基于肩峰的人体背部实例分割方法技术

技术编号：40544220 阅读：5 留言：0更新日期：2024-03-05 19:01

本发明专利技术涉及穴位定位技术领域，具体的说是基于肩峰的人体背部实例分割方法，具体步骤如下：S1，输入背部图像，并将背部图像尺寸设置为544*544；S2，通过RestNet网络对背部图像的进行特征提取，并输出P0([1，256，136，136])、P1([1，512，68，68])、P2([1，1024，34，34])、P3([1，2048，17，17])四种不同尺度的特征图；S3，通过FPN网络对S2中得到的P1到P3三种尺度特征图进行卷积处理。本发明专利技术提供了一种能够以肩峰为肩部边界点的人体背部实例分割网络，相比与其他分割网络，其分割的掩码图是以肩峰为边，可更加轻松找到后续穴位。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及穴位定位，具体的说是基于肩峰的人体背部实例分割方法。

技术介绍

1、根据两侧肩峰的距离就可以计算出每个人身体一寸的具体长度，同时找到两侧肩峰和颈部下端的连线，两个连线的中点的中点即为大椎穴，根据大椎穴和一寸的长度就可推导出整体的背部穴位，因此，找到肩峰是重中之重。

2、现有的背部图像分割方法不论是语义分割还是实例分割方法，单纯的分割出整体背部图像都具有显著的效果；但是整体背部分割对于穴位的定位带来很大困扰，因为从整体分割后的图像中精准的找到基准坐标很难，而这些基准坐标恰恰是后续穴位定位的基础，同时现有的实例分割基于二阶段的实例分割如maskrcnn需要依赖准确的边界框，基于一阶段的实例分割如solo其对分割掩码的约束不足，导致容易产生误检。

技术实现思路

1、本专利技术针对现有技术中的问题，提供基于肩峰的人体背部实例分割方法，具体技术方案如下：

2、一方面，本申请提供基于肩峰的人体背部实例分割方法，具体步骤如下：

3、s1，输入背部图像，并将背部图像尺寸设置为544*544；

4、s2，通过restnet网络对背部图像的进行特征提取，并输出p0([1，256，136，136])、p1([1，512，68，68])、p2([1，1024，34，34])、p3([1，2048，17，17])四种不同尺度的特征图；

5、s3，通过fpn网络对s2中得到的p1到p3三种尺度特征图进行卷积处理；

6、s4，

7、s5，通过将predict网络对f0到f4的结果进行处理得到class预测结果、box框预测结果以及mask掩码系数预测结果；

8、s6，依次进行预测框anchors的制作、class损失计算、box损失计算以及mask损失计算。

9、作为本专利技术进一步的技术方案，所述s3中特征图的处理方法如下：

10、s31，将p3进行1*1*256卷积将其通道数变为256得到f2_1([1，256，17，17])；

11、s32，对f2_1进行上采样得到与p2相同尺度的特征图，然后将两个特征图进行相加融合，得到f1_1([1，256，34，34])，再对f1_1进行上采样得到与p1相同尺度的特征图，然后将两个特征图进行相加融合，得到f0_1([1，256，68，68])；

12、s33，对得到的f0_1、f1_1、f2_1进行3*3*256的卷积，再对其结果进行relu激活函数激活，得到f0([1，256，68，68])、f1([1，256，34，34])、f2([1，256，17，17])，将f2进行下采样得到f3([1，256，9，9])，再将f3进行下采样得到f4([1，256，5，5])。

13、作为本专利技术进一步的技术方案，所述s6中预测框anchors的制作依赖以下公式：

14、

15、其中，i和j分别为输入特征图中的每一个行坐标和列坐标，w和h为输入图像的长宽尺寸，scale为缩放因子，ra为每个像素对应的长宽的三种变换开根号所得。

16、作为本专利技术进一步的技术方案，所述s6中class损失计算依赖以下公式：

17、

18、其中，num_pos为正样本的个数，conf_alpha为训练参数，i为样本数，class_p_mined为正样本和三倍正样本数量的较难区分的负样本的对应的class预测值，class_gt_mined为相应正负样本。

19、作为本专利技术进一步的技术方案，所述s6中box损失计算依赖以下公式：

20、

21、其中，bbox_alpha为训练参数，x，y分别为pos_box_p和pos_offsets的值，otherwise为x,y差值的绝对值大于1，num_pose为正样本数量。

22、作为本专利技术进一步的技术方案，所述s6中mask损失计算依赖以下公式：

23、

24、其中，y为pos_mask_gt值，p为mask_p值，i为样本数量。

25、本专利技术的有益效果如下：

26、(1)、本专利技术提供了一种能够以肩峰为肩部边界点的人体背部实例分割网络，相比与其他分割网络，其分割的掩码图是以肩峰为边，可更加轻松找到后续穴位。

27、(2)、本专利技术通过predect(预测)网络，使得最终的掩码区域不受限于精准的检测框，同时在该模块中直接产生class预测、box预测和mask掩码系数预测，减少了网络的深度和训练时间。

28、(3)、本专利技术可在计算损失时将cd网络的结果与得到的掩码系数相乘，约束掩码区域范围，区分了肩部和胳膊之间的区域。

本文档来自技高网...

【技术保护点】

1.基于肩峰的人体背部实例分割方法，其特征在于，具体步骤如下：

2.基于肩峰的人体背部实例分割方法，其特征在于，所述S3中特征图的处理方法如下：

3.基于肩峰的人体背部实例分割方法，其特征在于，所述S6中预测框anchors的制作依赖以下公式：

4.基于肩峰的人体背部实例分割方法，其特征在于，所述S6中class损失计算依赖以下公式：

5.基于肩峰的人体背部实例分割方法，其特征在于，所述S6中box损失计算依赖以下公式：

6.基于肩峰的人体背部实例分割方法，其特征在于，所述S6中mask损失计算依赖以下公式：

【技术特征摘要】

1.基于肩峰的人体背部实例分割方法，其特征在于，具体步骤如下：

2.基于肩峰的人体背部实例分割方法，其特征在于，所述s3中特征图的处理方法如下：

3.基于肩峰的人体背部实例分割方法，其特征在于，所述s6中预测框anchors的制作依赖以下公式：

4.基...

【专利技术属性】
技术研发人员：骆敏舟，丁瑞臣，夏炎，卢钰，
申请(专利权)人：江苏集萃智能制造技术研究所有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人