【技术实现步骤摘要】
本专利技术提出了一种基于面部图像识别的疼痛测量方法和系统，属于疼痛检测。
技术介绍
1、疼痛作为一种主观感受，其准确评估对于医疗诊断、治疗方案的制定以及患者护理至关重要。传统的疼痛评估方法主要依赖于患者的主观描述和医护人员的临床观察，但这些方法存在诸多局限性。例如，患者可能因语言障碍、意识不清或认知能力受限而无法准确表达疼痛感受；而医护人员在进行疼痛评估时，可能会受到个人经验、注意力分散等因素的影响，导致评估结果的主观性和不一致性。
2、随着计算机视觉和人工智能技术的快速发展，基于面部图像识别的疼痛测量方法逐渐展现出其在疼痛评估领域的巨大潜力。这类方法通过分析患者的面部表情特征，能够客观、实时地反映患者的疼痛状态，从而提高了疼痛评估的准确性和可靠性。
3、然而，现有技术中的基于面部图像识别的疼痛测量方法仍面临一些挑战。首先，不同环境下的光照条件、摄像头性能以及患者面部特征的多样性都可能影响图像采集的质量和面部识别的准确性。其次，疼痛表情的复杂性使得深度学习模型的训练和优化变得尤为困难，需要大量的标注数据和精细的模型调优。此外，如何实时、高效地处理和分析图像数据，以及如何将识别结果及时传达给相关人员，也是当前技术亟待解决的问题。
4、针对上述挑战，本专利技术提出了一种基于面部图像识别的疼痛测量方法，该方法通过动态调整摄像头传感器的增益信号数值，以适应不同环境下的光照条件，从而提高图像采集的质量。同时，利用图像增强处理技术对采集到的视频数据进行预处理，进一步改善图像的清晰度和对比度，为后续的疼痛表
技术实现思路
1、本专利技术提供了一种基于面部图像识别的疼痛测量方法和系统，用以解决现有技术中的问题：
2、一种基于面部图像识别的疼痛测量方法，所述基于面部图像识别的疼痛测量方法包括：
3、动态调整的摄像头传感器的增益信号数值，并且，通过目标区域中布设的摄像头传感器实时采集目标区域对应的视频数据；
4、对所述视频数据进行图像增强处理，获取图像增强处理后的图像数据；
5、从数据库中调取已完成训练和测试的深度学习模型，并利用所述深度学习模型对所述图像增强处理后的图像数据进行疼痛表情识别，获取疼痛判定结果；
6、当疼痛判定结果表明在目标区域内出现疼痛目标时，对带有疼痛目标的图像数据进行标记，并将所述图像数据发送至移动监控终端。
7、进一步地，动态调整的摄像头传感器的增益信号数值，并且，通过目标区域中布设的摄像头传感器实时采集目标区域对应的视频数据，包括：
8、实时监测目标区域中的光线强度；
9、根据所述监测目标区域中的光线强度对摄像头传感器的增益信号数值进行动态调节，获取目标增益信号数值；
10、控制所述摄像头传感器按照目标增益信号数值对当前增益进行调整，获取增益调整后的摄像头传感器；
11、控制目标区域中布设的增益调整后的摄像头传感器实时采集目标区域对应的视频数据。
12、进一步地，根据所述监测目标区域中的光线强度对摄像头传感器的增益信号数值进行动态调节，获取目标增益信号数值，包括：
13、提取当前目标区域中的光线强度；
14、将所述当前目标区域中的光线强度与预设的第一光线强度阈值和第二光线强度阈值进行比较；
15、当所述当前目标区域中的光线强度低于预设的第一光线强度阈值，但是，未低于预设的第二光线强度阈值时，则利用第一增益调节策略获取目标增益信号数值；
16、当所述当前目标区域中的光线强度低于预设的第二光线强度阈值时，则利用第二增益调节策略获取目标增益信号数值。
17、进一步地，所述第一增益调节策略如下：
18、提取当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比；
19、提取所述第一光线强度阈值对应的视频数据的帧图像数据的第一理论信噪比，和，第二光线强度阈值对应的视频数据的帧图像数据的第二理论信噪比；
20、将所述当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比与所述第一理论信噪比进行比较，获得当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比与所述第一理论信噪比之间的第一信噪比差值；
21、将所述当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比与所述第二理论信噪比进行比较，获得当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比与所述第二理论信噪比之间的第二信噪比差值；
22、利用所述第一信噪比差值和第二信噪比差值获取第一增益调节系数；
23、其中，所述第一增益调节系数通过如下公式获取：
24、
25、其中，k01表示第一增益调节系数；β0表示第二增强调节因子，并且，所述第二增强调节因子的取值范围为1.28-2.81；sc01表示第一信噪比差值；sc02表示第二信噪比差值；k表示当前目标区域对应的光线强度变化率；sb表示当前已获得的目标区域对应的图像数据的信噪比标准差；i02表示第二光线强度阈值；i表示当前目标区域中的光线强度；ib表示当前目标区域中的光线强度变化标准差；f01表示第一增益调节因子，并且，所述第一增益调节因子通过如下公式获取：
26、
27、其中，f01表示第一增益调节因子；α0表示第一增强调节因子，并且，所述第一增强调节因子的取值范围为0.62-1.19；iso表示摄像头传感器的感光度；i01表示第一光线强度阈值；i02表示第二光线强度阈值；i表示当前目标区域中的光线强度；ir表示当前目标区域中出现的最大光线变化幅度；
28、调取当前摄像头传感器的增益数值；
29、利用所述第一增益调节系数结合当前摄像头传感器的增益数值获取目标增益信号数值；
30、其中，所述目标增益信号数值通过如下公式获取：
31、
32、其中，x01表示第一增益调节系数获取的目标增益信号数值；k01表示第一增益调节系数；xd表示当前摄像头传感器的增益数值。
33、进一步地，所述第二增益调节策略如下：
34、提取当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比；
35、将所述当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比与预设的信噪比参考值进行比较，获得当前目标区域中的光线强度下的摄像头传感器已获取的视频数据的帧图像数据的信噪比与预设的信噪比参考值之间的信噪比差值本文档来自技高网...
【技术保护点】
1.一种基于面部图像识别的疼痛测量方法，其特征在于，所述基于面部图像识别的疼痛测量方法包括：
2.根据权利要求1所述的基于面部图像识别的疼痛测量方法，其特征在于，动态调整的摄像头传感器的增益信号数值，并且，通过目标区域中布设的摄像头传感器实时采集目标区域对应的视频数据，包括：
3.根据权利要求2所述的基于面部图像识别的疼痛测量方法，其特征在于，根据所述监测目标区域中的光线强度对摄像头传感器的增益信号数值进行动态调节，获取目标增益信号数值，包括：
4.根据权利要求3所述的基于面部图像识别的疼痛测量方法，其特征在于，所述第一增益调节策略如下：
5.根据权利要求3所述的基于面部图像识别的疼痛测量方法，其特征在于，所述第二增益调节策略如下：
6.根据权利要求1所述的基于面部图像识别的疼痛测量方法，其特征在于，对所述视频数据进行图像增强处理，获取图像增强处理后的图像数据，包括：
7.根据权利要求6所述的基于面部图像识别的疼痛测量方法，其特征在于，在滑动过程中对滑动局部窗口所经历的人脸面部所占图像区域进行局部对比度调整，
8.根据权利要求1所述的基于面部图像识别的疼痛测量方法，其特征在于，从数据库中调取已完成训练和测试的深度学习模型，并利用所述深度学习模型对所述图像增强处理后的图像数据进行疼痛表情识别，获取疼痛判定结果，包括：
9.根据权利要求8所述的基于面部图像识别的疼痛测量方法，其特征在于，已完成训练和测试的深度学习模型的结构如下：
10.一种基于面部图像识别的疼痛测量系统，其特征在于，所述基于面部图像识别的疼痛测量系统包括：
...【技术特征摘要】
1.一种基于面部图像识别的疼痛测量方法，其特征在于，所述基于面部图像识别的疼痛测量方法包括：
2.根据权利要求1所述的基于面部图像识别的疼痛测量方法，其特征在于，动态调整的摄像头传感器的增益信号数值，并且，通过目标区域中布设的摄像头传感器实时采集目标区域对应的视频数据，包括：
3.根据权利要求2所述的基于面部图像识别的疼痛测量方法，其特征在于，根据所述监测目标区域中的光线强度对摄像头传感器的增益信号数值进行动态调节，获取目标增益信号数值，包括：
4.根据权利要求3所述的基于面部图像识别的疼痛测量方法，其特征在于，所述第一增益调节策略如下：
5.根据权利要求3所述的基于面部图像识别的疼痛测量方法，其特征在于，所述第二增益调节策略如下：
6.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：李宇欣，赵云龙，李斯琦，裘实，
申请(专利权)人：北京健康有益科技有限公司，
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。