【技术实现步骤摘要】
本专利技术涉及人脸表情数据识别，具体涉及一种基于人脸表情分析的麻醉镇痛效果评估方法。
技术介绍
1、疼痛评估是麻醉效果评估的重要组成部分，主要包括自我评估和观察者评估两种方式。自我评估方法具有便利性、主观性等特点，但自我评估不能保证每次评估都准确可信。相比自我评估方法，观察者评估方法对特殊人群会更加有效，但是观察者评估方法的效果依赖于专业人员实施持续的观察和辨别，效率较低，会给医院工作人员带来较大工作负担。
2、随着机器学习和计算机视觉技术的发展，人脸表情识别的准确性和效率不断提高，利用人的面部信息进行疼痛识别并用于麻醉镇痛评估是一种可行的方案，通过人脸疼痛表情数据库中的数据训练神经网络。但是对于麻醉镇痛效果分析过程来说，由于采集对象的面部表情受到麻醉效果的影响，对肌肉的控制能力较弱，直接通过提取数据库中图像的疼痛特征训练神经网络容易造成过拟合的结果，导致基于人脸表情分析的麻醉镇痛效果的评估准确度较低。
技术实现思路
1、为了解决现有方法在基于人脸表情对麻醉镇痛效果进行评估时存在的评估准确度较低的问题，本专利技术的目的在于提供一种基于人脸表情分析的麻醉镇痛效果评估方法，所采用的技术方案具体如下：
2、本专利技术提供了一种基于人脸表情分析的麻醉镇痛效果评估方法，该方法包括以下步骤：
3、获取待评估人员的面部图像和预设数量张样本面部图像；
4、分别基于每张面部图像中基准点之间的相对距离对每张面部图像进行聚类获得每个聚类簇，对每个聚类簇进行
5、根据每个聚类簇内基准点的位置分布、所述特征重要度和所述表情复杂度，获得每个聚类簇的保留参数；基于每个聚类簇内基准点的特征重要度和所述保留参数确定每个聚类簇内的特征点，并在对应面部图像中进行标记；基于标记后的样本面部图像对神经网络进行训练获得麻醉镇痛效果评估网络；
6、将标记好的待评估人员的面部图像输入到麻醉镇痛效果评估网络中，获得待评估人员的麻醉镇痛效果。
7、优选的，所述根据每个凸包区域内像素点的灰度值、梯度幅值以及位置分布，得到每个凸包区域的表情复杂度，包括：
8、对于第r个凸包区域：
9、根据第r个凸包区域内每种灰度值出现的概率，计算第r个凸包区域内灰度值的信息熵；
10、分别将第r个凸包区域内每个像素点的梯度幅值与灰度值的比值，记为每个像素点对应的第一特征值；
11、分别将第r个凸包区域内每个像素点的横坐标与第r个凸包区域内所有像素点的横坐标的平均值之间的差异，记为每个像素点对应的横坐标差异；分别将第r个凸包区域内每个像素点的纵坐标与第r个凸包区域内所有像素点的纵坐标的平均值之间的差异，记为每个像素点对应的纵坐标差异；
12、根据所述信息熵、所述第一特征值、所述横坐标差异和所述纵坐标差异，得到第r个凸包区域的表情复杂度。
13、优选的，采用如下公式计算第r个凸包区域的表情复杂度：
14、
15、其中，表示第r个凸包区域的表情复杂度，n表示第r个凸包区域内像素点的数量，表示第r个凸包区域内第i个像素点的梯度幅值，表示第r个凸包区域内第i个像素点的灰度值，g表示第r个凸包区域内像素点的灰度值的种类数，表示第r个凸包区域内第v种灰度值出现的概率，表示第r个凸包区域内所有像素点的横坐标的平均值，表示第r个凸包区域内所有像素点的纵坐标的平均值，表示归一化函数，表示取绝对值符号，表示以自然常数2为底数的对数函数。
16、优选的，所述根据每个聚类簇内每个基准点与其邻域内像素点的色调差异、饱和度差异和所述表情复杂度，得到每个聚类簇内每个基准点的特征重要度，包括：
17、对于第b个聚类簇内第f个基准点：
18、分别将所述第f个基准点与其邻域内每个像素点之间的色调差异记为第f个基准点的邻域内每个像素点对应的第一差异；分别将所述第f个基准点的邻域内每个像素点与所述第f个基准点之间的饱和度的差值记为第f个基准点的邻域内每个像素点对应的第二差异；
19、基于所述第一差异和所述第二差异，获得第b个聚类簇内第f个基准点的特征重要度，所述第一差异和所述第二差异均与特征重要度呈正相关关系。
20、优选的，基准点的邻域内像素点的获取，包括：
21、对于任一基准点：
22、将该基准点与其所在聚类簇对应的凸包区域的边缘点之间的最短距离记为第一距离，将该基准点与其所在聚类簇对应的凸包区域的中心点之间的距离记为第二距离，将第一距离与第二距离中的最小值记为目标距离；
23、计算该基准点所在聚类簇对应的凸包区域的表情复杂度与所述目标距离的乘积，将所述乘积的向上取奇整数的值作为该基准点对应的窗口的边长；将该基准点对应的窗口内除该基准点外的像素点作为该基准点的邻域内像素点；其中，该基准点位于该基准点对应的窗口的中心。
24、优选的，所述根据每个聚类簇内基准点的位置分布、所述特征重要度和所述表情复杂度，获得每个聚类簇的保留参数，包括：
25、对于第b个聚类簇：
26、采用hotelling变换获得第b个聚类簇的主轴，并获取主轴在第b个聚类簇对应的凸包区域内的中点记为主轴中心点；
27、根据第b个聚类簇内每个基准点在所述主轴上的投影点与所述主轴中心点的距离、第b个聚类簇对应的凸包区域的表情复杂度和第b个聚类簇内每个基准点的特征重要度，得到第b个聚类簇的保留参数。
28、优选的，采用如下公式计算第b个聚类簇的保留参数：
29、
30、其中，表示第b个聚类簇的保留参数，表示第b个聚类簇对应的凸包区域的表情复杂度，j表示第b个聚类簇内基准点的数量，表示第b个聚类簇内的第j个基准点在主轴上的投影点与主轴中心点的距离，表示第b个聚类簇内所有基准点在主轴上的投影点与主轴中心点的距离的平均值，表示第b个聚类簇内第j个基准点的特征重要度，表示归一化函数。
31、优选的，所述基于每个聚类簇内基准点的特征重要度和所述保留参数确定每个聚类簇内的特征点，包括：
32、对于第b个聚类簇：
33、按照特征重要度从大到小的顺序对第b个聚类簇内的基准点进行排序获得第b个聚类簇的基准点序列；
34、将所述基准点序列中所有基准点的特征重要度之和记为第b个聚类簇的特征指标；
35、对于所述基准点序列中的第j个基准点：将所述基准点序列中第j个基准点之前的所有基准点及第j个基准点构成的序列记为第j个基准点所对应的子序列；将第j个基准点所对应的子序列中所有基准点的特征重要度之和记为第j个基准点的待评价值；将第j个基准点的待本文档来自技高网...
【技术保护点】
1.一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，基准点的邻域内像素点的获取，包括：
3.根据权利要求1所述的一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，所述根据每个聚类簇内基准点的位置分布、所述特征重要度和所述表情复杂度，获得每个聚类簇的保留参数，包括：
4.根据权利要求3所述的一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，采用如下公式计算第b个聚类簇的保留参数：
5.根据权利要求1所述的一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，所述基于每个聚类簇内基准点的特征重要度和所述保留参数确定每个聚类簇内的特征点，包括：
6.根据权利要求1所述的一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，像素点的色调和饱和度的获取，包括：
【技术特征摘要】
1.一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，基准点的邻域内像素点的获取，包括：
3.根据权利要求1所述的一种基于人脸表情分析的麻醉镇痛效果评估方法，其特征在于，所述根据每个聚类簇内基准点的位置分布、所述特征重要度和所述表情复杂度，获得每个聚类簇的保留参数，包括：
4....
【专利技术属性】
技术研发人员：夏莹，王冲，陈熔，
申请(专利权)人：大连百首企家科技有限公司，
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。