【技術實現步驟摘要】
本專利技術提出了一種基于面部圖像識別的疼痛測量方法和系統，屬于疼痛檢測。
技術介紹
1、疼痛作為一種主觀感受，其準確評估對于醫療診斷、治療方案的制定以及患者護理至關重要。傳統的疼痛評估方法主要依賴于患者的主觀描述和醫護人員的臨床觀察，但這些方法存在諸多局限性。例如，患者可能因語言障礙、意識不清或認知能力受限而無法準確表達疼痛感受；而醫護人員在進行疼痛評估時，可能會受到個人經驗、注意力分散等因素的影響，導致評估結果的主觀性和不一致性。
2、隨著計算機視覺和人工智能技術的快速發展，基于面部圖像識別的疼痛測量方法逐漸展現出其在疼痛評估領域的巨大潛力。這類方法通過分析患者的面部表情特征，能夠客觀、實時地反映患者的疼痛狀態，從而提高了疼痛評估的準確性和可靠性。
3、然而，現有技術中的基于面部圖像識別的疼痛測量方法仍面臨一些挑戰。首先，不同環境下的光照條件、攝像頭性能以及患者面部特征的多樣性都可能影響圖像采集的質量和面部識別的準確性。其次，疼痛表情的復雜性使得深度學習模型的訓練和優化變得尤為困難，需要大量的標注數據和精細的模型調優。此外，如何實時、高效地處理和分析圖像數據，以及如何將識別結果及時傳達給相關人員，也是當前技術亟待解決的問題。
4、針對上述挑戰，本專利技術提出了一種基于面部圖像識別的疼痛測量方法，該方法通過動態調整攝像頭傳感器的增益信號數值，以適應不同環境下的光照條件，從而提高圖像采集的質量。同時，利用圖像增強處理技術對采集到的視頻數據進行預處理，進一步改善圖像的清晰度和對比度，為后續的疼痛表
技術實現思路
1、本專利技術提供了一種基于面部圖像識別的疼痛測量方法和系統，用以解決現有技術中的問題：
2、一種基于面部圖像識別的疼痛測量方法，所述基于面部圖像識別的疼痛測量方法包括：
3、動態調整的攝像頭傳感器的增益信號數值，并且，通過目標區域中布設的攝像頭傳感器實時采集目標區域對應的視頻數據；
4、對所述視頻數據進行圖像增強處理，獲取圖像增強處理后的圖像數據；
5、從數據庫中調取已完成訓練和測試的深度學習模型，并利用所述深度學習模型對所述圖像增強處理后的圖像數據進行疼痛表情識別，獲取疼痛判定結果；
6、當疼痛判定結果表明在目標區域內出現疼痛目標時，對帶有疼痛目標的圖像數據進行標記，并將所述圖像數據發送至移動監控終端。
7、進一步地，動態調整的攝像頭傳感器的增益信號數值，并且，通過目標區域中布設的攝像頭傳感器實時采集目標區域對應的視頻數據，包括：
8、實時監測目標區域中的光線強度；
9、根據所述監測目標區域中的光線強度對攝像頭傳感器的增益信號數值進行動態調節，獲取目標增益信號數值；
10、控制所述攝像頭傳感器按照目標增益信號數值對當前增益進行調整，獲取增益調整后的攝像頭傳感器；
11、控制目標區域中布設的增益調整后的攝像頭傳感器實時采集目標區域對應的視頻數據。
12、進一步地，根據所述監測目標區域中的光線強度對攝像頭傳感器的增益信號數值進行動態調節，獲取目標增益信號數值，包括：
13、提取當前目標區域中的光線強度；
14、將所述當前目標區域中的光線強度與預設的第一光線強度閾值和第二光線強度閾值進行比較；
15、當所述當前目標區域中的光線強度低于預設的第一光線強度閾值，但是，未低于預設的第二光線強度閾值時，則利用第一增益調節策略獲取目標增益信號數值；
16、當所述當前目標區域中的光線強度低于預設的第二光線強度閾值時，則利用第二增益調節策略獲取目標增益信號數值。
17、進一步地，所述第一增益調節策略如下：
18、提取當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比；
19、提取所述第一光線強度閾值對應的視頻數據的幀圖像數據的第一理論信噪比，和，第二光線強度閾值對應的視頻數據的幀圖像數據的第二理論信噪比；
20、將所述當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比與所述第一理論信噪比進行比較，獲得當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比與所述第一理論信噪比之間的第一信噪比差值；
21、將所述當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比與所述第二理論信噪比進行比較，獲得當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比與所述第二理論信噪比之間的第二信噪比差值；
22、利用所述第一信噪比差值和第二信噪比差值獲取第一增益調節系數；
23、其中，所述第一增益調節系數通過如下公式獲取：
24、
25、其中，k01表示第一增益調節系數；β0表示第二增強調節因子，并且，所述第二增強調節因子的取值范圍為1.28-2.81；sc01表示第一信噪比差值；sc02表示第二信噪比差值；k表示當前目標區域對應的光線強度變化率；sb表示當前已獲得的目標區域對應的圖像數據的信噪比標準差；i02表示第二光線強度閾值；i表示當前目標區域中的光線強度；ib表示當前目標區域中的光線強度變化標準差；f01表示第一增益調節因子，并且，所述第一增益調節因子通過如下公式獲取：
26、
27、其中，f01表示第一增益調節因子；α0表示第一增強調節因子，并且，所述第一增強調節因子的取值范圍為0.62-1.19；iso表示攝像頭傳感器的感光度；i01表示第一光線強度閾值；i02表示第二光線強度閾值；i表示當前目標區域中的光線強度；ir表示當前目標區域中出現的最大光線變化幅度；
28、調取當前攝像頭傳感器的增益數值；
29、利用所述第一增益調節系數結合當前攝像頭傳感器的增益數值獲取目標增益信號數值；
30、其中，所述目標增益信號數值通過如下公式獲取：
31、
32、其中，x01表示第一增益調節系數獲取的目標增益信號數值；k01表示第一增益調節系數；xd表示當前攝像頭傳感器的增益數值。
33、進一步地，所述第二增益調節策略如下：
34、提取當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比；
35、將所述當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比與預設的信噪比參考值進行比較，獲得當前目標區域中的光線強度下的攝像頭傳感器已獲取的視頻數據的幀圖像數據的信噪比與預設的信噪比參考值之間的信噪比差值本文檔來自技高網...
【技術保護點】
1.一種基于面部圖像識別的疼痛測量方法，其特征在于，所述基于面部圖像識別的疼痛測量方法包括：
2.根據權利要求1所述的基于面部圖像識別的疼痛測量方法，其特征在于，動態調整的攝像頭傳感器的增益信號數值，并且，通過目標區域中布設的攝像頭傳感器實時采集目標區域對應的視頻數據，包括：
3.根據權利要求2所述的基于面部圖像識別的疼痛測量方法，其特征在于，根據所述監測目標區域中的光線強度對攝像頭傳感器的增益信號數值進行動態調節，獲取目標增益信號數值，包括：
4.根據權利要求3所述的基于面部圖像識別的疼痛測量方法，其特征在于，所述第一增益調節策略如下：
5.根據權利要求3所述的基于面部圖像識別的疼痛測量方法，其特征在于，所述第二增益調節策略如下：
6.根據權利要求1所述的基于面部圖像識別的疼痛測量方法，其特征在于，對所述視頻數據進行圖像增強處理，獲取圖像增強處理后的圖像數據，包括：
7.根據權利要求6所述的基于面部圖像識別的疼痛測量方法，其特征在于，在滑動過程中對滑動局部窗口所經歷的人臉面部所占圖像區域進行局部對比度調整，
8.根據權利要求1所述的基于面部圖像識別的疼痛測量方法，其特征在于，從數據庫中調取已完成訓練和測試的深度學習模型，并利用所述深度學習模型對所述圖像增強處理后的圖像數據進行疼痛表情識別，獲取疼痛判定結果，包括：
9.根據權利要求8所述的基于面部圖像識別的疼痛測量方法，其特征在于，已完成訓練和測試的深度學習模型的結構如下：
10.一種基于面部圖像識別的疼痛測量系統，其特征在于，所述基于面部圖像識別的疼痛測量系統包括：
...【技術特征摘要】
1.一種基于面部圖像識別的疼痛測量方法，其特征在于，所述基于面部圖像識別的疼痛測量方法包括：
2.根據權利要求1所述的基于面部圖像識別的疼痛測量方法，其特征在于，動態調整的攝像頭傳感器的增益信號數值，并且，通過目標區域中布設的攝像頭傳感器實時采集目標區域對應的視頻數據，包括：
3.根據權利要求2所述的基于面部圖像識別的疼痛測量方法，其特征在于，根據所述監測目標區域中的光線強度對攝像頭傳感器的增益信號數值進行動態調節，獲取目標增益信號數值，包括：
4.根據權利要求3所述的基于面部圖像識別的疼痛測量方法，其特征在于，所述第一增益調節策略如下：
5.根據權利要求3所述的基于面部圖像識別的疼痛測量方法，其特征在于，所述第二增益調節策略如下：
6.根據權利要求1所述的基...
【專利技術屬性】
技術研發人員：李宇欣，趙云龍，李斯琦，裘實，
申請(專利權)人：北京健康有益科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。