一种帕金森患者面部表情低迷的检测方法技术

本发明专利技术公开了一种基于VS‑C3D网络的帕金森患者面部表情低迷的检测方法，具体过程如下：首先，对面部视频进行人脸捕捉，裁剪掉与面部无关的区域，留下包含人脸的图像序列作为输入数据；接着，输入图像序列被分为两条通道：一条通道由RGB彩色图像序列构成，另一条通道是从RGB彩色图像中提取的光流图像；然后，VS‑C3D网络中的VEL算法切分了包含脸部活动的视频片段，去除了视频中无表情区域；最后，VGGV网络提取了脸部活动的时空特征，将脸部活动的拟态表示数字化，并通过这些时空特征区分患有面部表情低迷症状的帕金森患者和正常对照对象。综上所述，该发明专利技术实现了高准确率识别帕金森的面部表情低迷症状。

A detection method of facial expression depression in Parkinson's disease

【技术实现步骤摘要】
一种帕金森患者面部表情低迷的检测方法
本专利技术涉及帕金森的医疗决策支持
，涉及一种基于VS-C3D网络的帕金森患者面部表情低迷(hypomimia)的检测方法。
技术介绍
帕金森的面部表情低迷(hypomimia)是计算机视觉领域的一个典型应用，它在智能医疗、疾病监控、远程诊断等领域占据着重要地位。可是，因为最近的工作一直是基于静态图像发展的，因此，近两年来帕金森的面部表情低迷(hypomimia)检测技术一直停滞不前。本专利技术实现了从基于静态图像识别帕金森面部表情低迷(hypomimia)到基于动态视频片段探索帕金森面部表情低迷(hypomimia)模式的变革。当然，本专利技术是一个极其困难的工作。这是因为本专利技术不仅需要生成动态可变长度的视频片段，提取能捕捉帕金森面部表情低迷(hypomimia)渐进式僵化过程的时空表示，而且本专利技术可视化了一些病理现象。可是，大多数方法仍然沿用早期的几何特征、HOG特征等，并将这些手制特征放进一些分类器进行训练分类。显然，这些传统的方法有以下缺点：1)首先，他们没有意识到帕金森的面部表情低迷本文档来自技高网...

【技术保护点】
1.一种帕金森患者面部表情低迷的检测方法，其特征在于，包括如下步骤：/n1)人脸检测；/n2)将人脸检测后捕捉的人脸图像序列输入到二流通道中，二流通道的第一条通道直接接收人脸图像序列形成空间RGB图像序列，二流通道的第二条通道通过光流图提取器将人脸图像序列转换为时间光流图像序列；/n3)将步骤2)获得的空间RGB图像序列通过VEL算法分割得到空间可变长度的视频片段，形成各个面部活动的起始点，利用各个面部活动的起始点对步骤2)获得的时间光流图像序列分割，得到光流的可变长度视频片段；/n4)通过3D卷积神经网络对步骤3)获得的空间可变长度的视频片段和光流的可变长度视频片段进行训练，得到判断面部表情...

【技术特征摘要】
1.一种帕金森患者面部表情低迷的检测方法，其特征在于，包括如下步骤：
1)人脸检测；
2)将人脸检测后捕捉的人脸图像序列输入到二流通道中，二流通道的第一条通道直接接收人脸图像序列形成空间RGB图像序列，二流通道的第二条通道通过光流图提取器将人脸图像序列转换为时间光流图像序列；
3)将步骤2)获得的空间RGB图像序列通过VEL算法分割得到空间可变长度的视频片段，形成各个面部活动的起始点，利用各个面部活动的起始点对步骤2)获得的时间光流图像序列分割，得到光流的可变长度视频片段；
4)通过3D卷积神经网络对步骤3)获得的空间可变长度的视频片段和光流的可变长度视频片段进行训练，得到判断面部表情是否低迷的训练网络；
5)采用步骤4)的判断面部表情是否低迷的训练网络对帕金森患者面部表情低迷情况进行检测，得到检测结果。


2.根据权利要求1所述的帕金森患者面部表情低迷的检测方法，其特征在于，步骤1)中，所述的人脸检测包括：
人脸检测从原始脸部视频中提取人脸部分，将脸部活动视频转换成仅包含人脸图像序列。


3.根据权利要求1所述的帕金森患者面部表情...

【专利技术属性】
技术研发人员：苏鸽，尹建伟，林博，罗巍，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33