基于U-Net的骨骼分割图像生成方法及穴位定位方法技术

本发明专利技术公开了提出了一种基于U‑Net的骨骼分割图像生成方法及穴位定位方法，首先获取人体骨骼图像并进行预处理，得到预处理后的图像；然后基于该图像训练骨骼分割模型，获得训练好的模型。将待分割的骨骼图像输入训练好的模型，生成骨骼分割图像。对骨骼分割图像进行二值化处理，计算每个像素点的海森矩阵。接着，计算不同尺度下海森矩阵的行列式，选择局部极值点作为关键特征点。最后，使用优化算法对关键特征点进行优化，确定所有穴位的最终位置。本发明专利技术可以自动、精确地识别出人体骨骼图像，不受光照条件、拍摄角度和人体姿势等因素的影响，可以在各种环境下进行穴位定位，减少了人为因素的干扰，提高了定位的准确性。

【技术实现步骤摘要】

本专利技术涉及穴位定位，更具体地，涉及一种基于u-net的骨骼分割图像生成方法及穴位定位方法。

技术介绍

1、如今，市场上涌现出各种功能繁多的按摩椅，包括加热按摩椅、空气压缩按摩椅、定制化按摩椅、微电流按摩椅等等。然而，大多数按摩椅缺乏普遍适用性，无法根据不同人群的需求进行自动调节。此外，一些按摩椅采用简单的传感器来检测人体穴位位置和力度，或者利用摄像头拍摄背部图像进行特征提取，但这些方法的精确度有限。

2、由于穴位位置和形态可能因多种因素而变化，直接识别法可能面临更高的准确性挑战。穴位的位置和形态可能因个体差异、体型、肌肉状态等多种因素而有所变化，这些因素可能难以直接通过图像识别来精确捕捉。现有技术对图像质量要求高，准确识别穴位需要高质量、清晰的图像。光照条件、拍摄角度、人体姿势等因素都可能影响图像质量，从而影响穴位识别的准确性。训练大规模的数据可能需要大量的时间和计算资源，通常需要大量的数据才能获得良好的性能。这意味着需要花费大量时间和精力来收集、标注和训练数据，增加了系统开发的成本和复杂度。

>技术实现思路...

【技术保护点】

1.一种基于U-Net的骨骼分割图像生成方法，其特征在于，包括：

2.根据权利要求所述的基于U-Net的骨骼分割图像生成方法，其特征在于，基于预处理后的人体骨骼图像对构建的骨骼分割模型进行训练，获得训练好的骨骼分割模型，包括：

3.根据权利要求2所述的基于U-Net的骨骼分割图像生成方法，其特征在于，所述编码器包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第一最大池化层、第二最大池化层和第三最大池化层；

4.根据权利要求3所述的基于U-Net的骨骼分割图像生成方法，其特征在于，所述最深层包括依次连接的第七卷积层和第八卷积层...

【技术特征摘要】

1.一种基于u-net的骨骼分割图像生成方法，其特征在于，包括：

2.根据权利要求所述的基于u-net的骨骼分割图像生成方法，其特征在于，基于预处理后的人体骨骼图像对构建的骨骼分割模型进行训练，获得训练好的骨骼分割模型，包括：

3.根据权利要求2所述的基于u-net的骨骼分割图像生成方法，其特征在于，所述编码器包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第一最大池化层、第二最大池化层和第三最大池化层；

4.根据权利要求3所述的基于u-net的骨骼分割图像生成方法，其特征在于，所述最深层包括依次连接的第七卷积层和第八卷积层；所述第三最大池化层的输出端与第七卷积层的输入端连接；所述第八卷积层地输出端与解码器的输入端连接。

5.根据权利要求4所述的基于...

【专利技术属性】
技术研发人员：凌永权，刘茜，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：