大寬度為20cm。
4.如權利要求1所述的一種基于機器學習的足底圖像智能標定方法，其特征在于：步驟S2中，所述反射區包括：心臟、肝臟、肺、胃和腎臟。
5.如權利要求1所述的一種基于機器學習的足底圖像智能標定方法，其特征在于：所述圖像標定模型根據訓練數據進行訓練，得到訓練后的圖像標定模型，具體為：圖像標定模型根據訓練數據進行訓練，然后對低確定性區域的圖像數據進行再次訓練，得到訓練完成的圖像標定模型。
6.如權利要求2所述的一種基于機器學習的足底圖像智能標定方法，其特征在于：所述圖像采集設備采用紅外攝像機。
7.如權利要求1所述的一種基于機器學習的足底圖像智能標定方法，其特征在于：所述步驟S1還包括，對得到的足底圖像進行去噪，并將足底圖像進行灰度處理以獲得足底灰度圖像。
8.如權利要求1所述的一種基于機器學習的足底圖像智能標定方法，其特征在于：所述圖像標定模型為全卷積神經網絡。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南通大學，未經南通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011020788.4/1.html，轉載請聲明來源鉆瓜專利網。
