【技术实现步骤摘要】
本专利技术一般地涉及超声控制领域。更具体地，本专利技术涉及基于机器学习的超声自动控制方法及系统。
技术介绍
1、超声被广泛应用于医疗美容领域，超声美容仪是一个典型的利用超声来实现医学美容的仪器，通过预设的波长促进局部皮肤新陈代谢，改善局部血液循环，提高皮肤质量。
2、超声美容仪是一种运用超声波技术进行皮肤护理和美容的设备。这种设备通常通过振动超声波来促进皮肤细胞的活跃，有助于提升皮肤弹性、减少细纹和皱纹，以及促进血液循环。这种设备的工作原理是通过超声波的振动作用于皮肤表层和深层组织，有助于推动护肤产品更深地渗透到皮肤内部。此外，超声波还能够刺激胶原蛋白的生成，有助于改善皮肤的弹性和紧致度。
3、现有的超声美容仪在实际应用过程中，往往是由有经验的医师，根据自己的经验选择超声美容仪的频率，判断何时停止作业，该方式的人为主观性影响强，受到操作医师的个人经验限制。若经验较少的医师操作时，可能会造成目标用户的脸部皮肤出现不可逆灼伤。
技术实现思路
1、为解决上述技术问题，本专利技术提出使用机器学习的方式，对使用超声美容仪前后进行对比，实时检测对比结果，得到检测灼伤速度，根据灼伤速度得到超声异常指数，设定异常阈值，从而超过阈值，则超声美容仪停止运行，以提高使用超声美容仪的安全性，避免皮肤灼伤，为此，本专利技术在如下的多个方面中提供方案。
2、在第一方面中，基于机器学习的超声自动控制方法，包括：获取目标用户面部的视频流并进行预处理，得到多个面部区域图像；根据相
3、在一个实施例中，获取目标用户面部的视频流并进行预处理，得到多个面部区域图像，包括：
4、构建预设语义分割网络，获取多帧图像，标记图像中的人体面部区域的像素点，将携带标记点的图像投入预设语义分割网络模型进行训练，得到待预测语义分割网络模型；
5、实时获取目标用户的所述视频流预处理后的图像，投入带预测语义分割网络模型，得到多个面部区域图像。
6、由此，通过上述方案中，使用机器学习方式，对目标用户的视频进行预处理，实时获取目标用户的所述视频流预处理后的图像，得到目标用户的面部区域图像，便于对面部区域图像进行下一步处理。
7、在一个实施例中，两帧之间所述面部区域图像中头部的质心变化，包括：
8、所述质心变化满足下述计算公式：
9、
10、
11、其中，表示质心的横坐标，表示质心的纵坐标，表示图像中所有非0像素点的横坐标，表示图像中所有非0像素点的纵坐标。
12、由此，通过上述方案中，通过对图像中标注头部质心，根据头部质心对应的像素点的像素值，确定前后帧中面部区域图像的对应的像素值，有利于在使用超声美容仪对目标用户的面部区域图像进行标记。
13、在一个实施例中，根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度，包括：
14、获取未使用超声美容仪作业时的面部区域图像作为标准图像，其中，标准图像中的各个像素点的像素值为标准像素值；
15、计算实时图像中各个像素点的像素值和标准图像中像素点的像素值的相似性，通过相似性判断超声美容仪使用过程中的灼伤程度，所述面部灼伤程度指数满足下述多项式：
16、
17、其中，表示第帧面部区域图像中的位置的像素点的灼伤程度指数，表示像素点三通道色值，为红色通道值，为绿色通道值，为蓝色通道值，表示第帧面部区域图像中的位置的像素值，表示标准图像中位置的像素值；
18、所述灼伤速度满足下述关系式：
19、
20、其中，表示位置在第帧面部区域图像对应时刻的灼伤速度，表示第帧面部区域图像位置的像素点的灼伤程度指数，表示第帧图像位置像素点的灼伤程度指数，表示帧差，表示两帧之间的时间。
21、在一个实施例中，根据所述灼伤程度指数和灼伤速度，确定当前超声频率，并设定调整系数，包括：所述调整系数为最小超声频率值和实时超声频率的比值。
22、在一个实施例中，根据红肿像素点的灼伤程度指数、灼伤速度和调整系数，获得监测灼伤速度，包括：
23、所述监测灼伤速度满足下述关系式：
24、
25、其中，表示位置在第帧面部区域图像对应时刻的灼伤速度，表示第帧面部区域图像位置的像素点的灼伤程度指数，表示调整后的第帧面部区域图像位置的像素点的灼伤程度指数，表示取整函数，表示调整系数，表示视频流的帧率，表示两帧之间的时间。
26、由此，通过上述技术方案，由于目标用户对超声美容仪的超声频率调整不同，当超声频率较高，或者目标用户的皮肤状态较差时，会快速灼伤目标用户的表层皮肤，造成过度灼伤的情况得到监测灼伤速度，确保监测灼伤速度在灼伤速度之前得到反馈。
27、在一实施例中，根据所述监测灼伤速度，获得超声异常指数，包括：
28、所述超声异常指数满足下述多项式：
29、
30、
31、
32、其中，表示超声作业范围内的异常点，表示位置在第帧面部区域图像对应时刻的灼伤速度，表示超声作业范围内的异常点比例，表示超声作业范围内的异常点个数，表示累加起始点，表示超声作业范围内的所有像素点个数，表示超声作业范围内的超声异常指数。
33、由此，通过上述技术方案，在监测灼伤速度中，会降低调整系数，导致监测灼伤速度偏离实际值，需要追加灼伤范围系数，灼伤范围系数越大，灼伤的范围越大，该处为异常超声频率的概率越大。
34、在一实施例中，根据所述超声异常指数阈值，判断超声美容仪的运行状态，包括：
35、设置超声异常指数阈值；
36、响应于大于超声异常指数阈值时，停止超声美容仪作业。
37、第二方面，基于机器学习的超声自动控制系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现任一项所述的基于机器学习的超声自动控制方法。
38、本申请具有以下效果：
39、1、本申请通过使用机器学习，利用待预测的语义分割网络模型，快速获取目标用户的面部区域图像，根据面部区域图像进一步处理，提高超声美容仪的使用安全性，减少对皮肤不可逆的灼伤。
40、2、本申请通过根据实时面部区域图像与标准图像进行对比，得到目标用户在使用超声美容仪本文档来自技高网...
【技术保护点】
1.基于机器学习的超声自动控制方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，获取目标用户面部的视频流并进行预处理，得到多个面部区域图像，包括：
3.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，两帧之间所述面部区域图像中头部的质心变化，包括：
4.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度，包括：
5.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述灼伤程度指数和灼伤速度，确定当前超声频率，并设定调整系数，包括：
6.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据红肿像素点的灼伤程度指数、灼伤速度和调整系数，获得监测灼伤速度，包括：
7.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述监测灼伤速度，获得超声异常指数，包括：
8.根据权
9.基于机器学习的超声自动控制系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-8任一项所述的基于机器学习的超声自动控制方法。
...【技术特征摘要】
1.基于机器学习的超声自动控制方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，获取目标用户面部的视频流并进行预处理，得到多个面部区域图像，包括：
3.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，两帧之间所述面部区域图像中头部的质心变化，包括：
4.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度，包括：
5.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述灼伤程度指数和灼伤速度，确定当前超声频率，并...
【专利技术属性】
技术研发人员：卓晓帝，吕建丰，
申请(专利权)人：广州中科医疗美容仪器有限公司，
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。