[發明專利]基于運動能量識別眼瞼痙攣的方法

在審

• 申請號: 202110301382.1
• 申請日: 2021-03-22
• 公開（公告）號: CN112818957A
• 公開（公告）日: 2021-05-18
• 發明（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: 南京眾聯專利代理有限公司 32206
• 代理人: 薛雨妍

本發明公開了一種基于運動能量識別眼瞼痙攣的方法，首先，使用攝像機或手機，從正面拍攝靜坐狀態下受試者的面部視頻圖像序列。隨后，通過人臉對齊，對視頻圖像序列中的面部關鍵點進行幾何定位，并根據關鍵點的位置對受試者面部圖像進行區域分割，提取眼部區域進行重點分析。接著，對面部視頻圖像序列進行特征提取，使用差分算子計算運動能量圖，使用積分算子計算積分平均圖，分別從運動能量圖和積分平均圖中提取方向梯度直方圖特征。最后，基于支持向量機設計并聯集成分類器，對眼瞼痙攣及其類型進行識別。本發明將基于視頻圖像序列的運動分析技術用于眼瞼痙攣疾病的臨床診斷，實現眼瞼痙攣疾病的識別分型，對促進人工智能醫學影像輔助診斷技術發展具有重要意義。

技術領域

本發明涉及人工智能、醫學影像、臨床醫學技術領域，尤其涉及一種基于運動能量識別眼瞼痙攣的方法。

背景技術

面部運動分析相關研究中一個較為典型的應用是微表情識別，微表情是一種特殊的面部表情，相比于普通的表情，微表情持續時間更短并且每幀之間圖像的變化更加細微。目前微表情識別的工作難點主要有兩個方面：第一，微表情的持續時間短、動作強度低，需要進行合理的圖像預處理和運動特征提取；第二，微表情的數據采集與鑒定比較困難，現有的微表情數據集較少，因此無法有效地將深度學習應用在微表情識別領域。

微表情自發現以來，一直是國內外研究者的一個重要研究課題。目前在微表情識別領域已有一些團隊在進行研究，日本的Polikovsky團隊使用3D直方圖進行微表情的檢測與識別，該團隊所提出的方法在部分面部區域具有較好的識別效果。美國的Shreve團隊使用光流法進行微表情識別，該團隊提出的算法對光照不均勻、大量移動等干擾因素具有魯棒性，但是依賴于面部皮膚中形變的大小。芬蘭的趙國英團隊使用時間差值模型和LBP-TOP算法提取視頻圖像的時域和空域特征，進行微表情識別，該算法測試庫樣本量仍需進行擴充。中國科學院傅小蘭團隊使用Gabor濾波器來提取圖像序列的運動特征，再使用SVM進行微表情分類。

至今，微表情識別在心理診斷、測謊、案情審理等方面有了一些初步應用，但并未有將其應用于面部運動障礙分析場景中。面部運動障礙即面部肌肉喪失隨意運動能力，不能跟隨意志自主運動或不受意志控制隨意運動，在靜坐狀態下通常表現為肌肉痙攣和張瞼失用等現象，可以理解為一種特殊模式的微表情識別。微表情研究中常用的數據庫將微表情序列分為高興、厭惡、驚訝、抑郁和緊張，而本專利所研究的面部運動障礙不屬于常見的微表情類別，現有的微表情數據庫與識別方法無法有效的解決面部運動障礙分析與識別問題。

發明內容

為解決上述問題，針對現有技術的不足，本發明公開了基于運動能量識別眼瞼痙攣的方法。本發明通過采集眼瞼痙攣患者和健康對照者的面部視頻圖像序列，使用人臉圖像分割和面部圖像處理等技術構建面部運動模型，分析面部肌肉的運動模式，使用支持向量機并聯集成分類器進行識別分類，首次將基于視頻圖像序列的運動分析技術應用于面部運動障礙疾病的臨床診斷，對給定的面部運動障礙疾病進行識別分類，實現人工智能醫學影像輔助診斷。

本發明的技術方案如下：

本發明公開了一種基于運動能量識別眼瞼痙攣的方法，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，識別眼瞼痙攣及其類型，其中包括如下步驟：

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。