一种轻量化高性能的婴幼儿疼痛表情识别方法技术

本发明专利技术公开了一种轻量化高性能的婴幼儿疼痛表情识别方法，包括图像的获取与预处理、婴幼儿疼痛表情识别网络的搭建、识别网络的训练、婴幼儿疼痛表情的识别四个步骤；在轻量化婴幼儿疼痛表情识别网络设计中结合DenseNet和MobileNet的优势设计了一个识别准确率高且实时性好的网络模型D

【技术实现步骤摘要】
一种轻量化高性能的婴幼儿疼痛表情识别方法


[0001]本专利技术属于深度学习和模式识别
，具体涉及一种轻量化高性能的婴幼儿疼痛表情识别方法。

技术介绍

[0002]在医疗看护领域，婴幼儿疼痛表情识别技术作为人脸表情识别的一个特殊应用场景正在受到越来越多人的关注。通过实际的临床试验表明，婴幼儿的神经系统虽然尚未发育成熟，但是已经具备了感知痛觉的能力，甚至在一定程度上所感知到的疼痛要比成人更加强烈。有的婴幼儿在刚出生后需要接受足底穿刺以及药物注射等操作，这会导致婴幼儿出现强烈而反复的疼痛感，这种情况很不利于婴幼儿的成长发育，严重时甚至会对其中枢神经造成不可修复的损伤。由于婴幼儿不能通过正常的交流来表达自己当前的状况，所以快速而准确地识别婴幼儿的疼痛有着重大的临床价值。
[0003]婴幼儿和成年人不一样，由于他们的身体和神经系统并未发育完全，通过测量心率或血压等生理指标来识别疼痛的效果并不是很好，如何高效而准确地识别婴幼儿的疼痛是当下的一个难题。婴幼儿在受到疼痛刺激后所表现出的最明显的特征包括面部表情的改变、啼哭、特殊的躯体活动以及行为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量化高性能的婴幼儿疼痛表情识别方法，其特征在于，包括以下步骤：步骤S1：获取图像帧并进行人脸检测与对齐；步骤S2：搭建婴幼儿疼痛表情识别网络；步骤S3：训练所搭建的婴幼儿疼痛表情识别网络；步骤S4：将训练好的婴幼儿疼痛表情识别网络对步骤S1获取到的婴幼儿人脸图片进行识别。2.根据权利要求1所述的轻量化高性能的婴幼儿疼痛表情识别方法，其特征在于，步骤S1包含以下步骤：步骤S11，通过OpenCV从视频流中获取图像帧；步骤S12，利用MTCNN人脸检测算法完成婴幼儿的人脸候选框定位和特征点定位；步骤S13，通过五个特征点进行人脸对齐。3.根据权利要求1所述的轻量化高性能的婴幼儿疼痛表情识别方法，其特征在于，步骤S2包含以下步骤：步骤S21，结合DenseNet和MobileNet搭建一个轻量级稠密块；步骤S22，将稠密块嵌入MobileNetV1并调整网络的宽度；步骤S23，提出一种将Circle Loss和Island Loss相结合的损失函数作为模型的损失函数。4.根据权利要求3所述的轻量化高性能的婴幼儿疼痛表情识别方法，其特征在于，步骤S21中，根据DenseNet和MobileNet设计一个轻量级稠密块Dense
‑
DWblock；稠密块中的非线性变换引入了深度可分离卷积，分为两个无间隔的步骤：第一步由3
×
3的深度卷积以及批量归一化操作和ReLU激活函数组成；第二步由1
×
1的点卷积以及批量归一化操作和ReLU激活函数组成。5.根据权利要求4所述的轻量化高性能的婴幼儿疼痛表情识别方法，其特征在于，步骤S22中，将稠密块嵌入MobileNetV1并修改网络宽度得到婴幼儿疼痛...

【专利技术属性】
技术研发人员：黄嘉伟，樊卫华，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：