[發明專利]一種基于深度學習的視力檢測系統、方法和存儲介質

有效

• 申請號: 202110652556.9
• 申請日: 2021-06-11
• 公開（公告）號: CN113243886B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 桑高麗;盧麗;閆超;韓強;陶陶
• 申請（專利權）人: 四川翼飛視科技有限公司
• 主分類號: A61B3/032
• 分類號: A61B3/032;A61B3/00;G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都君合集專利代理事務所(普通合伙) 51228
• 代理人: 尹玉

1.一種基于深度學習的視力檢測系統，其特征在于，包括標識顯示模塊、圖像采集模塊、姿態評估模塊、結果評估模塊；所述標識顯示模塊用于顯示視力檢測標識，用戶利用手臂作出對應的肢體動作；所述圖像采集模塊用于采集用戶手臂作出的肢體動作的圖像，并輸入到姿態評估模塊；所述姿態評估模塊用于檢測采集手臂作出的肢體動作的姿態關鍵點；所述結果評估模塊根據用戶手臂姿態關鍵點判斷用戶手臂狀態，進而判斷用戶的動作是否與視力檢測標識相符，并輸出檢測結果；

所述姿態評估模塊包括目標檢測子模塊和姿態檢測子模塊，所述目標檢測子模塊用于檢測人體的坐標框；所述姿態檢測子模塊的輸入為人體對應的圖像區域，檢測人體姿態的關鍵點，并輸出姿態關鍵點的坐標信息；

所述姿態檢測子模塊包括從前至后依次設置的若干個交替局域注意力單元以及結果輸出單元，所述交替局域注意力單元用于提取姿態特征信息，并生成特征圖；所述結果輸出單元用于對特征圖進行上采樣提升特征圖的分辨率，并從特征圖上生成最終的姿態關鍵點坐標信息；

所述交替局域注意力單元包括從前至后依次設置的區域嵌入層以及若干個交替局域注意力層，所述區域嵌入層用于將輸入的圖像或者特征圖進行下采樣，以將區域內所有空間點的信息融合為單獨的特征向量；所述交替局域注意力層包括從前至后依次設置的第一區域劃分層、第一區域自注意力層、第二區域劃分層、第二區域自注意力層；所述第一區域劃分層、第二區域劃分層分別用于將特征圖劃分為若干個區域，所述第一區域自注意力層、第二區域自注意力層分別用于在每個區域內進行自注意力操作；

若輸入特征圖的大小為HxW，所述第一區域劃分層的劃分大小為M，所述第二區域劃分層的劃分大小為N， 所述第一區域劃分層、第二區域劃分層分別將特征圖劃分為(H/M)x(W/M)個MxM的區域、(H/N)x(W/N)個NxN的區域；所述劃分大小M和N為互質的整數。

2.根據權利要求1所述的一種基于深度學習的視力檢測系統，其特征在于，所述第一區域劃分層、第二區域劃分層的劃分大小分別為7、5。

3.根據權利要求1所述的一種基于深度學習的視力檢測系統，其特征在于，所述結果評估模塊根據人體姿態關鍵點中手肘與手腕關鍵點的相對位置，判定手臂的狀態，若用戶手臂的狀態與視力檢測標識一致，則檢測結果判定為正確，否則，檢測結果判定為錯誤。

4.一種基于深度學習的手臂狀態的判定方法，采用權利要求1-3任一項所述的視力檢測系統進行，其特征在于，包括以下步驟：

步驟S100：通過標識顯示模塊顯示視力檢測標識，使用戶觀察視力檢測標識并用手臂作出相應的動作；

步驟S200：通過圖像采集模塊采集用戶的手臂的肢體動作的圖像；

步驟S300：將步驟S200采集的圖像輸入到姿態評估模塊并檢測用戶的姿態關鍵點；首先通過目標檢測子模塊檢測圖像中人體的坐標框，然后將人體對應的圖像區域剪切并輸入到姿態檢測子模塊中，檢測人體姿態的關鍵點，得到姿態關鍵點的坐標信息；

步驟S400：結果評估模塊根據人體姿態關鍵點的相對位置，判定手臂的狀態，若用戶手臂的狀態與視力檢測標識一致，則檢測結果判定為正確，否則，檢測結果判定為錯誤。

5.根據權利要求4所述的一種基于深度學習的手臂狀態的判定方法，其特征在于，所述步驟S300中利用交替局域注意力單元提取姿態特征信息并生成特征圖，然后，通過結果輸出單元對特征圖進行上采樣，并從特征圖上生成姿態關鍵點的坐標信息。

6.一種計算機可讀存儲介質，存儲有計算機程序指令，其特征在于，所述程序指令被處理器執行時實現權利要求4或5所述的方法。