一种针对视频中人脸进行穴位识别定位方法

本发明涉及一种针对视频中人脸进行穴位识别定位方法，属于通讯。

背景技术：

1、中医主要是以人体生命活动和疾病变化的规律为基础理论，然而，在传统中医临床中，若想要将这种脉络上的穴位精准的寻找出来，这是需要拥有极其丰富的临床经验才可以做的到。

2、临床中医中，大致将其寻穴的方式分为三类，包括标志取穴法、“骨度”折量取穴法以及指寸取穴法[2]。通常临床中医都是这三种方法适时结合使用，才能准确无误的找到任何一个穴位点。但是这些传统的取穴方法都是靠着主观意识去完成的，而且这些传递知识的方法却只有靠极少量的书籍、没有实践的口头传承和简单的现场教学等方式进行着。因此，这种穴位的寻取方式变得不可靠，不专业，更繁杂，从而影响了中医对于经络部分的传承和使用。因此，中医穴位的取穴手段可以用信息技术的算法去将其代替或将其作为一种工具去配合取穴，那么这不仅是信息技术的成功，更是中医未来传承和发扬的最好机遇。

3、目前主要的关于穴位识别技术依旧是通过传感器技术，结合人体解剖结构的超声图像、x线图像与计算控制系统实现中医穴位的定点识别。abb医疗机器人系统是该研究领域最早的人工智能的工业机器人，该机器人依靠着强大的硬件设施和非寻常的方式，用着普通中医取穴的中医手段进行计算和识别，能精准的识别出人体准确的部位。但该机器人因为需要巨大的成本研发和应用，对于普通的研究人员而言这是触不能及的。

4、其次，虚拟仿真面部穴位定位是目前普遍的研究方向。简而言之，虚拟仿真面部即是根据面部结构，搭建面部网格，在面部网格中提前设置或标记主要的中医穴位标志点，应用时，只需通过程序输入摄像头数据或者图片数据，即可迅速搭建唯一的脸部网格，再根据提前标志的关键点即可识别出大致的穴位位置。尽管这是一种比较便捷的方式，但是在标志中医穴位点时确是一个无法逃避的准确的问题，因此通过大量的数据训练出准确的中医穴位点，这也成为一个比较有挑战性的技术问题和数学问题。

技术实现思路

1、本发明目的在于针对上述现有技术的缺陷和不足，提出了一种针对视频中人脸进行穴位识别定位方法，通过将人工智能深度学习算法与中医穴位识别相结合，采用深度学习算法可以自动从原始数据中学习特征，避免了特征提取过程中可能存在的误差和主观因素。

2、本发明解决其技术问题所采用的技术方案是：一种针对视频中人脸进行穴位识别定位方法，该方法包括如下步骤：

3、步骤1：使用python网络爬虫爬取网络上有中医标识过的脸部图片；

4、步骤2：使用opencv对带有样本图片进行重定位坐标；

5、步骤3：使用medipipe框架对脸部图片进行识别，获取468个关键点；

6、步骤4：将两组数据的坐标进行距离运算，获取最近距离关键点。

7、进一步地，所述步骤1包括将其采取人工选取50张符合穴位标识的脸部图片，并最后进行核查标识正确性，核验无误后设为样本图片。

8、进一步地，所述步骤2包括将样本图片进行重新定位后获取每一张图各个穴位点的图像相对坐标，以部分穴位为例，获得50组，每组21个穴位的穴位坐标。

9、进一步地，所述步骤3包括将样本图片通过medipipe框架进行脸部识别，获取得到对应相片的关键点的相对坐标。

10、进一步地，所述步骤4包括将样本图片的穴位点的坐标与样本图片使用mediapipe识别出来的关键点的坐标进行距离运算，获取最近距离关键点，计算公式如下：

11、其中i＝0，1，2...n     公式1

12、其中a(x1,y1)为mediapipe识别的点，o(x,y)为穴位样本点的坐标，n为距离穴位点误差较小的坐标点个数。

13、有益效果：

14、1、本发明将人工智能深度学习算法与中医穴位识别相结合，采用深度学习算法可以自动从原始数据中学习特征，避免了特征提取过程中可能存在的误差和主观因素。

15、2、本发明能够综合多种信息，人体穴位的位置和形态特征受到多种因素的影响，例如年龄、性别、体形等，而深度学习的中医穴位识别综合考虑多种信息，可以提高识别的准确率和鲁棒性。

16、3、本发明具有广泛的实际应用场景，针灸按摩是一种非常实用的治疗方法，穴位识别在针灸按摩中具有广泛的应用前景，因此在设计穴位识别算法更加实用和可靠。

17、4、本发明提高了中医诊断和治疗的准确性，穴位是中医学的重要组成部分，准确的穴位定位是中医诊断和治疗的基础，利用人工智能技术对中医穴位进行识别，可以提高穴位定位的准确性，从而为中医诊断和治疗提供更加精准的支持。

技术特征：

1.一种针对视频中人脸进行穴位识别定位方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种针对视频中人脸进行穴位识别定位方法，其特征在于，所述步骤1包括将其采取人工选取50张符合穴位标识的脸部图片，并最后进行核查标识正确性，核验无误后设为样本图片。

3.根据权利要求1所述的一种针对视频中人脸进行穴位识别定位方法，其特征在于，所述步骤2包括将样本图片进行重新定位后获取每一张图各个穴位点的图像相对坐标，以部分穴位为例，获得50组，每组21个穴位的穴位坐标。

4.根据权利要求1所述的一种针对视频中人脸进行穴位识别定位方法，其特征在于，所述步骤3包括将样本图片通过medipipe框架进行脸部识别，获取得到对应相片的关键点的相对坐标。

5.根据权利要求1所述的一种针对视频中人脸进行穴位识别定位方法，其特征在于，所述步骤4包括将样本图片的穴位点的坐标与样本图片使用mediapipe识别出来的关键点的坐标进行距离运算，获取最近距离关键点，计算公式如下：

技术总结
本发明公开了一种针对视频中人脸进行穴位识别定位方法，该方法包括如下步骤：步骤1：使用Python网络爬虫爬取网络上有中医标识过的脸部图片；步骤2：使用OpenCV对带有样本图片进行重定位坐标；步骤3：使用Medipipe框架对脸部图片进行识别，获取468个关键点；步骤4：将两组数据的坐标进行距离运算，获取最近距离关键点。本发明将人工智能深度学习算法与中医穴位识别相结合，采用深度学习算法可以自动从原始数据中学习特征，避免了特征提取过程中可能存在的误差和主观因素；本发明能够综合多种信息，人体穴位的位置和形态特征受到多种因素的影响，例如年龄、性别、体形等，而深度学习的中医穴位识别综合考虑多种信息，提高识别的准确率和鲁棒性。

技术研发人员：刘红英,曾角海,朱明浩
受保护的技术使用者：南京理工大学紫金学院
技术研发日：
技术公布日：2024/4/22