买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉复旦大学附属儿科医院申请的专利一种基于视觉学习的面部疼痛表情分级评估方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120410972B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510346652.9，技术领域涉及：G06T7/00；该发明授权一种基于视觉学习的面部疼痛表情分级评估方法及装置是由张晓波;冯瑞;傅唯佳;顾莺;王颖雯;蒋龙泉;吴梦琦设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种基于视觉学习的面部疼痛表情分级评估方法及装置在说明书摘要公布了：本发明涉及疼痛分类技术领域，具体为一种基于视觉学习的面部疼痛表情分级评估方法及装置，包括：获取目标患者面部疼痛表情的RGB‑D视频流，根据所述RGB‑D视频流获取RGB视频帧序列和深度视频帧序列；根据所述深度视频帧序列对所述RGB视频帧序列进行3D关键点检测，以得到RGB视频帧的3D关键点序列，对所述RGB视频帧序列进行微运动放大，以得到增强RGB视频帧序列。本发明通过对RGB视频帧序列进行微运动放大，能够增强面部表情中的微小变化，捕捉到一些细微的肌肉运动和表情变化，这对于疼痛表情的准确识别至关重要，且通过构建肌肉运动向量场和结合解剖学关联的动作图，可以更精细地建模面部肌肉的协同运动，从而提高面部动作的识别精度。

本发明授权一种基于视觉学习的面部疼痛表情分级评估方法及装置在权利要求书中公布了：1.一种基于视觉学习的面部疼痛表情分级评估方法，其特征在于，包括： 获取目标患者面部疼痛表情的RGB-D视频流，根据所述RGB-D视频流获取RGB视频帧序列和深度视频帧序列； 根据所述深度视频帧序列对所述RGB视频帧序列进行3D关键点检测，以得到RGB视频帧的3D关键点序列，对所述RGB视频帧序列进行微运动放大，以得到增强RGB视频帧序列； 根据卷积神经网络对所述增强RGB视频帧序列中各个增强RGB视频帧进行视觉特征提取，以得到目标患者面部的视觉特征序列； 根据所述RGB视频帧的3D关键点序列构建所述RGB视频帧中的各个肌肉运动向量场，根据各个肌肉运动向量场和各个肌肉运动向量场之间的解剖学关联构建动作图； 根据图神经网络通过所述动作图对所述RGB视频帧序列进行运动特征提取，以得到目标患者面部的运动特征序列； 根据所述目标患者面部的视觉特征序列和运动特征序列对所述目标患者面部进行疼痛表情分级，以得到所述目标患者面部的疼痛标签； 根据所述深度视频帧序列对所述RGB视频帧序列进行3D关键点提取，以得到RGB视频帧的3D关键点序列，包括： 通过相机标定参数将所述深度视频帧与所述RGB视频帧进行图像对齐，以生成配准后的深度视频帧和RGB视频帧； 根据改进的HRNet-W64模型对配准后的深度视频帧和RGB视频帧进行3D关键点检测，以得到所述RGB视频帧的第一3D关键点序列； 根据预设的回归损失函数对所述RGB视频帧的第一3D关键点序列进行关键点回归，以得到所述RGB视频帧的第二3D关键点序列，其中，所述回归损失函数如下： 其中，Lreg表示回归损失函数，N表示第一3D关键点序列中3D关键点的总数，φIt,Dti表示改进的HRNet-W64模型提取的第一3D关键点，表示真实3D关键点标注； 根据预设的肌肉运动关联矩阵和梯度约束构建解剖学损失函数，根据所述解剖学损失函数对所述RGB视频帧的第二3D关键点序列进行解剖学约束，以得到所述RGB视频帧的最终的3D关键点序列，其中，所述解剖学损失函数如下： 其中，Lanatomy表示解剖学损失函数，表示相邻RGB视频帧第二3D关键点运动的梯度，且Pt表示第t个RGB视频帧第二3D关键点序列，Mmuscle表示肌肉运动关联矩阵，且当第二3D关键点i和第二3D关键点j同属于同一肌肉群，则Mmuscle[i,j]＝1，否则，则Mmuscle[i,j]＝0。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学附属儿科医院，其通讯地址为：201102 上海市闵行区万源路399号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。