[發(fā)明專利]基于運動能量識別眼瞼痙攣的方法

在審

• 申請?zhí)枺?/td>: 202110301382.1
• 申請日: 2021-03-22
• 公開（公告）號: CN112818957A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設計）人: 金立左;李文慧;閻俊
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G16H30/20
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 薛雨妍

1.基于運動能量識別眼瞼痙攣的方法，其特征在于：以視頻圖像序列為信息載體，使用智能分析算法，自動提取受試者的面部運動特征，識別眼瞼痙攣疾病及其類型，主要包括如下步驟：

步驟1，面部視頻采集；

步驟2，面部關鍵點定位；

步驟3，面部區(qū)域分割；

步驟4，面部序列圖像處理；

步驟5，面部運動特征提取；

步驟6，眼瞼痙攣識別分型。

2.根據權利要求1所述的基于運動能量識別眼瞼痙攣的方法，其特征在于：步驟1中，使用攝像機或手機，拍攝受試者在靜坐狀態(tài)下的面部運動視頻圖像序列，其中受試者包括眼瞼痙攣患者和健康對照者，并由運動障礙疾病診治專家觀看受試者面部運動視頻圖像，診斷受試者是否患病及患病類型；根據患者眼部異常運動的臨床表現，將面部運動障礙疾病中的眼瞼痙攣分為不伴眼瞼閉合、部分眼瞼閉合及完全眼瞼閉合三類，與健康受試者形成對照，構建眼瞼痙攣疾病視頻圖像數據集。

3.根據權利要求1所述的基于運動能量識別眼瞼痙攣的方法，其特征在于：步驟2中，使用多任務級聯(lián)卷積神經網絡(MTCNN)，對視頻圖像序列中的人臉進行檢測與對齊處理，人臉邊框回歸任務預測每一個邊框的左上角坐標、邊框的高和寬，計算每一個候選邊框與位置最近的標注框y_i^box的差值，通過最小化歐氏距離回歸損失確定最優(yōu)邊框，其中回歸損失函數的表達式為：

根據回歸得到的人臉邊框，使用卷積專家約束局部模型(CE-CLM)，對輸入的視頻圖像序列進行面部關鍵點檢測；CE-CLM模型由兩個主要部分組成：響應圖的計算和形狀參數的更新，前者使用卷積專家網絡(CEN)計算響應映射，后者使用點分布模型進行形狀參數的更新；迭代過程中，所有標記點的位置更新是相互影響的，其中優(yōu)化目標函數的表達式為：

式中，p*是控制標記點位置的最優(yōu)參數集，p是當前估計值，D_i是輸入圖像I中x_i的對齊概率，R(*)是點分布模型實施的正則化項。

4.根據權利要求1所述的基于運動能量識別眼瞼痙攣的方法，其特征在于，步驟3中，根據CE-CLM模型得到面部68個特征點位置，將各特征點位置坐標轉換到像素坐標系中，通過面部五官關鍵點將面部圖像分割成多個感興趣區(qū)域(ROI)；本發(fā)明針對眼部ROI進行處理，每只眼睛6個特征點P＝{(x₁,y₁),...,(x_i,y_i)},i＝1,2,...,6，分別分布于內外眼角、上眼瞼和下眼瞼，以內外眼角特征點連線的中點為中心P_c(x_c,y_c)，裁取大小為120×50像素的眼部ROI，并保證眼部輪廓、形狀和紋理細節(jié)信息完整。