穴位检测方法、装置及电子设备

1.本发明涉及人工智能技术领域，尤其涉及一种穴位检测方法、装 置及电子设备。


背景技术：

2.穴位疗法由具有资质进行穴位诊疗的医师来进行，不同的医师对穴位定位的准确性有着个体差异，穴位定位不准会影响到治疗效果。并且，人体中具有几百个穴位点，对医师来说找穴工作量较大。


技术实现要素：

[0003][0004]
本发明提供一种穴位检测方法、装置及电子设备，用以解决现有 技术中主要依赖人工找穴，导致医师工作量大的问题。
[0005]
第一方面，本发明提供一种穴位检测方法，包括：
[0006]
采集包含待检测部位的目标图像；
[0007]
基于所述目标图像，预测所述待检测部位的热力图，在所述热力 图中穴位处的像素值与非穴位处的像素值不同；
[0008]
根据所述热力图中各个像素点的像素值，确定所述待检测部位的 待检测穴位，将所述待检测穴位标注在所述目标图像中。
[0009]
根据本发明提供的一种示例性实施方式，所述采集包含待检测部 位的目标图像，包括：
[0010]
通过摄像头对所述待检测部位进行拍照，获得所述摄像头拍摄的 原始图像；
[0011]
检测所述原始图像中待检测部位的轮廓点；
[0012]
根据所述轮廓点从所述原始图像中提取出所述待检测部位的目 标图像。
[0013]
根据本发明提供的一种示例性实施方式，基于所述目标图像，预 测所述待检测部位的热力图，包括：
[0014]
将所述目标图像输入训练完成的穴位预测模型，获得所述穴位预 测模型输出的多个热力图，其中，所述热力图的数量与所述待检测部 位包含的所述待检测穴位的数量相同。
[0015]
根据本发明提供的一种示例性实施方式，所述根据所述热力图中 各个像素点的像素值，确定所述待检测部位的待检测穴位，将所述待 检测穴位标注在所述目标图像中，包括：
[0016]
获取每个所述热力图中像素值最大的目标像素点，将所述目标像 素点处作为待检测穴位；
[0017]
在所述热力图对应的目标图像中，对所述目标像素点对应的位置 处进行标注。
[0018]
根据本发明提供的一种示例性实施方式，上述方法还包括：
[0019]
获取多个包含所述待检测部位的第一图像，以及第一图像的标注 信息，所述标注
信息用于指示所述第一图像中待检测穴位的位置；
[0020]
构建以所述待检测穴位为中心的高斯分布，根据每个所述待检测 穴位的所述高斯分布生成每个所述穴位坐标对应的真值热力图，所述 真值热力图中各像素点的像素值为所述高斯分布的概率值；
[0021]
将多个所述第一图像输入所述穴位检测模型，以对所述穴位检测 模型进行训练，直到所述穴位检测模型针对所述第一图像输出的预测 热力图与所述第一图像对应的真值热力图之间的损失满足预设要求， 则训练完成。
[0022]
根据本发明提供的一种示例性实施方式，所述待检测部位包括手 部。
[0023]
第二方面，本发明还提供一种穴位检测装置，包括：
[0024]
图像输入模块，用于采集包含待检测部位的目标图像；
[0025]
图像预测模块，用于基于所述目标图像，预测所述待检测部位的 热力图，在所述热力图中穴位处的像素值与非穴位处的像素值不同；
[0026]
穴位输出模块，用于根据所述热力图中各个像素点的像素值，确 定所述待检测部位的待检测穴位，将所述待检测穴位标注在所述目标 图像中。
[0027]
第三方面，本发明还提供一种电子设备，包括存储器、处理器及 存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行 所述程序时实现如上述任一种所述穴位检测方法。
[0028]
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上 存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种 所述穴位检测方法。
[0029]
第五方面，本发明还提供一种计算机程序产品，包括计算机程序， 所述计算机程序被处理器执行时实现如上述任一种所述穴位检测方 法。
[0030]
本发明提供的穴位检测方法、装置及电子设备，根据待检测部位 的目标图像可以预测得到热力图，在热力图中穴位处的像素值与非穴 位处的像素值不同，因而可以根据预测得到热力图来确定穴位。将穴 位标注在目标图像中，可以为用户(例如医师)提供穴位的参考，代 替人工快速定位穴位，减少人工的工作量。并且，本发明根据采集的 目标图像自动检测穴位，无需人工参与，能够避免因个体差异导致穴 位定位不准确的问题，从而提高穴位定位的准确性。
附图说明
[0031]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见 地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术 人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得 其他的附图。
[0032]
图1是本发明提供的穴位检测方法的流程示意图之一；
[0033]
图2是本发明提供的穴位检测方法的系统架构示意图；
[0034]
图3是本发明提供的穴位检测方法的流程示意图之二
[0035]
图4是本发明提供的穴位检测方法的流程示意图之三；
[0036]
图5是本发明提供的穴位检测方法中的穴位标注示意图；
[0037]
图6是本发明提供的穴位检测方法的应用场景示意图；
[0038]
图7是本发明提供的穴位检测装置的结构示意图；
[0039]
图8是本发明提供的电子设备的结构示意图。
具体实施方式
[0040]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发 明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然， 所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提 下所获得的所有其他实施例，都属于本发明保护的范围。
[0041]
目前穴位确定主要依赖于医生，自动检测穴位方法较少，一种是 基于面部关键点来确定面部穴位。这种方式需要人工设计面部的一些 关键点，通过图像先识别出这些关键点，然后以此基准来计算面部各 个穴位的位置。这种方式需要借助人工设计的特征，由于人体的差异 性较大，导致该方法穴位检测的准确性较低。另一种方式是根据经穴 电阻抗的特异性来进行穴位定位。但是这种方式需要依赖特定的设备， 导致普及性较差，不适于应用推广。
[0042]
基于此，本发明首先提供一种穴位检测方法。该方法可以由手机、 个人计算机、平板电脑、或者服务器等电子设备执行，本发明对该电 子设备的表现形式不作特殊限定。
[0043]
下面结合图1-图6描述本发明的穴位检测方法的技术方案。
[0044]
如图1所示，该穴位检测方法可以包括如下步骤：
[0045]
步骤s10：采集包含待检测部位的目标图像。
[0046]
通过相机可以对需要进行穴位检测的部位进行拍照，拍照得到的 照片为待检测部位的目标图像。示例性的，待检测部位可以是人体的 任何部位，例如头部、颈部、四肢、手部等。手部的穴位点最为集中， 且与全身器官相关，并且手部不涉及隐私，操作比较方便，是针灸最 常用的部位之一。以下实施方式中，待检测部位以手部为例。
[0047]
图2示出了本发明的穴位检测方法的系统架构图。如图2所示， 该系统架构中包含摄像头210、工作台220以及计算机230。工作台 指的是用户进行穴位治疗的台面，例如桌面、床等。计算机230可以 是执行本发明的穴位检测方法的电子设备。用户可以将手放置在工作 台220上，然后通过计算机230控制控制摄像头210对工作台220上 的手部进行拍照，从而获得包含用户手部的目标图像。
[0048]
示例性的实施方式中，可以对摄像头采集的原始图像进行分割， 只提取待检测部位的最小包围矩形，作为目标图像。这样一来，可以 减小摄像头采集的图像的大小，从而提高处理目标图像时的计算速率， 节省计算资源；并且减少内存的占用。具体的，先通过摄像头对待检 测部位进行拍照，获得摄像头拍摄的原始图像。再检测原始图像中的 待检测部位的轮廓点；然后根据待检测部位的轮廓点从原始图像中提 取出待检测部位的目标图像。
[0049]
通过轮廓点检测算法可以检测出原始图像中的轮廓点，例如，通 过suzuki轮廓跟踪算法来检测出原始图像中所有的轮廓点。然后计算 待检测部位的所有轮廓点的最小包围矩形，将该最小包围矩形内区域 作为目标图像。
[0050]
示例性实施方式中，获得目标图像的过程如图3所示。在步骤 s31中，将原始图像转换到ycrcb色彩空间。转换后的图像，记为 图像t1。原始图像可以为用户手部的图像。原始图像的色彩空间可 以为rgb，将原始图像的色彩空间从rgb转换为ycrcb。在ycrcb 色彩
空间上进行肤色检测具有非常的效果。在步骤s32中，提取cr 通道。即提取上一步骤得到的图像t1的cr通道，得到提取的图像 t2。将原始图像转换到ycrcb色彩空间后，肤色在cr通道具有明显 的特征，因此提取出cr通道，得到提取的图像t2。接下来，在步骤 s33中，进行otsu阈值分割。该步骤中对上一步处理后得到的图像 t2进行otsu阈值分割，处理后得到二值图像。otsu是一种使用 最大类间方差的自动确定阈值的方法。通过该方法可以确定图像t2 的像素值的阈值，从而按照该阈值将图像t2的像素值划分为0或者 255，得到二值图像。在步骤s34中，进行手部轮廓点提取。即，对 前一步骤处理得到的二值图像进行轮廓点提取。通过suzuki轮廓跟踪 算法可以得到手部的轮廓点。在步骤s35中，计算手部最小包围矩形 框。在步骤s36中，截取最小包围矩形框内的图像，作为目标图像。
[0051]
上述实施方式中，通过色彩空间转换可以使得手部区域更加清晰 明显，通过将图像二值化可以减少图像的色彩差异的干扰，从而有利 于提高轮廓点检测的准确性。检测到手部轮廓点后从图像中截取手部 最小包围矩形框，可以减小图像的大小，降低处理图像时所需的资源， 提高处理速度。
[0052]
步骤s20：基于所述目标图像，预测所述待检测部位的热力图， 在所述热力图中穴位处的像素值与非穴位处的像素值不同。
[0053]
热力图指的是对穴位和非穴位进行区别显示的图示。也就是说， 热力图中穴位处的像素值于非穴位处的像素值不同。示例性的，热力 图可以以特殊高亮的形式显示穴位。即，热力图中穴位处的像素值可 以大于非穴位处的像素值。
[0054]
通过机器学习算法可以训练一个用于预测图像的热力图的模型， 该模型即为穴位预测模型。具体的，首先需要训练得到该穴位预测模 型，训练得到该穴位预测模型的方法如图4所示。
[0055]
在步骤s41中，获取多个包含所述待检测部位的第一图像，以及 第一图像的标注信息。
[0056]
预先可以针对不同用户的手部从不同角度拍摄多张图片，作为第 一图像。然后为每张第一图像添加标注信息，该标注信息用于指示第 一图像中手部待检测的穴位的位置。举例来说，专业人员如穴位医师 们可以确定每张第一图像中手部的穴位，在该穴位出添加标注信息。 标注信息可以是特殊颜色、图形等，例如，在手部的第一图像中的穴 位处用“圆点”进行标注等。如图5所示，手部的各个穴位可以用“圆 点”进行标注。
[0057]
此外，第一图像的数量可以根据实际需求确定，例如1000张、 10000张等等，本实施方式对此不作特殊限定。
[0058]
步骤s42中，构建以所述待检测穴位为中心的高斯分布，根据每 个所述待检测穴位的所述高斯分布生成每个所述穴位坐标对应的真 值热力图，所述真值热力图中各像素点的像素值为所述高斯分布的概 率值。
[0059]
热力图与其对应的图像的尺寸相同。即，第一图像对应的真值热 力图是与第一图像尺寸相同的图像，也就是说，第一图像与其对应的 真值热力图包含的像素点数量相同。例如，第一图像为30
×
30，则 对应的热力图也为30
×
30。
[0060]
将像素点坐标作为变量，以待检测穴位点为中心设置一个高斯分 布，使得待检测穴位点与其附近一定半径内的像素点的像素值呈高斯 分布。该高斯分布的概率值为像素点坐标处的像素值，从而根据像素 点坐标以及像素点坐标处的像素值生成真值热力图。
[0061]
示例性的，真值热力图中像素值服从以待检测穴位为中心的二维 高斯分布其中，x
p
,y
p
为待检测穴位的坐标三个参数可以根据实际需求人为设定，分别表示高斯 分布在x，y方向的方差，ρ表示x和y轴的相关系数，ρ可以设置为 0。根据二维高斯分布的表达式可以计算出变量，即像素点坐标对应 的概率值，将该概率值作为像素点坐标处的像素值可以得到真值热力 图。
[0062]
可以理解的是，手部需要检测的待检测穴位如果包含多个，则分 别以每个待检测穴位为中心，可以得到每个待检测穴位对应一个热力 图，从而根据第一图像可以生成与待检测穴位数量相同的真值热力图。
[0063]
步骤s43中，将多个所述第一图像输入所述穴位检测模型，以对 所述穴位检测模型进行训练，直到所述穴位检测模型针对所述第一图 像输出的预测数据与所述第一图像对应的真值热力图之间的损失满 足预设要求，则训练完成。
[0064]
示例性的，该穴位检测模型可以为一个高分辨率网络 (high-resolution network，hrnet)模型。该hrnet模型包括多个 预测通道，可以设置其预测通道的数量与需要检测穴位的数量相同， 每个预测通道负责预测一个穴位。预先可以对所有需要检测的穴位进 行编号，例如，1、2、3
…
等，然后按照穴位编号的顺序确定第一图 像的多个真值热力图。将第一图像输入该hrnet模型中后，可以由 多个预测通道预测输出一组热力图，即预测热力图。该hrnet模型 输出的预测热力图对应穴位编号的顺序。首先计算每个预测通道输出 的预测热力图与对应的真值热力图之间的误差，例如，计算第一图像 的第一个预测热力图与第一个真值热力图之间的误差。然后，计算所 有预测通道的误差之和，作为损失。预测热力图与对应的真值热力图 之间的误差可以通过预测热力图与真值热力图每个像素点的像素值 之间的差值来计算。例如，预测热力图中第一个像素点的像素值a1 减去真值热力图中第一个像素点的像素值a2，分别计算每个像素点 对应的像素值的差值后，对每个像素点进行求和，得到的结果作为损 失。当该损失之和小于预设值时，确定该hrnet模型的损失满足预 设要求，训练完成。
[0065]
示例性实施方式中，损失还可以通过其他方式计算。具体的，对 于第一图像的一组预测热力图，在每个预测通道的预测热力图和真值 热力图之间，逐像素的计算均方误差并求和，如下公式(1)所示：
[0066][0067]
其中，ei表示第i个预测通道的均方误差；z表示第i个预测通 道的图像中所有像素位置的集合；hrnet模型针对第一图像预测的预 测热力图为h；h(z)表示z处的像素值；第一图像的真值热力图为h*。
[0068]
计算得到每个预测通道的均方误差后，对计算得到的一组误差， 利用softmax函数将其大小归一化到0-1之间。将该归一化后的数值 作为该预测通道的权重，从而得到每个预测通道的权重。然后，将每 个预测通道的均方误差乘以该预测通道的权重，并对所有预测通道求 和，得到最终的损失。表示为如下公式(2)：
[0069][0070]
其中，l表示损失；i表示第i个预测通道；n为预测通道总数； wi为第i个预测通道
的权重。
[0071]
通过对各个预测通道的损失进行加权，可以将更难检测的点对应 的权重增大，使模型训练时更注重于训练损失更大的穴位点，从而提 高模型的准确性。
[0072]
此外，计算损失的方式可以包括多种，例如：损失可以通过 计算，即，对上述计算的l可以再除以通道总数n，得到每 个通道平均的损失。或者通过来计算损失等等。
[0073]
得到损失之后，可以以最小化损失为优化目标，通过误差反向传 播的方法对hrnet模型的参数进行调整，直到达到优化目标。此外， 损失要满足的预设条件也可以包括其他条件，例如损失小于预设值， 或损失的变化率小于设定阈值等等。通过多次迭代直到hrnet模型 的损失满足预设条件为止，训练完成的hrnet模型的准确率能够满 足要求，从而保证穴位检测的准确性。并且，该hrnet模型不依赖 于人为设置的特征，可以直接预测穴位对应的热力图，具有良好的鲁 棒性。
[0074]
对hrnet模型训练完成后，可以将训练完成的hrnet模型进行 保存。当需要进行穴位检测时可以利用训练完成的hrnet模型来进 行穴位检测。对于需要检测的目标图像，将所述目标图像输入训练完 成的hrnet模型(即穴位预测模型)，获得该穴位预测模型输出的多 个热力图。其中，所述热力图的数量与所述待检测部位包含的待检测 穴位的数量相同。每个热力图可以用于确定一个待检测穴位。
[0075]
步骤s30：根据所述热力图中各个像素点的像素值，确定所述待 检测部位的待检测穴位，将所述待检测穴位标注在所述目标图像中。
[0076]
热力图中穴位处的像素值与非穴位处的像素值不同，穴越接近穴 位处的像素值越大，穴位处的像素值最大。获取每个热力图中像素值 最大的目标像素点，将目标像素点处作为待检测穴位。在热力图对应 的目标图像中，对所述目标像素点对应的位置处进行标注。本实施方 式中，根据热力图来预测待检测部位如手部的穴位，不依赖于特殊设 备，可用性更高，且更有利于推广。
[0077]
具体的，针对目标图像可以预测得到多个热力图。例如，手部待 检测的穴位为10个，则目标图像对应的热力图为10张。遍历每张热 力图中每个像素点的像素值，将每个热力图中像素值最大的像素点作 为目标像素点，可以得到与热力图的数量相同的目标像素点，即10 个目标像素点。然后，根据目标像素点的坐标，在目标图像中相同坐 标处进行标注。例如，热力图a中的目标像素点的坐标为(10，10)， 则将目标图像中(10，10)处的像素点进行标注。通过模型预测出图 像中的穴位后可以实现自动标注出穴位的效果，能够节省人力和时间。 示例性的，通过特定颜色、图形等可以将目标图像中目标像素点的位 置进行标注，例如在目标图像中目标像素点的位置处标注一个“圆点
”ꢀ
等，将目标像素点的位置处标注为红色高亮等等，本实施方式对此不 作特殊限定。
[0078]
在目标图像中标注出目标像素点，然后可以将标注后的目标图像 进行显示，从而提示用户目标图像中标注处为待检测穴位的位置，协 助用户进行手部穴位定位。与人工定位穴位相比，本实施方式可以自 动定位，减少人工工作量，降低人力时间成本。
[0079]
图6示出了本发明的穴位检测方法的一种应用场景。如图6所示， 目标图像601可以输入穴位预测模型602中，该穴位预测模型602能 够对目标图像中的穴位进行预测，输出
预测的多个热力图。例如，热 力图603。根据每个热力图可以确定一个目标像素点的位置，从而获 得多个目标像素点的位置。在目标图像601中将每个目标像素点的位 置进行标注，可以得到标注后的图像604，将标注后的图像604可以 作为穴位检测结果进行显示，从而使得用户可以直接看到手部各个穴 位的位置，节省了用户一个一个寻找穴位的时间。
[0080]
本发明还提供一种穴位检测装置，可用于执行上述穴位检测方法。 下面对本发明提供的穴位检测装置进行描述。
[0081]
如图7所示，穴位检测装置70可以包括图像输入模块71、图像 预测模块72以及穴位输出模块73。
[0082]
具体的，图像输入模块71用于采集包含待检测部位的目标图像。 图像预测模块72用于基于所述目标图像，预测所述待检测部位的热 力图，在所述热力图中穴位处的像素值与非穴位处的像素值不同。穴 位输出模型73用于根据所述热力图中各个像素点的像素值，确定所 述待检测部位的待检测穴位，将所述待检测穴位标注在所述目标图像 中。
[0083]
在本发明的一种示例性实施方式中，图像输入模块71具体包括 拍照模块、轮廓检测模块以及图像提取模块。拍照模块用于通过摄像 头对所述待检测部位进行拍照，获得所述摄像头拍摄的原始图像；轮 廓检测模块用于检测所述原始图像中待检测部位的轮廓点；图像提取 模块用于根据所述轮廓点从所述原始图像中提取出所述待检测部位 的目标图像。
[0084]
在本发明的一种示例性实施方式中，图像预测模块72可被配置 为将所述目标图像输入训练完成的穴位预测模型，获得所述穴位预测 模型输出的多个热力图，其中，所述热力图的数量与所述待检测部位 包含的所述待检测穴位的数量相同。
[0085]
在本发明的一种示例性实施方式中，穴位输出模块73具体包括 像素值确定模块、穴位标注模块。其中，像素值确定模块用于获取每 个所述热力图中像素值最大的目标像素点，将所述目标像素点处作为 待检测穴位。穴位标注模块用于在所述热力图对应的目标图像中，对 所述目标像素点对应的位置处进行标注。
[0086]
在本发明的一种示例性实施方式中，该穴位检测装置70还包括 图像标注模块、热力图构建模块，以及模型训练模块。具体的，图像 标注模块用于获取多个包含所述待检测部位的第一图像，以及第一图 像的标注信息，所述标注信息用于指示所述第一图像中待检测穴位的 位置。热力图构建模块用于构建以所述待检测穴位为中心的高斯分布， 根据每个所述待检测穴位的所述高斯分布生成每个所述穴位坐标对 应的真值热力图，所述真值热力图中各像素点的像素值为所述高斯分 布的概率值。模型训练模块用于将多个所述第一图像输入所述穴位检 测模型，以对所述穴位检测模型进行训练，直到所述穴位检测模型针 对所述第一图像输出的预测热力图与所述第一图像对应的真值热力 图之间的损失满足预设要求，则训练完成。
[0087]
在本发明的一种示例性实施方式中，所述待检测部位包括手部。
[0088]
由于本发明示例实施方式中的穴位检测装置的各个功能模块与 上述穴位检测装置方法的示例实施方式的步骤对应，因此对于本发明 装置实施例中未披露的细节，请参照上述的穴位检测装置方法的实施 方式。
[0089]
图8示例了一种电子设备的实体结构示意图，如图8所示，该电 子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830
和通信总线840，其中，处理器810， 通信接口820，存储器830通过通信总线840完成相互间的通信。处 理器810可以调用存储器830中的逻辑指令，以执行上述穴位检测装 置方法，该方法包括：步骤s10，采集包含待检测部位的目标图像； 步骤s20，基于所述目标图像，预测所述待检测部位的热力图，在所 述热力图中穴位处的像素值与非穴位处的像素值不同；步骤s30，根 据所述热力图中各个像素点的像素值，确定所述待检测部位的待检测 穴位，将所述待检测穴位标注在所述目标图像中。
[0090]
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的 形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可 读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说 对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品 的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若 干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者 网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而 前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟 或者光盘等各种可以存储程序代码的介质。
[0091]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序 产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介 质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法 所提供的穴位检测装置方法，该方法包括：步骤s10，采集包含待检 测部位的目标图像；步骤s20，基于所述目标图像，预测所述待检测 部位的热力图，在所述热力图中穴位处的像素值与非穴位处的像素值 不同；步骤s30，根据所述热力图中各个像素点的像素值，确定所述 待检测部位的待检测穴位，将所述待检测穴位标注在所述目标图像中。
[0092]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上 存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各 方法提供的穴位检测装置方法，该方法包括：步骤s10，采集包含待 检测部位的目标图像；步骤s20，基于所述目标图像，预测所述待检 测部位的热力图，在所述热力图中穴位处的像素值与非穴位处的像素 值不同；步骤s30，根据所述热力图中各个像素点的像素值，确定所 述待检测部位的待检测穴位，将所述待检测穴位标注在所述目标图像 中。
[0093]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部 件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的 部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也 可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付 出创造性的劳动的情况下，即可以理解并实施。
[0094]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解 到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然 也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现 有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软 件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光 盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机， 服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所 述的方法。
[0095]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而 非对其限制；尽
管参照前述实施例对本发明进行了详细的说明，本领 域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技 术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修 改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方 案的精神和范围。