【技术实现步骤摘要】
本专利技术属于检测，尤其涉及一种精子活力检测方法。
技术介绍
1、精子活力检测是指精子样本中活动精子的百分比，在现代医学和生殖研究中活力检测具有关键地位，是评估男性生育能力和协助生育治疗的不可或缺的方式。传统精液分析方法主要依赖于经验丰富的技术专家，通过高倍显微镜下使用肉眼观察样本运动状态进行评估，但这种方式会因专家经验差异从而影响检测结果的客观性。
2、随着人工智能的不断发展，深度学习逐渐应用于活力检测。针对精子目标检测，研究人员采用了多种深度学习方法，如深度学习ssd目标检测框架、深度卷积神经网络(cnn)、区域卷积神经网络(r-cnn)、改进深度学习网络yolov5、retinanet目标检测器等。同时精子运动状态方法也多种多样，如使用三维cnn(3dcnn)进行精子运动预测，通过训练深度卷积神经网络(dcnn)实现预测三类进行性运动、非进行性运动和不运动精子等。
3、综上所述，精子活力分析算法种类繁多，以满足不同的应用场景需求。然而，为满足便携式检测系统对采样地点限制的降低和检测便捷性的提高的需求，目前还没有一种更加有效的检测匹配方法。
技术实现思路
1、为了解决上述技术问题，本专利技术提供如下技术方案：
2、与现有技术相比，本专利技术的有益效果是：本申请采用卡尔曼滤波多目标追踪技术来绘制精子的运动轨迹。这一技术优势在于能有效处理噪声、遮挡以及多种精子目标状态的复杂情况，确保了精确和稳定的跟踪结果。同时，卡尔曼滤波多目标追踪算法具有良好的
本文档来自技高网...【技术保护点】
1.一种精子活力检测方法，其特征在于，
2.根据权利要求1所述的一种精子活力检测方法，其特征在于，所述的步骤100中，采集精子运动图像为精子400倍运动图像30帧。
3.根据权利要求1所述的一种精子活力检测方法，其特征在于，所述的步骤200中，叠加平均法具体为：将视频的每一帧添加到同一张图片中，然后将结果除以帧数，从而获得帧平均图，之后通过自适应阈值获取目标轮廓，通过形态学操作去除噪声并连接目标区域，最后筛选并绘制符合精子在帧平均图下的面积阈值的轮廓标记为静态目标。
4.根据权利要求1所述的一种精子活力检测方法，其特征在于，所述的步骤200中，帧差法具体为：获取到当前帧与前几帧之间的差异图像，显示在连续帧之间发生变化的区域，用来代表动态目标，随后，经过灰度化和自适应阈值处理差异图像，将差异图像形态学操作，通过检测和提取二值图像中的轮廓，获取动态目标的形状和位置信息，经过筛选，保留符合精子在当前帧下的面积阈值的动态目标，最后，符合条件的轮廓被绘制在输出图像中，实现了对动态目标的标注。
5.根据权利要求1所述的一种精子活力检测方法，其特
6.根据权利要求1所述的一种精子活力检测方法，其特征在于，所述的步骤200中，卡尔曼多目标追踪方法具体为，
7.根据权利要求6所述的一种精子活力检测方法，其特征在于，如果一个精子在连续多帧中均未被检测到真实值，系统会自动停止追踪该目标。
8.根据权利要求6所述的一种精子活力检测方法，其特征在于，若追踪的次数小于整个视频片段帧数的95％则认定为非动态精子，直接去除，也不作为静态精子计算。
9.根据权利要求6所述的一种精子活力检测方法，其特征在于，
10.根据权利要求6所述的一种精子活力检测方法，其特征在于当运动目标满足首次检测到的且尚未被系统跟踪，则新初始化一个卡尔曼滤波器用于追踪该精子。
...【技术特征摘要】
1.一种精子活力检测方法，其特征在于，
2.根据权利要求1所述的一种精子活力检测方法，其特征在于，所述的步骤100中，采集精子运动图像为精子400倍运动图像30帧。
3.根据权利要求1所述的一种精子活力检测方法，其特征在于，所述的步骤200中，叠加平均法具体为：将视频的每一帧添加到同一张图片中，然后将结果除以帧数，从而获得帧平均图，之后通过自适应阈值获取目标轮廓，通过形态学操作去除噪声并连接目标区域，最后筛选并绘制符合精子在帧平均图下的面积阈值的轮廓标记为静态目标。
4.根据权利要求1所述的一种精子活力检测方法，其特征在于，所述的步骤200中，帧差法具体为：获取到当前帧与前几帧之间的差异图像，显示在连续帧之间发生变化的区域，用来代表动态目标，随后，经过灰度化和自适应阈值处理差异图像，将差异图像形态学操作，通过检测和提取二值图像中的轮廓，获取动态目标的形状和位置信息，经过筛选，保留符合精子在当前帧下的面积...
【专利技术属性】
技术研发人员：李传江，张崇明，朱燕飞，
申请(专利权)人：上海菲赛欧智能科技有限公司，
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。