【技术实现步骤摘要】
本专利技术涉及脸部穴位识别的，具体涉及一种高精度脸部穴位判别方法及判别模型。
技术介绍
1、在传统中医学中，针灸治疗学占有非常重要的地位，且在过去很长的一段历史中，针灸学术得到不断传承和发展。穴位定位是中医中实施针灸推拿按摩及穴位用药的基础，学习如何进行精确的穴位定位是培养中医医师人才的过程中必不可少的一环。针灸经络图和针灸铜人模型的出现很大程度上缓解了学习者对腧穴定位、经络走向记忆理解的困难，大大地提高了教学和学习效率，并且随着中医敷贴、贴针等在市场上普及，穴位定位是实施中医针灸推拿按摩及穴位用药的基础，穴位定位方法主要有体表解剖标志定位法、骨度折量定位法和指寸定位法，然而，对于非中医专业或者新学者来说，穴位很难精准定位，难以达到理想的疗效。
2、基于人工智能帮助人们判断穴位位置的功能设计尤为重要，随着人工智能技术的普及，人工智能图像识别处理和虚拟仿真等技术的计算机技术的发展，其在中医针灸课程教学、模拟训练和手法规范性评估中得到越来越多的应用。
3、然而，现有的穴位定位方法，基本都是针对整个身体的穴位，由于脸部穴位的定位精度要求较高，现有方法难以满足定位的精度要求。
技术实现思路
1、有鉴于此，有必要针对的问题，提供一种高精度脸部穴位判别方法及判别模型。
2、本专利技术提供了一种高精度脸部穴位判别方法，包括：
3、s10，采集人脸图像信息；
4、s20，对采集的人脸图像进行预处理，获得可识别的人脸图像；
5、
6、s40，通过人脸旋转欧拉角遮挡计算网络对可识别的人脸图像进行人脸欧拉角计算，获得人脸的遮挡程度，并根据人脸的遮挡程度对人脸不可见穴位进行检测，得到第二识别结果；
7、s50，通过人脸特征提取网络对可识别的人脸图像进行人脸特征提取，得到第三识别结果；
8、s60，通过穴位概率热力图估计网络对第一识别结果、第二识别结果和第三识别结果进行融合，并对融合结果进行穴位最大概率计算，得到脸部穴位识别结果；
9、其中，所述第一识别结果为人脸图像信息对应的脸部穴位区域信息，所述第二识别结果为人脸图像信息对应的欧拉角数据和穴位遮挡信息，所述第三识别结果为人脸图像信息对应的脸部特征信息。
10、本专利技术还提供了种高精度脸部穴位判别模型，包括：
11、采集模块，用于采集人脸图像信息；并对采集的人脸图像进行预处理，获得可识别的人脸图像；
12、穴位区域分割网络，用于对可识别的人脸图像进行脸部穴位聚集区域的划分，得到第一识别结果；
13、人脸旋转欧拉角遮挡计算网络，用于对可识别的人脸图像进行人脸欧拉角计算，获得人脸的遮挡程度，并根据人脸的遮挡程度对人脸不可见穴位进行检测，得到第二识别结果；
14、人脸特征提取网络，用于对可识别的人脸图像进行人脸特征提取，得到第三识别结果；
15、穴位概率热力图估计网络，用于对第一识别结果、第二识别结果和第三识别结果进行融合，并对融合结果进行穴位最大概率计算，得到脸部穴位识别结果；
16、其中，所述第一识别结果为人脸图像信息对应的脸部穴位区域信息，所述第二识别结果为人脸图像信息对应的欧拉角数据和穴位遮挡信息，所述第三识别结果为人脸图像信息对应的脸部特征信息。
17、本申请提供的技术方案的优点在于：
18、1、本申请中，融合了脸部穴位聚集区域的划分、人脸欧拉角和遮挡程度、人脸特征及穴位概率热力图估计，建立了精准有效的脸部穴位判别方法和判别模型；使用时：
19、通过采集人脸图像信息，能够对采集的人脸图像进行实时分析判断，通过穴位区域分割网络进行脸部穴位聚集区域的划分，通过人脸旋转欧拉角遮挡计算网络测量人脸朝向定位，屏蔽掉不可见的区域穴位；通过人脸特征提取网络对人脸特征进行提取，并通过穴位概率热力图估计网络进行特征融合和穴位最大概率计算，得到 ，使穴位定位精度大大提高。
本文档来自技高网...【技术保护点】
1.一种高精度脸部穴位判别方法，其特征在于，包括：
2.根据权利要求1所述的一种高精度脸部穴位判别模型，其特征在于，所述S40中，通过人脸旋转欧拉角遮挡计算网络对可识别的人脸图像进行人脸欧拉角计算，获得人脸的遮挡程度，并根据人脸的遮挡程度对人脸不可见穴位进行检测，得到第二识别结果，包括：
3.根据权利要求2所述的一种高精度脸部穴位判别模型，其特征在于，所述S40中的人脸旋转欧拉角遮挡计算网络包括：欧拉角计算模型和遮挡计算模型；
4.根据权利要求3所述的一种高精度脸部穴位判别模型，其特征在于，所述欧拉角计算模型通过总损失函数进行训练得到；包括：
5.根据权利要求4所述的一种高精度脸部穴位判别模型，其特征在于，所述遮挡计算模型的计算过程包括：
6.根据权利要求1所述的一种高精度脸部穴位判别模型，其特征在于，所述穴位区域分割网络通过分割训练得到；所述分割训练包括：
7.根据权利要求6所述的一种高精度脸部穴位判别模型，其特征在于，所述网络损失函数的表达式为：
8.根据权利要求7所述的一种高精度脸部穴位判别
9.根据权利要求8所述的一种高精度脸部穴位判别模型，其特征在于，所述穴位概率热力图估计网络通过热力图训练损失函数进行训练得到；
10.一种高精度脸部穴位判别模型，其特征在于，包括：
...【技术特征摘要】
1.一种高精度脸部穴位判别方法，其特征在于，包括：
2.根据权利要求1所述的一种高精度脸部穴位判别模型，其特征在于，所述s40中，通过人脸旋转欧拉角遮挡计算网络对可识别的人脸图像进行人脸欧拉角计算，获得人脸的遮挡程度，并根据人脸的遮挡程度对人脸不可见穴位进行检测，得到第二识别结果，包括：
3.根据权利要求2所述的一种高精度脸部穴位判别模型，其特征在于，所述s40中的人脸旋转欧拉角遮挡计算网络包括：欧拉角计算模型和遮挡计算模型；
4.根据权利要求3所述的一种高精度脸部穴位判别模型，其特征在于，所述欧拉角计算模型通过总损失函数进行训练得到；包括：
5.根据权利要求4所述的一种高精度脸部穴位判别模型，其特征在于，所述遮挡计算模型的计算过程包括：
【专利技术属性】
技术研发人员：谢里，覃渝茜，郑进，陈燕林，赵伟，刘金承，刘旺，
申请(专利权)人：四川爱生赛斯健康科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。