申请/专利权人:上海交通大学
申请日:2023-05-31
公开(公告)日:2023-12-29
公开(公告)号:CN117316440A
主分类号:G16H50/30
分类号:G16H50/30;G16H50/20;G16H30/20;G06V40/16;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.16#实质审查的生效;2023.12.29#公开
摘要:本发明公开了一种基于机器学习面部特征计算的智能面瘫程度评测方法,其包括:S1:通过用户界面向用户发出面部动作指令,用户按照指令做出相应面部动作时,通过摄像头捕捉用户的面部图像视频;S2:从面部图像视频中周期性抽取图片;计算各图片对应面部动作的面部动作特征值,并将特征值最明显的图片作为该面部动作的面部表情关键帧;S3:采用Dlib库提取面部表情关键帧的人脸2D‑landmark信息;S4:根据面部表情关键帧中面部标记点的信息计算面部特征;S5:将面部特征输入至分类算法模型,得到HBGS面瘫评级结果。本方法覆盖全脸关键特征区域,并且基于不同区域的临床表征提取可量化评级高级特征,有效提高检测模型的准确率与临床可靠性。
主权项:1.一种基于机器学习面部特征计算的智能面瘫程度评测方法,其特征在于包括以下步骤:S1:通过用户界面向用户发出面部动作指令,用户按照指令做出相应面部动作时,通过摄像头捕捉用户的面部图像视频;S2:从面部图像视频中周期性抽取图片;计算各图片对应面部动作的面部动作特征值,并将特征值最明显的图片作为该面部动作的面部表情关键帧;S3:采用Dlib库提取面部表情关键帧的人脸2D-landmark信息,所述人脸2D-landmark信息包括各面部标记点的信息;S4:根据面部表情关键帧中面部标记点的信息计算面部特征;S5:将面部特征输入至分类算法模型,得到HBGS面瘫评级结果。
全文数据:
权利要求:
百度查询: 上海交通大学 一种基于机器学习面部特征计算的智能面瘫程度评测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。