[發(fā)明專利]一種護(hù)理床上老人痛苦表情的智能識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011036047.5
• 申請(qǐng)日: 2020-09-27
• 公開（公告）號(hào): CN112232145A
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計(jì)）人: 張敏;孫瑜;陳麗娟;方美;唐豪
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 朱沉雁

1.一種護(hù)理床上老人痛苦表情的智能識(shí)別方法，通過攝像頭采集躺在護(hù)理床上的老人的圖像作為待識(shí)別圖像，其特征在于，步驟如下：

步驟1、對(duì)待識(shí)別圖像進(jìn)行人臉檢測(cè)，獲得老人臉圖像；

步驟2、對(duì)老人臉圖像進(jìn)行預(yù)處理，獲得預(yù)處理后的老人臉圖像；

步驟3、將預(yù)處理后的老人臉圖像輸入至深度置信網(wǎng)絡(luò)，獲得痛苦特征；

步驟4、通過參考模型識(shí)別痛苦特征，獲取老人痛苦信息。

2.根據(jù)權(quán)利要求1所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于，所述步驟1中，對(duì)待識(shí)別圖像進(jìn)行人臉檢測(cè)，獲得老人臉圖像，具體如下：

將所述待識(shí)別圖像輸入至已訓(xùn)練好的MTCNN人臉檢測(cè)網(wǎng)絡(luò)，通過P-Net網(wǎng)絡(luò)進(jìn)行人臉分類，接著通過R-Net網(wǎng)絡(luò)進(jìn)行人臉邊框回歸，校準(zhǔn)人臉區(qū)域；再通過O-Net網(wǎng)絡(luò)進(jìn)行面部關(guān)鍵點(diǎn)定位，校準(zhǔn)面部的三類特征點(diǎn)，即控制眉間距特征點(diǎn)、上嘴唇特征點(diǎn)、控制眼眉距離特征點(diǎn)。

3.根據(jù)權(quán)利要求1所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于，所述步驟2中，對(duì)老人臉圖像進(jìn)行預(yù)處理，獲得預(yù)處理后的老人臉圖像，具體如下：

老人臉圖像包括人臉框，對(duì)人臉框進(jìn)行預(yù)定倍數(shù)的等比例擴(kuò)大，擴(kuò)大的人臉框中截取所需的人臉區(qū)域；將截取的人臉區(qū)域縮放期望尺寸，所獲得的圖像作為所述預(yù)處理后的老人臉圖像。

4.根據(jù)權(quán)利要求1所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于：步驟3中的深度置信網(wǎng)絡(luò)為多層RBM疊加而成的網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求4所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于，所述RBM包括輸入層/可見層、隱含層、兩層之間的連接權(quán)值；

所述輸入層/可見層由顯元組成，用于輸入訓(xùn)練數(shù)據(jù)，服從伯努利分布或高斯分布；

所述隱含層由隱元組成，用作特征檢測(cè)器，服從伯努利分布；

所述兩層之間的連接權(quán)值用來表達(dá)單元之間的相關(guān)性，層內(nèi)無連接，層間全連接。

6.根據(jù)權(quán)利要求4所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于：依次為將預(yù)處理后的老人臉圖像歸一化為N×N的人臉圖像，輸入第一層RBM獲得該層最優(yōu)的參數(shù)，對(duì)于高層以低層輸出為輸入，獲得多層RBM網(wǎng)絡(luò)最優(yōu)值，利用全局訓(xùn)練對(duì)參數(shù)微調(diào)，使得DBN收斂達(dá)到最優(yōu)值，獲得痛苦特征。

7.根據(jù)權(quán)利要求6所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于：上述進(jìn)行微調(diào)的參數(shù)包括隱藏層和可見層之間的權(quán)值矩陣、可見層的偏置向量、隱藏層的偏置向量。

8.根據(jù)權(quán)利要求1所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于，步驟4中，通過參考模型識(shí)別痛苦特征，獲取老人痛苦信息，具體如下：

通過基于生成的參考模型的半監(jiān)督痛苦表情識(shí)別痛苦特征，

步驟4-1、對(duì)已采集的老人痛苦表情建立參考模型：

對(duì)已采集的一部分老人表情進(jìn)行標(biāo)記，獲得標(biāo)記樣本，利用標(biāo)記樣本初始化參考模型，進(jìn)而對(duì)表情進(jìn)行分類，分為輕度痛苦、深度痛苦和非痛苦表情；

步驟4-2、對(duì)未標(biāo)記的表情采用EM算法估計(jì)參考模型的最優(yōu)參數(shù)，利用參考模型計(jì)算未標(biāo)記的表情在各痛苦類別分布函數(shù)下的后驗(yàn)概率。

9.根據(jù)權(quán)利要求8所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于，所述參考模型是由一個(gè)包含c類參數(shù)的混合模型，建立其對(duì)數(shù)似然函數(shù)，對(duì)似然函數(shù)求最大值就是初始化參考模型。

10.根據(jù)權(quán)利要求8所述的護(hù)理床上老人痛苦表情的智能識(shí)別方法，其特征在于，所述利用參考模型計(jì)算未標(biāo)記的表情在各痛苦類別分布函數(shù)下的后驗(yàn)概率，即利用訓(xùn)練好的參考模型，計(jì)算痛苦表情在每個(gè)痛苦類別下的概率，之后根據(jù)概率分類，計(jì)算某類別最大概率即痛苦表情屬于該類別。