[發(fā)明專利]一種基于深度學(xué)習(xí)的視力檢測系統(tǒng)、方法和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110652556.9
• 申請日: 2021-06-11
• 公開（公告）號: CN113243886B
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計）人: 桑高麗;盧麗;閆超;韓強;陶陶
• 申請（專利權(quán)）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(wù)所(普通合伙) 51228
• 代理人: 尹玉

本發(fā)明公開了一種基于深度學(xué)習(xí)的視力檢測系統(tǒng)、方法和存儲介質(zhì)，所述視力檢測系統(tǒng)包括標(biāo)識顯示模塊、圖像采集模塊、姿態(tài)評估模塊、結(jié)果評估模塊，本發(fā)明通過標(biāo)識顯示模塊顯示視力檢測標(biāo)識，用戶利用手臂作出對應(yīng)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(tài)評估模塊；所述姿態(tài)評估模塊用于檢測采集手臂作出的肢體動作的姿態(tài)關(guān)鍵點；所述結(jié)果評估模塊根據(jù)用戶手臂姿態(tài)關(guān)鍵點判斷用戶手臂狀態(tài)，進而判斷用戶的動作是否與視力檢測標(biāo)識相符，并輸出檢測結(jié)果。本發(fā)明中的結(jié)果評估模塊根據(jù)使用者的手臂姿態(tài)方向進行判斷是否相符，手臂姿態(tài)相比于手指方向，目標(biāo)更大且更易辨識，檢測的精度更高。

技術(shù)領(lǐng)域

本發(fā)明屬于視力檢測的技術(shù)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的視力檢測系統(tǒng)、方法和存儲介質(zhì)。

背景技術(shù)

隨著科技的進步和信息技術(shù)的流行，人們使用手機、電腦、電視等高科技設(shè)備的時長越來越多，由此帶來的視力損傷風(fēng)險也隨之增加，特別是對于青少年群體，更是不可忽視。通常的視力檢測，一般都在專業(yè)機構(gòu)，采用人工的方式進行，使用者無法進行獨立操作。

與此同時，一些智能視力檢測系統(tǒng)，如專利CN106778597A公開的基于圖像分析的智能視力檢測儀，采用機器視覺領(lǐng)域中傳統(tǒng)算法的檢測器對手指的姿態(tài)和指向進行判斷，基于手指的方向信息構(gòu)建視力檢測系統(tǒng)。然而，這類方法基于傳統(tǒng)算法，精度相對較低。同時手指由于目標(biāo)較小，關(guān)節(jié)復(fù)雜，精確判斷手指的姿態(tài)和指向尤為困難，限制了系統(tǒng)的性能。

深度學(xué)習(xí)領(lǐng)域，近年來出現(xiàn)的基于自注意力機制構(gòu)建的機器視覺模型，在很多領(lǐng)域均取得了優(yōu)異的準確率，但是普通的自注意力機制，隨著圖像輸入尺寸的增大，呈4次方指數(shù)增長。在大尺寸輸入圖像上，運算量要求過大。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)的視力檢測系統(tǒng)、方法和存儲介質(zhì)，旨在解決上述問題。

本發(fā)明主要通過以下技術(shù)方案實現(xiàn)：

一種基于深度學(xué)習(xí)的視力檢測系統(tǒng)，包括標(biāo)識顯示模塊、圖像采集模塊、姿態(tài)評估模塊、結(jié)果評估模塊；所述標(biāo)識顯示模塊用于顯示視力檢測標(biāo)識，用戶利用手臂作出對應(yīng)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(tài)評估模塊；所述姿態(tài)評估模塊用于檢測采集手臂作出的肢體動作的姿態(tài)關(guān)鍵點；所述結(jié)果評估模塊根據(jù)用戶手臂姿態(tài)關(guān)鍵點判斷用戶手臂狀態(tài)，進而判斷用戶的動作是否與視力檢測標(biāo)識相符，并輸出檢測結(jié)果。

本發(fā)明通過顯示模塊顯示用于視力檢測的標(biāo)識，使用者利用手臂做出相應(yīng)的肢體動作，在圖像采集模塊對肢體動作的圖像采集后，由基于深度學(xué)習(xí)的姿態(tài)評估模塊檢測使用者的姿態(tài)關(guān)鍵點，最后由結(jié)果評估模塊判斷使用者動作是否與視力檢測標(biāo)識相符。本發(fā)明中的結(jié)果評估模塊根據(jù)使用者的手臂姿態(tài)方向進行判斷是否相符，手臂姿態(tài)相比于手指方向，目標(biāo)更大且更易辨識，檢測的精度更高。

為了更好地實現(xiàn)本發(fā)明，進一步地，所述姿態(tài)評估模塊包括目標(biāo)檢測子模塊和姿態(tài)檢測子模塊，所述目標(biāo)檢測子模塊用于檢測人體的坐標(biāo)框；所述姿態(tài)檢測子模塊的輸入為人體對應(yīng)的圖像區(qū)域，檢測人體姿態(tài)的關(guān)鍵點，并輸出姿態(tài)關(guān)鍵點的坐標(biāo)信息。

為了更好地實現(xiàn)本發(fā)明，進一步地，所述姿態(tài)檢測子模塊包括從前至后依次設(shè)置的若干個交替局域注意力單元以及結(jié)果輸出單元，所述交替局域注意力單元用于提取姿態(tài)特征信息，并生成特征圖；所述結(jié)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(tài)關(guān)鍵點坐標(biāo)信息。

所述目標(biāo)檢測子模塊用于檢測人體的坐標(biāo)框，可由yolo等檢測器實現(xiàn)。然后將人體對應(yīng)的圖像區(qū)域剪切后，作為姿態(tài)檢測子模塊的輸入，檢測人體姿態(tài)的17個關(guān)鍵點。所述結(jié)果輸出單元采用反卷積對特征圖進行上采樣。輸出的特征圖的通道數(shù)為17，分別對應(yīng)人體姿態(tài)的17個關(guān)鍵點。關(guān)鍵點的具體坐標(biāo)信息，由特征圖上最大值的坐標(biāo)給出。所述姿態(tài)評估模塊采用交替局域注意力機制來進行構(gòu)建，與傳統(tǒng)的機器視覺方法以及卷積神經(jīng)網(wǎng)絡(luò)等相比，具有精度高、計算量小等優(yōu)點。