[發(fā)明專利]基于人臉面容的輔診方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110305037.5
• 申請(qǐng)日: 2021-03-22
• 公開（公告）號(hào): CN112967798A
• 公開（公告）日: 2021-06-15
• 發(fā)明（設(shè)計(jì)）人: 梁天愷
• 申請(qǐng)（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術(shù)，揭露了一種基于人臉面容的輔診方法，包括：對(duì)原始面容圖像集中的面容圖像進(jìn)行降噪處理，得到面容降噪圖像集，利用預(yù)訓(xùn)練的生成模型對(duì)面容降噪圖像集中的圖像進(jìn)行面容幾何歸一化處理，得到面容幾何圖像集，利用預(yù)設(shè)的光損耗法述面容幾何圖像集中的圖像進(jìn)行灰度歸一化處理，得到標(biāo)準(zhǔn)面容圖像集，利用標(biāo)準(zhǔn)面容圖像集訓(xùn)練預(yù)構(gòu)建的面容分類模型，得到面容輔診模型，利用面容輔診模型對(duì)待分類面容圖像進(jìn)行分類，得到分類輔診結(jié)果。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，所述分類輔診結(jié)果可存儲(chǔ)在區(qū)塊鏈的節(jié)點(diǎn)中。本發(fā)明還提出一種基于人臉面容的輔診裝置、電子設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。本發(fā)明可以解決輔診準(zhǔn)確率較低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于人臉面容的輔診方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

傳統(tǒng)的醫(yī)療輔診系統(tǒng)，主要是以專業(yè)醫(yī)生依自身知識(shí)為主體，為患者提供輔診服務(wù)，在此類基礎(chǔ)的輔診系統(tǒng)中，因?yàn)獒t(yī)生資源的有限、醫(yī)生自身經(jīng)歷的有限以及患者對(duì)病癥的描述的不足，往往容易導(dǎo)致輔診效率低下，甚至出現(xiàn)輔診錯(cuò)誤，延誤患者的最佳治療時(shí)間，同時(shí)因?yàn)樾枰鎸?duì)面的問診，往往容易加大傳染病的傳染性。

隨著人工智能算法的出現(xiàn)，同時(shí)2019年新冠肺炎疫情的持續(xù)發(fā)酵，無接觸式智能問診被推到了風(fēng)口浪尖上，一種新的無需面對(duì)面問診的輔診系統(tǒng)——基于專家系統(tǒng)技術(shù)的輔診系統(tǒng)出現(xiàn)了，該類輔診系統(tǒng)結(jié)合自然語言處理技術(shù)以及專業(yè)醫(yī)生的判斷依據(jù)等，根據(jù)患者不同的輸入或者依據(jù)患者對(duì)不同病癥的選擇，進(jìn)而提供下一個(gè)可能的病癥供患者繼續(xù)選擇，如此一步步深入，直至患者所選擇或輸入的病癥足以讓系統(tǒng)判斷患者的疾病后，給予專業(yè)醫(yī)生合理的輔診資料。然而，這些輔診系統(tǒng)依舊需要患者對(duì)自身的病癥描述以及對(duì)病癥知識(shí)有較好的理解，同時(shí)配以專家醫(yī)生事先設(shè)定的病癥判斷選項(xiàng)來一步步引導(dǎo)患者，雖然很好提高了傳統(tǒng)人工輔診系統(tǒng)的輔診效率，但依舊對(duì)患者的病癥描述有較大的依賴，容易因患者對(duì)病癥知識(shí)的不了解而導(dǎo)致診斷準(zhǔn)確率較低。

發(fā)明內(nèi)容

本發(fā)明提供一種基于人臉面容的輔診方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其主要目的在于解決輔診準(zhǔn)確率較低的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于人臉面容的輔診方法，包括：

對(duì)原始面容圖像集中的面容圖像進(jìn)行降噪處理，得到面容降噪圖像集；

利用預(yù)訓(xùn)練的生成模型對(duì)所述面容降噪圖像集中的圖像進(jìn)行面容幾何歸一化處理，得到面容幾何圖像集；

利用預(yù)設(shè)的光損耗法對(duì)所述面容幾何圖像集中的圖像進(jìn)行灰度歸一化處理，得到標(biāo)準(zhǔn)面容圖像集；

利用所述標(biāo)準(zhǔn)面容圖像集訓(xùn)練預(yù)構(gòu)建的面容分類模型，得到面容輔診模型；

利用所述面容輔診模型對(duì)待分類面容圖像進(jìn)行分類，得到分類輔診結(jié)果。

可選地，所述對(duì)原始面容圖像集中的面容圖像進(jìn)行降噪處理，得到面容降噪圖像集，包括：

利用預(yù)設(shè)的滑動(dòng)窗口對(duì)所述原始面容圖像集中的面容圖像進(jìn)行像素點(diǎn)選取；

將所述滑動(dòng)窗口中的像素點(diǎn)進(jìn)行灰度值大小排序，得到灰度值序列；

判斷所述灰度值序列中像素點(diǎn)的個(gè)數(shù)；

若所述灰度值序列有奇數(shù)個(gè)像素點(diǎn)，則取所述灰度值序列中間一個(gè)像素點(diǎn)的灰度值替換所述滑動(dòng)窗口中指定點(diǎn)的灰度值，得到灰度值替換面容圖像；

若所述灰度值序列有偶數(shù)個(gè)像素點(diǎn)，則取所述灰度值序列中間兩個(gè)像素點(diǎn)的平均灰度值替換所述滑動(dòng)窗口中指定點(diǎn)的灰度值，得到灰度值替換面容圖像；

匯總所有所述灰度值替換面容圖像，得到所述面容降噪圖像集。

可選地，所述利用預(yù)訓(xùn)練的生成模型對(duì)所述面容降噪圖像集中的圖像進(jìn)行面容幾何歸一化處理之前，所述方法還包括：