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！

申请/专利权人：深圳德技创新实业有限公司

摘要：本发明公开了一种基于语义分割的精准面瘫程度评测方法及装置。该方法包括：建立面瘫语义分割模型；获取待检测数据并对待检测数据进行处理：将无表情自然状态静态图像、序列图像一、序列图像二、序列图像三以及序列图像四依次输入至面瘫语义分割模型中以输出相应的多组人脸形状，更新多组人脸形状；对待检测用户的面瘫程度进行评测：计算θ1、θ2、θ3、θ4、θ5、θ6、θ7、θ8、θ9、θ10、b1、b2、c1、c2、e1、e2并与其阈值比较；通过比较结果对待检测用户的面瘫程度进行判定，并计算面瘫指数。本发明可以使检测模型具有较高的检测定位精度，大大提升待检测用户面瘫程度综合评价及检测的精度及准度，为面瘫患者的预防发现及治疗提供有力支撑。

主权项：1.一种基于语义分割的精准面瘫程度评测方法，其特征在于，其包括以下步骤：1确定两个眉毛区域分别为s1、s2，位于眉毛区域s1一侧的眼白区域为s3，位于眉毛区域s2一侧的眼白区域为s4，嘴唇区域为s5，以区域s1、s3、s4、s5为元素形成的集合表示人脸形状；2获取待检测用户整个人脸在无表情自然状态、做皱眉动作全过程、做闭眼动作全过程以及做吹哨动作全过程中产生的多组人脸形状；依次分别计算眉毛区域s1的中心点p1，眉毛区域s2的中心点p2，眼白区域s3的中心点p3，眼白区域s4的中心点p4，嘴唇区域s5的中心点p5，点p1与点p2的中点为p6，点p3与点p4的中点为p7，点p1与点p3的中点为p8，点p2与点p4的中点为p9；计算眼白区域s3内x轴取值最大的像素点p10，眼白区域s4内x轴取值最小的像素点p11，嘴唇区域s5内x轴取值最小的像素点p12，嘴唇区域s5内x轴取值最大的像素点p13，点p10与点p11的中点为p14；在过点p14且与直线p10p11相垂直的直线上随机选取一点p15，并计算嘴唇区域s5内y轴取值大于yp5的所有像素点所组成区域的中心点p16，还计算嘴唇区域s5内y轴取值小于yp5的所有像素点所组成区域的中心点p17；设置向量随后统计眼白区域s3内像素点数量n1以及眼白区域s4内像素点数量n2，计算嘴唇区域s5的最小包围圆区域s6，并统计最小包围圆区域s6内像素点数量n3，嘴唇区域s5内像素点数量n4，像素点数量n3与像素点数量n4的差值n5；将点p1、点p2、点p3、点p4、点p5、点p6、点p7、点p8、点p9、点p10、点p11、点p12、点p13、点p14、点p15、点p16、点p17、向量向量向量向量向量向量向量向量向量向量向量向量向量面积n1、面积n2、面积n3、面积n4及面积n5作为元素加入至对应的人脸形状中以获得更新后人脸形状；3对于更新后的无表情自然状态人脸形状S0，先计算再计算θ1＝|a1+a2||a1-a2|，θ2＝|a3+a4||a3-a4|；对于更新后的皱眉动作人脸形状Sa1,Sa2,……,San，先依次分别计算再计算最后计算θ4＝|b1+b2||b1-b2|；对于更新后的闭眼动作人脸形状Sb1,Sb2,……,Sbn，先计算再计算最后计算θ5＝maxd1,d2，θ6＝|d1+d2||d1-d2|；其中，是指闭眼动作人脸形状中编号为bn的图像中眼白区域s3内像素点数量；是指闭眼动作人脸形状中编号为bn的图像中眼白区域s4内像素点数量；是指无表情自然状态静态图像中眼白区域s3内像素点数量；是指无表情自然状态静态图像中眼白区域s4内像素点数量；对于更新后的微笑动作人脸形状Sc1,Sc2,……,Scn，先依次分别计算并依次分别计算面积再计算最后计算θ7＝maxe1,e2，θ8＝|e1+e2||e1-e2|；对于更新后的吹哨动作人脸形状Sd1,Sd2,……,Sdn，先计算再计算并计算最后计算θ11＝arccosf2；将θ1、θ2、θ3、θ4、θ5、θ6、θ7、θ8、θ9、θ10、b1、b2、c1、c2、e1、e2分别与其阈值比较；通过比较结果对待检测用户的面瘫程度进行判定，并计算面瘫指数；所述步骤3还包括：设置θ1对应的阈值θ’1，θ2对应的阈值θ’2，θ4对应的阈值θ’4，θ6对应的阈值θ’6，θ8对应的阈值θ’8，θ10对应的阈值θ’10，θ11对应的阈值θ’11，b1对应的阈值b’1，b2对应的阈值b’2，c1对应的阈值c’1，c2对应的阈值c’2，e1对应的阈值e’1，e2对应的阈值e’2，并比较θ1与θ’1，θ2与θ’2，θ4与θ’4，θ6与θ’6，θ8与θ’8，θ10与θ’10，θ11与θ’11，b1与b’1，b2与b’2，c1与c’1，c2与c’2，e1与e’1，e2与e’2；其中，阈值θ’1、θ’2、θ’4、θ’6、θ’10、θ’11、b’1、b’2、c’1、c’2、e’1、e’2分别根据外部实现情况预设；若θ1θ’1或θ2θ’2，则判定所述待检测用户存在面瘫症状且属于严重面瘫，并计算相应的面瘫指数K1＝0.2θ1+0.2θ2+0.1θ3+0.1θ4+0.3θ5+0.3θ60.3θ7+0.3θ8+0.1θ10θ9；若θ1≥θ’1且θ2≥θ’2，同时满足θ4θ’4或θ6θ’6或θ8θ’8或θ10θ’10时，则判定所述待检测用户存在面瘫症状但不属于严重面瘫，并计算相应的面瘫指数K2＝0.1θ4+0.3θ6+0.3θ8+0.1θ10；若b1b’1或c1c’1，则判定所述待检测用户的一侧上脸部存在面瘫；若b2b’2或c2c’2，则判定所述待检测用户的另一侧上脸部存在面瘫；若e1e’1或θ11-θ’110，则判定所述待检测用户的一侧下脸部存在面瘫；若e2e’2或θ11θ’110，则判定所述待检测用户的另一侧下脸部存在面瘫；若同时满足以下条件：θ1≥θ’1、θ2≥θ’2、θ4≥θ’4、θ6≥θ’6、θ8≥θ’8、θ10≤θ’10，则判定所述待检测用户不存在面瘫症状。

全文数据：

权利要求：

百度查询： 深圳德技创新实业有限公司 一种基于语义分割的精准面瘫程度评测方法及装置