本申请涉及脊柱侧弯检测领域，特别是一种基于图像的人体背部表皮脊柱线的检测方法和装置，该方法包括获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据；依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标；依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线；依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯，该方法全程无辐射，对操作人员是熟练度要求低，通过深度学习和曲线拟合可快速高效的得到是否侧弯的结果，适合应对大群体特别是中小学生群体的脊柱侧弯检测。中小学生群体的脊柱侧弯检测。中小学生群体的脊柱侧弯检测。
【技术实现步骤摘要】
一种基于图像的人体背部表皮脊柱线的检测方法和装置
[0001]本申请涉及脊柱侧弯检测领域，特别是一种基于图像的人体背部表皮脊柱线的检测方法和装置。
技术介绍
[0002]人体背部表皮脊柱线是判定其脊柱侧弯情况的重要表征，脊柱侧弯是一种脊柱的三维畸形，包括冠状位、矢状位和轴位上的序列异常，多发于儿童和青少年，全球约2％
‑
4％的青少年患有脊柱侧弯，目前我国脊柱侧弯病人超过300万，并以每年30万人的速度递增，国家政策明确指示为关注和保障中小学生脊柱健康发育，将脊柱侧弯检查列入中小学生体检项目，因此利用人工智能技术对人体背部表皮脊柱线的高效检测，并判断其脊柱侧弯情况的研究迫在眉睫。
[0003]目前中小学生体检中脊柱侧弯的检测主要是通过专业的检测人员使用脊柱侧弯测量仪(侧弯尺)进行脊柱侧弯筛查，该方法效率低，且对检测人员手法及熟练程度要求较高，故由不同熟练程度的人员测量的结果存在的偏差较大。目前脊柱侧弯的国内外检测方法主要有X光，EOS，超声，云纹图。
[0004]X光虽成本低，简便易行，测量较为精确，但辐射剂量大，对目标中小学人群人体危害较大；EOS成本高，且仍带少量辐射；超声对医生手法要求较高，误差较大，效率低，不利于大规模筛查；云纹图只能大致判断目标的情况。
技术实现思路
[0005]鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种基于图像的人体背部表皮脊柱线的检测方法和装置。
[0006]一种基于图像的人体背部表皮脊柱线的检测方法，所述方法包括：
[0007]获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据；
[0008]依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标；
[0009]依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线；
[0010]依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯。
[0011]优选的，所述获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据，包括：
[0012]通过深度相机采集所述被检测者的背部深度图像，从所述深度相机中获取所述背部深度图像；
[0013]获取所述深度图像的标定后的内部参数，依据所述内部参数确定所述背部深度图像中每一像素点对应的点云三维坐标，
[0014]依据所有的所述点云三维坐标确定三维点云数据，利用预设的滤波算法对所述三
维点云数据进行降噪处理，得到所述目标点云数据。
[0015]优选的，所述依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标，包括：
[0016]调用预设的堆叠沙漏网络模型，将所述目标点云数据输入到所述堆叠沙漏网络模型中，并对所述堆叠沙漏网络模型进行训练；
[0017]通过训练好的所述堆叠沙漏网络模型输出所述预设数量的特征点坐标。
[0018]优选的，所述调用预设的堆叠沙漏网络模型，之后包括：
[0019]确定所述堆叠沙漏网络模型中的各层输出神经元个数以及权重归一化后的比例系数；
[0020]依据所述神经元个数和所述比例系数，通过Kaiming网络权重初始化方法对所述堆叠沙漏网络模型中进行权重初始化。
[0021]优选的，所述依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线，包括：
[0022]采用Interparc曲线插值法对所有的所述特征点坐标进行多项式插值拟合处理，生成所述目标表皮脊柱曲线。
[0023]优选的，所述采用Interparc曲线插值法对所有的所述特征点坐标进行多项式插值拟合处理，包括：
[0024]依据所述Interparc曲线插值法和所有的所述特征点坐标拟合得到初始表皮脊柱曲线；
[0025]确定所述初始表皮脊柱曲线的长度值，依据所述长度值对所述初始表皮脊柱曲线进行均分处理；
[0026]对均分处理后的所述初始表皮脊柱曲线进行线性插值处理，得到所有的目标特征点坐标；
[0027]依据所有的所述目标特征点坐标和Interparc曲线插值法，拟合生成所述目标表皮脊柱曲线。
[0028]优选的，所述依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯，包括：
[0029]依据所述目标表皮脊柱曲线确定目标法向量；
[0030]依据所述目标法向量确定目标脊柱侧弯角；
[0031]当所述目标脊柱侧弯角的角度值小于预设侧弯角度值时，则表示所述被检测者的脊柱为正常；当所述目标脊柱侧弯角的角度值大于或等于预设侧弯角度值时，则表示所述被检测者的脊柱为侧弯。
[0032]还提供一种基于图像的人体背部表皮脊柱线的检测装置，所述装置包括：
[0033]点云确定模块，用于获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据；
[0034]坐标确定模块，用于依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标；
[0035]曲线生成模块，用于依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线；
[0036]侧弯判断模块，用于依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯。
[0037]一种设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的一种基于图像的人体背部表皮脊柱线的检测方法的步骤。
[0038]一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的一种基于图像的人体背部表皮脊柱线的检测方法的步骤。
[0039]本申请具有以下优点：
[0040]在本申请的实施例中，通过获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据，依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标；依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线；依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯；通过在背部深度图像的点云数据中确定被检测者的脊柱特征点及坐标，进而通过对这些所有的特征点坐标进行曲线拟合，直接从拟合生成的目标表皮脊柱曲线中确定目标脊柱侧弯角，从而依据目标脊柱侧弯角判断出该被检测者的脊柱是否侧弯；上述方案全程无辐射，对操作人员是熟练度要求低，通过深度学习和曲线拟合可快速高效的得到是否侧弯的结果，适合应对大群体特别是中小学生群体的脊柱侧弯检测。
附图说明
[0041]为了更清楚地说明本申请的技术方案，下面将对本申请的描述中所需要使用的附图作简单地介绍，显本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于图像的人体背部表皮脊柱线的检测方法，其特征在于，所述方法包括：获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据；依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标；依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线；依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯。2.根据权利1所述的方法，其特征在于，所述获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据，包括：通过深度相机采集所述被检测者的背部深度图像，从所述深度相机中获取所述背部深度图像；获取所述深度图像的标定后的内部参数，依据所述内部参数确定所述背部深度图像中每一像素点对应的点云三维坐标，依据所有的所述点云三维坐标确定三维点云数据，利用预设的滤波算法对所述三维点云数据进行降噪处理，得到所述目标点云数据。3.根据权利要求1所述的方法，其特征在于，所述依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标，包括：调用预设的堆叠沙漏网络模型，将所述目标点云数据输入到所述堆叠沙漏网络模型中，并对所述堆叠沙漏网络模型进行训练；通过训练好的所述堆叠沙漏网络模型输出所述预设数量的特征点坐标。4.根据权利要求3所述的方法，其特征在于，所述调用预设的堆叠沙漏网络模型，之后包括：确定所述堆叠沙漏网络模型中的各层输出神经元个数以及权重归一化后的比例系数；依据所述神经元个数和所述比例系数，通过Kaiming网络权重初始化方法对所述堆叠沙漏网络模型中进行权重初始化。5.根据权利要求1所述的方法，其特征在于，所述依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线，包括：采用Interparc曲线插值法对所有的所述特征点坐标进行多项式插值拟合处理，生成所述目标表皮脊柱曲线。6.根据权利要求5所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：邓皓，张雨新，柳丛金，张亮，景富军，刘勇，
申请(专利权)人：宜宾显微智能科技有限公司，
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。