基于特征点定位算法的面部穴位定位方法和定位装置制造方法及图纸

本发明专利技术公开了基于特征点定位算法的面部穴位定位方法和定位装置，将人脸面部穴位分为三类，输入人脸图像，根据人脸面部主动形状模型训练结果对输入的人脸图像进行搜索，得到人脸图像的面部特征基准点，确定第一类穴位；基于骨度分寸法计算人体的同身寸，根据人脸图像的面部特征基准点和同身寸，获取第二类穴位；根据人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位。本发明专利技术通过对于人脸的识别与分析，计算出面部指定穴位所在的位置，具有成本低，使用简单，可以因人定穴，非接触等优点。

【技术实现步骤摘要】

本专利技术涉及特征点定位领域，尤其涉及基于特征点定位算法的面部穴位定位方法和定位装置。
技术介绍
面部特征点定位是对人脸进行检测分析后，进行处理的一项技术，与其他的人脸分析技术类似，人脸特征点定位方法也是对人脸检测结果进行处理的一项技术。人脸特征点定位的过程是对输入的人脸图像区域进行分析，得到人脸的各个显著部位如眼睛、鼻子、嘴、唇和轮廓的精确位置。面部特征点的定位在人脸识别、人脸表情分析等方面具有非常重要的作用。广泛应用于影视，安全，娱乐等领域。可见，面部特征点识别在应用中具有重大的意义，尤其是在与人脸相关的实际应用当中，而中医取穴中，面部取穴就是一个与人脸，尤其是与面部位置相关的课题。作为中国传统医学，穴位的养生保健作用明显，简洁，见效快，无副作用深得人们的喜爱，但是对于非专业人士以及对穴位没有认识和研究的国家中，自行寻找穴位进行按摩保健是一件很不容易的事。现阶段，日常生活中穴位保健因其操作便捷，副作用小，见效快受到广泛的青睐，但是对于非专业人员寻找穴位是一个比较难的事，市面上的挂图，模特制作粗糙，参考价值低，而寻找专业人士咨询又会耗费很大成本，失去了穴位保健便捷的特性。在传统经络针灸教学、穴位按摩中，广泛应用的取穴方法主要是以各种基于人体比例的方法，如基于手指骨节宽度，器官间距等方式，在参考人体组织特征如眉毛，脚踝，肚脐等进行穴位定位，需要大量的专业知识与训练。而近年来，也有人提出了通过根据人体穴位伏安电阻变化来进行穴位定位的方式，通过电路学仪器测定人体穴位电阻值差异实现定位；以及根据人工在人体穴位上贴标志物再通过摄像头识别标志物来进行定位按摩的仪器，但是上述方法都对设备和专业水平要求很高，不利于普及。目前对于穴位的定位没有一个便捷高效的解决方案，不利于日常生活中的普及，无法满足日常自我保健的需要。
技术实现思路
针对上述问题中存在的不足之处，本专利技术提供基于特征点定位算法的面部穴位定位方法和定位装置。为实现上述目的，本专利技术提供一种基于特征点定位算法的面部穴位定位方法，包括：步骤1、将人脸面部穴位分为三类，第一类穴位的位置与面部特征基准点相重叠，第二类穴位的位置由面部特征基准点、身体比例寻定，第三类穴位的位置由人体生理结构寻定；步骤2、输入人脸图像，根据人脸面部主动形状模型训练结果对输入的人脸图像进行搜索，得到所述人脸图像的面部特征基准点；步骤3、根据步骤2得到的人脸图像的面部特征基准点的位置获取与所述面部特征基准点相重叠的第一类穴位；步骤4、针对输入的人脸图像，基于骨度分寸法计算输入的人脸图像中人体的同身寸；步骤5、根据步骤2得到的人脸图像的面部特征基准点和步骤4得到的同身寸，获取第二类穴位；步骤6、将步骤2得到的人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位；所述神经网络模型训练结果是根据人脸面部特征基准点位置、第三类穴位特征基准点位置训练获取；步骤7、将所得的人脸面部穴位位置进行保存，完成人脸面部穴位的定位。作为本专利技术的进一步改进，所述步骤2中，人脸面部主动形状模型训练结果的获取方法为：建立人脸面部特征基准点位置的样本库1，将样本库1中的数据输入到主动形状模型算法中进行学习，得到人脸面部主动形状模型训练结果。作为本专利技术的进一步改进，所述步骤4包括：步骤41、从人脸图像的面部特征基准点中取出左眉头的位置(X1,Y1)、右眉头的位置(X2,Y2)及发际正中最高点位置(X3,Y3)；步骤42、计算眉心位置坐标(X，Y)，步骤43、根据公式得到眉心至发际正中最高点的距离d；步骤44、人脸图像中人体的同身寸为作为本专利技术的进一步改进，所述步骤6中，神经网络模型训练结果的获取方法为：步骤61、建立人脸面部特征基准点位置、所有穴位特征基准点位置的样本库2；步骤62、将样本库2中每个样本中所有人脸面部特征基准点位置作为神经网络模型的输入，要定位的第三类穴位特征基准点位置作为神经网络模型的输出，通过premnmx()函数将所有样本的每一个第三类穴位特征基准点的位置信息作为矩阵的一列，进行数据的归一化，所述神经网络模型选用MATLAB中的神经网络工具箱；步骤63、设置神经网络模型输入层的节点数为n，n为样本库2中所有人脸面部特征基准点的个数；输出层的节点数为m，m为所有要预测的第三类穴位特征基准点的个数；神经网络模型中隐藏神经元个数的推算公式使用其中a为[1,10]之间的常数；步骤64、设定网络隐层和输出层的激励函数分别为tansig和logsig函数，网络训练函数为traingdx，网络性能函数为mse；步骤65、隐藏神经元个数初设为步骤63中的变量l；步骤66、设定神经网络模型的网络迭代次数epochs、期望误差goal和学习速率lr；设定完参数后，开始训练网络，并输出神经网络模型训练结果。作为本专利技术的进一步改进，所述步骤66中，所述网络迭代次数epochs为5000次，期望误差goal为0.00000001，学习速率lr为0.01。作为本专利技术的进一步改进，所述步骤6还包括：将步骤3得到的第一类穴位、步骤5得到的第二类穴位均输入神经网络模型训练结果中；将步骤2、3、5输入的数据相结合，获取输入人脸图像的所有第三类穴位。本专利技术还公开了一种面部穴位定位装置，包括：用于面部穴位定位方法的Android开发板，摄像头，外壳和触摸屏；所述外壳内部设有Android开发板，外壳表面设有触摸屏，外壳的表框设有开关键，所述触摸屏上安装有摄像头；所述Android开发板分别与摄像头、触摸屏和开关键相连。作为本专利技术的进一步改进，所述触摸屏外表面包覆有镜面膜。与现有技术相比，本专利技术的有益效果为：本专利技术公开的基于特征点定位算法的面部穴位定位方法和定位装置，基于面部基准特征点确定人脸面部的第一类穴位；基于面部基准特征点和骨度分寸法确定的同身寸获取第二类穴位；基于不依靠图像信息的神经网络模型对人脸面部基准特征点和第三类穴位进行训练，并通过输入新的人脸面部基准特征点至神经网络模型中来获取第三类穴位；本专利技术通过对于人脸的识别与分析，计算出面部指定穴位所在的位置，具有成本低，使用简单，可以因人定穴，非接触等优点。方便日常保健试用，避免了找不准穴位的问题；本专利技术将面部穴位定位方法安装在Android开发板，摄像头采集人脸图像，通过Android开发板对输入的人脸图像进行分析计算，找到该输入人脸图像的三类穴位，Android开发板会直接在触摸屏上的人脸图像的对应位置标示出该穴位；本专利技术通过在触摸屏外表面包覆有镜面膜，在不开机的状态下，可以当作普通的化妆镜使用。附图说明图1为本专利技术一种实施例公开的基于特征点定位算法的面部穴位定位方法的流程图；图2为本专利技术一种实施例公开的面部穴位定位装置的结构图；图3是图2中A-A截面图。图中：1、Android开发板；2、外壳；3、触摸屏；4、摄像头；5、开关键；6、镜面膜。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本发
明实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实本文档来自技高网...

【技术保护点】
一种基于特征点定位算法的面部穴位定位方法，其特征在于，包括：步骤1、将人脸面部穴位分为三类，第一类穴位的位置与面部特征基准点相重叠，第二类穴位的位置由面部特征基准点、身体比例寻定，第三类穴位的位置由人体生理结构寻定；步骤2、输入人脸图像，根据人脸面部主动形状模型训练结果对输入的人脸图像进行搜索，得到所述人脸图像的面部特征基准点；步骤3、根据步骤2得到的人脸图像的面部特征基准点的位置获取与所述面部特征基准点相重叠的第一类穴位；步骤4、针对输入的人脸图像，基于骨度分寸法计算输入的人脸图像中人体的同身寸；步骤5、根据步骤2得到的人脸图像的面部特征基准点和步骤4得到的同身寸，获取第二类穴位；步骤6、将步骤2得到的人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位；所述神经网络模型训练结果是根据人脸面部特征基准点位置、第三类穴位特征基准点位置训练获取；步骤7、将所得的人脸面部穴位位置进行保存，完成人脸面部穴位的定位。

【技术特征摘要】
1.一种基于特征点定位算法的面部穴位定位方法，其特征在于，包括：步骤1、将人脸面部穴位分为三类，第一类穴位的位置与面部特征基准点相重叠，第二类穴位的位置由面部特征基准点、身体比例寻定，第三类穴位的位置由人体生理结构寻定；步骤2、输入人脸图像，根据人脸面部主动形状模型训练结果对输入的人脸图像进行搜索，得到所述人脸图像的面部特征基准点；步骤3、根据步骤2得到的人脸图像的面部特征基准点的位置获取与所述面部特征基准点相重叠的第一类穴位；步骤4、针对输入的人脸图像，基于骨度分寸法计算输入的人脸图像中人体的同身寸；步骤5、根据步骤2得到的人脸图像的面部特征基准点和步骤4得到的同身寸，获取第二类穴位；步骤6、将步骤2得到的人脸图像的面部特征基准点输入神经网络模型训练结果中，获取输入人脸图像的所有第三类穴位；所述神经网络模型训练结果是根据人脸面部特征基准点位置、第三类穴位特征基准点位置训练获取；步骤7、将所得的人脸面部穴位位置进行保存，完成人脸面部穴位的定位。2.如权利要求1所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤2中，人脸面部主动形状模型训练结果的获取方法为：建立人脸面部特征基准点位置的样本库1，将样本库1中的数据输入到主动形状模型算法中进行学习，得到人脸面部主动形状模型训练结果。3.如权利要求1所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤4包括：步骤41、从人脸图像的面部特征基准点中取出左眉头的位置(X1,Y1)、右眉头的位置(X2,Y2)及发际正中最高点位置(X3,Y3)；步骤42、计算眉心位置坐标(X，Y)，步骤43、根据公式得到眉心至发际正中最高点的距离d；步骤44、人脸图像中人体的同身寸为4.如权利要求1所述的基于特征点定位算法的面部穴位定位方法，其特征在于，所述步骤6中，神经网络模型训练结果的获取方法为：步骤61、建立人脸面部特征基准点位置、所有穴位特征基准点位置的样本库2；步骤62、将...

【专利技术属性】
技术研发人员：朱青，常梦龙，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11