一种用于眼表眼周图像采集与人工智能健康分析系统技术方案

本申请属于眼表眼周图像采集分析的技术领域，公开了一种用于眼表眼周图像采集与人工智能健康分析系统；所述系统包括双目同步拍摄模块

【技术实现步骤摘要】
一种用于眼表眼周图像采集与人工智能健康分析系统


[0001]本申请属于眼表眼周图像采集分析
，尤其是涉及一种用于眼表眼周图像采集与人工智能健康分析系统
。

技术介绍

[0002]眼睛是人体最重要的器官之一，也是人类情感
、
健康和认知的窗口；历史典籍与现代文献均显示，眼睛图像无论是眼表还是眼底，都能体现健康状况；为了通过眼表眼周图像分析用户的健康状态，现有技术中，主要通过手机获取眼睛部分的图像，得到丰富的信息（如眼睛的形状
、
颜色
、
纹理
、
瞳孔大小
、
血丝
、
光泽
、
眼周皱纹等），这些信息可用于识别个体
、
分析情绪及检测疾病
。
[0003]然而，如何采集高清微距的眼表眼周图像并不容易，一方面常规手机不能隔绝外界光影响，也不适合在微距状态下拍摄眼部细节，同时每次也只能近距离拍一只眼睛，而专业的单反相机等价格昂贵，需要专人配合协助，还需要曝光调节处理；即使获取到优质的图像，对眼睛图像的分析处理也不容易，因为眼睛图像受到多种因素的影响（如光照
、
角度
、
遮挡
、
眨眼
、
闭眼等）而导致眼睛图像品质下降，或者造成眼睛图像出现噪声或失真，从而影响后续的处理和应用；而对眼表眼周细节的分析，并将其与人体健康的关联，需要基于数据做校准
、
训练和优化
。
专利
技术实现思路

[0004]本申请提供一种用于眼表眼周图像采集与人工智能健康分析系统，用于对眼表眼周图像进行分析处理后得到用户健康特征
。
[0005]第一方面，本申请的专利技术目的采用如下技术方案实现：一种用于眼表眼周图像采集与人工智能健康分析系统，包括：双目同步拍摄模块，用于同步拍摄用户双眼，得到眼表眼周图像；图像品质检测模块，用于对所述眼表眼周图像进行品质检测和处理，得到待训练图像；数据训练模块，用于基于用户已授权信息，构建用户健康数据；所述数据训练模块还用于将所述待训练图像置入预设的神经网络模型训练，得到待分析向量，再将所述待分析向量和所述用户健康数据置入预设的机器学习模型内，训练得到数据对合集；数据推理模块，用于基于用户登记数据，将所述数据对合集置入预设的模糊匹配模型，分别在预设的多个不同类型检索条件下，所述数据推理模块检索匹配得到与所述数据对合集最相似的多个样本数据；分数计算模块，用于提取多个所述样本数据的健康分数，对多个所述健康分数进行加权合并，计算得到用户八大身体系统的健康分数
。
[0006]通过上述技术方案，双目同步拍摄模块先拍摄用户双眼得到眼表眼周图像并传输给图像品质检测模块，与此同时，数据训练模块将用户已授权信息构建成用户健康数据；图
像品质检测模块对眼表眼周图像进行品质检测和处理得到待训练图像，然后数据训练模块将待训练图像置入预设的神经网络模型中训练，得到待分析向量，接着将待分析向量和用户健康数据置入预设的学习模型内，训练得到数据对合集；数据推理模块再根据用户登记数据，将数据对合集置入预设的模糊匹配模型中并在多个不同类型检索条件下，检索匹配得到和数据对合集最相似的多个样本数据，最后分数计算模块提取多个样本数据中的健康分数，将健康分数进行加权合并，最终得到用户八大身体系统的健康分数；相较于现有技术，本申请系统通过双目拍摄用户的眼表眼周图像，将眼表眼周图像置入图像品质检测模块和数据训练模块转换为数据对合集，再通过多种检索方式检索匹配得到多个样本数据，并对多个所述健康分数进行加权合并，计算得到用户八大身体系统的健康分数，从而实现通过采集眼表眼周图像进行分析处理后得到用户健康特征的效果
。
[0007]本申请进一步设置为：所述图像品质检测模块包括：人眼识别单元，用于识别所述眼表眼周图像是否为人眼图像；睁闭眼识别单元，用于识别所述眼表眼周图像内的闭眼程度是否低于预设的闭眼阈值；清晰度识别单元，用于识别所述眼表眼周图像的清晰度是否达到清晰度指标；合格判定单元，若所述人眼识别单元
、
所述睁闭眼识别单元和所述清晰度识别单元的识别结果均为是，则判定所述眼表眼周图像为检测合格图像；预处理单元，用于将所述检测合格图像进行增强处理
、
位置校正和归一化裁剪后，得到待训练图像
。
[0008]通过上述技术方案，眼表眼周图像传输至图像品质检测模块后，人眼识别单元识别眼表眼周图像是否为人眼图像，睁闭眼识别单元识别眼表眼周图像的闭眼程度是否低于预设的闭眼阈值，清晰度识别单元识别眼表眼周图像的清晰度是否达到清晰度指标，若上述的识别结果均为是，则合格判定单元将眼表眼周图像判定为检测合格图像，然后预处理单元对检测合格图像进行增强处理
、
位置校正和归一化裁剪得到待训练图像；相较于现有技术，本申请系统能够自动排除不合格
、
不适合分析的图片，并且能够对合格图像进行预处理，从而降低不合格或品质不佳的图像影响数据分析的效果
。
[0009]本申请进一步设置为：所述数据训练模块包括：向量生成单元，用于将多个不同图像品质的待训练图像置入预设的神经网络模型进行训练，生成至少
1000
维的待分析向量
。
[0010]通过上述技术方案，向量生成单元将同一用户不同图像品质的待训练图像置入预设的神经网络模型中进行训练，生成至少
1000
维的待分析向量，以提高本申请系统数据分析的精度
。
[0011]本申请进一步设置为：所述样本数据包括第一样本数据，所述数据推理模块包括：第一用户历史检索单元，用于基于用户登记数据，将所述数据对合集置入预设的模糊匹配模型，在用户录入的历史数据内，检索匹配得到与所述数据对合集最相似的第一样本数据
。
[0012]通过上述技术方案，本申请系统能够结合用户录入的历史数据，检索匹配得到与数据对合集最相似的第一样本数据，提高样本数据的可靠性，从而提高本申请系统数据分析的准确性
。
[0013]本申请进一步设置为：所述样品数据包括第二样本数据，所述数据推理模块还包括：第二用户历史检索单元，用于基于用户登记数据，将所述数据对合集置入预设的模糊匹配模型，在其他用户录入的历史数据内，检索匹配得到与所述数据对合集最相似的第二样本数据
。
[0014]通过上述技术方案，本申请系统能够结合其他用户录入的历史数据，检索匹配得到与数据对合集最相似的第二样本数据，进一步提高样本数据的可靠性，从而提高本申请系统数据分析的准确性
。
[0015]本申请进一步设置为：所述样本数据包括第三样本数据，所述数据推理模块还包括：数据库检索单元，用于基于用户登记数据，将所述数据对合集置入预设的模糊匹配模型，在预设的样本数据库内，检索匹配得到与所述数据对合集最相似的第三样本数据
。
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于眼表眼周图像采集与人工智能健康分析系统，其特征在于，包括：双目同步拍摄模块
(1)
，用于同步拍摄用户双眼，得到眼表眼周图像；图像品质检测模块
(2)
，用于对所述眼表眼周图像进行品质检测和处理，得到待训练图像；数据训练模块
(3)
，用于基于用户已授权信息，构建用户健康数据；所述数据训练模块
(3)
还用于将所述待训练图像置入预设的神经网络模型训练，得到待分析向量，再将所述待分析向量和所述用户健康数据置入预设的机器学习模型内，训练得到数据对合集；数据推理模块
(4)
，用于基于用户登记数据，将所述数据对合集置入预设的模糊匹配模型，分别在预设的多个不同类型检索条件下，所述数据推理模块
(4)
检索匹配得到与所述数据对合集最相似的多个样本数据；分数计算模块
(5)
，用于提取多个所述样本数据的健康分数，对多个所述健康分数进行加权合并，计算得到用户八大身体系统的健康分数
。2.
根据权利要求1所述的一种用于眼表眼周图像采集与人工智能健康分析系统，其特征在于，所述图像品质检测模块
(2)
包括：人眼识别单元
(21)
，用于识别所述眼表眼周图像是否为人眼图像；睁闭眼识别单元
(22)
，用于识别所述眼表眼周图像内的闭眼程度是否低于预设的闭眼阈值；清晰度识别单元
(23)
，用于识别所述眼表眼周图像的清晰度是否达到清晰度指标；合格判定单元
(24)
，若所述人眼识别单元
(21)、
所述睁闭眼识别单元
(22)
和所述清晰度识别单元
(23)
的识别结果均为是，则判定所述眼表眼周图像为检测合格图像；预处理单元
(25)
，用于将所述检测合格图像进行增强处理
、
位置校正和归一化裁剪后，得到待训练图像
。3.
根据权利要求1所述的一种用于眼表眼周图像采集与人工智能健康分析系统，其特征在于，所述数据训练模块
(3)
包括：向量生成单元，用于将多个不同图像品质的待训练图像置入预设的神经网络模型进行训练，生成至少
1000
维的待分析向量
。4.
根据权利要求1所述...

【专利技术属性】
技术研发人员：安凯，
申请(专利权)人：罗麦北京营养食品研究有限公司，
类型：发明
国别省市：