【技术实现步骤摘要】
本专利技术涉及计算机科学，特别涉及一种基于人工智能图像分析的人体穴位识别方法及系统。
技术介绍
1、中医针灸作为一种传承数千年的传统治疗方法，在治疗疼痛、调节内分泌、改善睡眠、增强免疫力等方面具有显著疗效。然而，针灸治疗的效果很大程度上取决于穴位定位的准确性。传统的穴位定位方法主要依赖针灸师通过触诊和目测，结合其多年临床经验和专业培训来完成。这种人工定位方式存在以下问题：
2、1、操作耗时：每个穴位都需要仔细触摸和测量，整个定位过程较为耗时；
3、2、主观性强：不同医师的定位结果可能存在差异；
4、3、易受干扰：医师的身体状态、环境光线等因素都可能影响定位精度；
5、4、个体差异：每个患者的体型、骨骼结构都有差异，增加了准确定位的难度。
6、近年来，计算机视觉和深度学习技术在人体关键点检测、姿态估计等领域取得了重大突破。基于卷积神经网络和大规模数据集训练的模型能够精确定位人体骨骼关节点和面部特征点，并有效学习它们之间的空间关系。然而，将这些技术应用到穴位识别领域仍面临诸多挑战：
7、1、穴位位置与解剖标志的对应关系复杂，需要建立更精细的特征映射；
8、2、不同体型人群的穴位相对位置存在较大差异，增加了模型泛化的难度；
9、3、部分穴位缺乏明显的视觉特征，仅依靠图像信息难以准确定位。
10、因此，针对现有技术不足，提供一种基于人工智能图像分析的人体穴位识别方法及系统以解决现有技术不足甚为必要。
技
1、本专利技术的第一个目的在于避免现有技术的不足之处而提供一种基于人工智能图像分析的人体穴位识别方法。该基于人工智能图像分析的人体穴位识别方法能精确识别穴位，且具有实时性强、适应性强的优点。
2、本专利技术的上述目的通过以下技术措施实现：
3、提供一种基于人工智能图像分析的人体穴位识别方法，通过如下步骤进行：
4、s1、采集待处理的人体表面图像；
5、s2、对s1得到的人体表面图像进行预处理；
6、s3、通过训练后穴位识别模型中的多任务cnn主干网络提取s2预处理后人体表面图像中的视觉特征图及人体姿态参数；所述训练后穴位识别模型由穴位数据库对穴位识别模型训练得到，其中所述穴位识别模型由多任务cnn主干网络、3d人体经络穴位模板和级联回归器构成；
7、s4、根据训练后穴位识别模型中的3d人体经络穴位模板和s3得到的人体姿态参数，在人体表面图像上生成穴位的初始估计位置；
8、s5、通过训练后穴位识别模型中的级联回归器对s4得到的初始估计位置和s3得到的视觉特征图进行处理，得到人体表面图像中的穴位坐标；
9、s6、将s5得到的穴位坐标进行后处理，得到穴位识别结果。
10、优选的，上述穴位数据库包括有基础穴位数据。
11、优选的，上述基础穴位数据的获取过程如下：
12、a1、采集多张人体表面图像；
13、a2、对a1得到的人体表面图像进行图像预处理及标注穴位信息，所述标注穴位信息为穴位标准名称、穴位解剖定位描述、穴位所属的经络系统、穴位的主治功能和穴位的适应症，得到所述基础穴位数据。
14、优选的，上述穴位数据库还包括有空间定位数据。
15、优选的，上述空间定位数据的获取过程如下：
16、b1、扫描多个人体三维数据；
17、b2、对人体三维数据标注穴位的三维坐标信息、穴位人体解剖标志点的位置关系、不同穴位之间的相对距离、不同穴位之间的角度数据，得到所述空间定位数据。
18、优选的，上述3d人体经络穴位模板由所述空间定位数据构建而成。
19、优选的，上述人体姿态参数由如下步骤得到：
20、s3.1、计算欧拉角的旋转矩阵，所述旋转矩阵由三个单轴旋转矩阵按特定顺序组合得到，所述旋转矩阵由式（1）至式（4）得到：
21、……式（1）；
22、……式（2）；
23、……式（3）；
24、……式（4）；
25、其中，、和分别为三个欧拉角；
26、s3.2、所述人体姿态参数由欧拉角旋转参数和平移向量组成，由式（5）表示，且；
27、……式（5）；
28、其中，为旋转参数，且旋转参数中的前三个向量为所述旋转矩阵，为平移向量，为人体姿态参数。
29、优选的，上述初始估计位置由如下步骤得到：
30、s4.1、获得用于描述相机内部参数的内参矩阵k，以及用于描述相机相对于世界坐标系的位置和方向的外参矩阵e，
31、其中所述内参矩阵k由式（6）计算得到，所述外参矩阵e由式（7）计算得到，
32、……式（6）；
33、其中，和为焦距，为光心坐标；
34、……式（7）；
35、s4.2、根据式（8）得到总投影矩阵p，从而将三维世界坐标映射对待处理的人体表面图像的坐标；
36、……式（8）；
37、s4.3、根据所述3d人体经络穴位模板上的3d穴位点x投影至待处理的人体表面图像的坐标，得到2d图像穴位对应所述初始估计位置，且，。
38、优选的，上述s4.3包括如下步骤：
39、s4.3.1、将所述3d人体经络穴位模板上的3d穴位点表示为齐次坐标，且，其中齐次坐标由式（9）表示；
40、……式（9）；
41、其中，x、y和z分别为齐次坐标的坐标点， t为矩阵转置；
42、s4.3.2、通过所述外参矩阵e将所述3d人体经络穴位模板上的3d穴位点从世界坐标系变换到相机坐标系，具体由式（10）表示；
43、……式（10）；
44、其中，为相机坐标系下的三维点。
45、s4.3.3、利用所述内参矩阵k将所述3d人体经络穴位模板上的3d穴位点投影到二维图像平面，并进行归一化，具体由式（11）表示；
46、……式（11）；
47、其中，为齐次图像坐标，且， x h、 y h和 z h分别为齐次图像坐标的坐标点；
48、s4.3.4、通过所述齐次图像坐标归一化得到初始估计位置，具体由式（12）表示，且所述初始估计位置由完整的投影函数表示，其中所述投影函数由式（13）得到：
49、……式（12）；
50、……式（13）。
51、优选的，上述级联回归器设置有多步级联的回归器，每步回归器均设置有特征提取模块、图注意力网络的gat处理模块和解码器。...
【技术保护点】
1.一种基于人工智能图像分析的人体穴位识别方法，其特征在于，通过如下步骤进行：
2.根据权利要求1所述的基于人工智能图像分析的人体穴位识别方法，其特征在于：所述穴位数据库包括有基础穴位数据；
3.根据权利要求2所述的基于人工智能图像分析的人体穴位识别方法，其特征在于：所述穴位数据库还包括有空间定位数据；
4.根据权利要求2或3所述的基于人工智能图像分析的人体穴位识别方法，其特征在于，所述人体姿态参数由如下步骤得到：
5.根据权利要求4所述的基于人工智能图像分析的人体穴位识别方法，其特征在于，所述初始估计位置由如下步骤得到：
6.根据权利要求5所述的基于人工智能图像分析的人体穴位识别方法，其特征在于，所述S4.3包括如下步骤：
7.根据权利要求2或3所述的基于人工智能图像分析的人体穴位识别方法，其特征在于：所述级联回归器设置有多步级联的回归器，每步回归器均设置有特征提取模块、具有多层图注意力网络的GAT处理模块和解码器；
8.根据权利要求2或3所述的基于人工智能图像分析的人体穴位识别方法，其特征在于
9.一种人体穴位识别系统，其特征在于：采用如权利要求1至8任意一项所述基于人工智能图像分析的人体穴位识别方法进行人体穴位识别。
10.根据权利要求9所述的人体穴位识别系统，其特征在于，设置有：
...【技术特征摘要】
1.一种基于人工智能图像分析的人体穴位识别方法，其特征在于，通过如下步骤进行：
2.根据权利要求1所述的基于人工智能图像分析的人体穴位识别方法，其特征在于：所述穴位数据库包括有基础穴位数据；
3.根据权利要求2所述的基于人工智能图像分析的人体穴位识别方法，其特征在于：所述穴位数据库还包括有空间定位数据；
4.根据权利要求2或3所述的基于人工智能图像分析的人体穴位识别方法，其特征在于，所述人体姿态参数由如下步骤得到：
5.根据权利要求4所述的基于人工智能图像分析的人体穴位识别方法，其特征在于，所述初始估计位置由如下步骤得到：
6.根据权利要求5所述的基于人工智能图像分析的人体穴位识别方法，其特征在于，所述s4.3包括如下步骤：
7.根据权利要求2或3...
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。