专利名称：基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法
技术领域：
本发明属于图像处理与模式识别领域，涉及ー种人脸表情识别方法，特别涉及一种基于稀疏表示的新生ノ L疼痛与非疼痛表情分类识别方法。
背景技术：
近年的研究证实，不论是足月儿还是早产儿，出生后即具有疼痛感受能力。新生儿，尤其是早产儿和危重儿的疼痛主要来自侵入性操作，包括足底采血、动静脉穿刺、皮下和肌肉注射等。反复经历的疼痛刺激会对新生儿，尤其对早产儿和危重儿，产生一系列近期和远期的严重影响，其中包括急性生理反应，对中枢神经系统的永久损伤、发育迟缓和情感紊乱等。疼痛评估是控制疼痛的重要ー环，对任何存在疾病状态的新生儿，都应进行常规和反复的评估，是否需要进行疼痛治疗的干预以及评价治疗的效果如何，关键均在于对疼痛的准确评估。疼痛是ー种包括感觉和情感的主观感受，自我评估被认为是最可靠的评估疼痛方法。由于新生儿不能像成人一样用语言表达疼痛的感受，疼痛评估成为新生儿科学中最具挑战性的ー个难题。新生儿时期自主神经系统并不完善，ー些生理指标如心率、血压变化差异较大，病理情况时反应也各异，可能导致测量结果不确定，所以不能仅用生理指标来评估新生儿疼痛，必须与行为评估方法联合应用。新生儿在疼痛时会表现出行为变化，包括哭声、面部表情、呻吟、肢体活动及行为状态的改变。疼痛引起的哭声往往高尖、持续时间长、頻繁。但早产儿很少哭，即使受到疼痛刺激，哭闹时间也很短；危重儿因衰竭无カ很少哭，或因气管插管导致声门阻塞而无法哭。因此，哭声并不是早产儿或危重儿疼痛评估有效、可靠的指标。在常用的新生儿疼痛评估工具中，“面部表情”被认为是最可靠的疼痛监测指标。目前，国际上对新生儿疼痛的评估都是由受过专门训练并熟悉各项监测指标的医护人员进行人エ评估。其缺点是耗时费力，有时还无法在现场实时做出评估，而且评估结果更多地依赖于个人的知识与经验，并受个人的情緒等主观因素的影响，不能完全客观反映新生儿疼痛程度。因此，开发ー种基于面部表情分析的新生儿疼痛自动评估系统，为临床提供客观准确的疼痛评估，对医护人员及时采取相应的镇痛措施，减轻新生儿和婴儿的疼痛具有非常重要的意义和价值。但是，目前在人脸表情识别的研究方面，一般都是针对普通成年人，将人脸表情划分为6种基本类型高兴、悲伤、生气、恐惧、惊讶和厌恶，很少有研究者从事新生儿疼痛与 非疼痛表情的分类识别研究。本发明针对开发新生儿疼痛自动评估系统的需求，提出ー种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法。
发明内容
技术问题针对开发新生儿疼痛自动评估系统的需求，提出ー种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，解决现有技术不能准确、自动识别新生儿疼痛表情的问题，为临床提供客观准确的疼痛评估工具开辟一条新的途径。技术方案本 发明的基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，其特征在于该方法包括以下步骤A、将经医护人员按疼痛程度分类并作校准归ー化的k类新生儿表情图像作为训练样本；B、对每ー个训练样本、测试样本进行降维处理，分别用ー个d维的特征向量来表示；C、由k个类别的η个训练样本的特征向量构建稀疏表示模型中的ー个d行η列的过完备字典矩阵A;n>>d;D、对过完备字典矩阵A和测试样本的特征向量y分别进行归ー化，得到！^和扒E、给定误差容限ε，I I · I I i表示I1范数，I I · I I2表示I2范数，通过求解如下I1范数最小化问题Θ = arg min I^l1_ -^fr2 ~ ε得到最优的样本重构系数向量んF、对于任意的第i类，首先定义ー个め函数，用于选取纟中与第i类相关的系
数，即め函数将系数向量纟中与第i类相关的所有元素乘以1，其余元素乘以O ;然后，计
算用第i类训练样本重构得到的· 与测试样本归ー化特征向量少的残差
r,{y)=/ = 1,2,L ,kG、将测试样本的残差代入如下的类别判定公式identity(y) = arg min rx ( j) / = 1,2,L ,k得出测试样本的类别，即，在k个残差中寻找最小值，将残差最小的i所对应的类别作为测试样本的分类结果，用identity(y)表示。所述步骤D中，对过完备字典矩阵A和测试样本的特征向量y分别进行归ー化的具体步骤如下D1、在所有η个训练样本的d维特征向量中，求出每ー维特征的最大值，即ろ,臓=pH(ん)J=I, 2，3，…，d其中，A&表示过完备字典矩阵A的第j行第P列元素，λ ^max表示过完备字典矩阵A中第j行的最大元素值，即第j维特征的最大值；D2、用λ ^max对过完备字典矩阵A的第j行作归ー化处理，即
^1,2, 3, ···, t/；尸1，2，3，…，/2
ノ.,max其中，表示归ー化的过完备字典矩阵A的第j行第P列元素；D3、依据每ー维特征的λムmax，对测试样本的特征向量y作归ー化处理，即
其中，Yj表示测试样本的特征向量y的第j维特征，外表示归ー化的yj。有益效果实验结果表明，本发明通过引入压缩感知理论中的稀疏表示方法，将其运用于新生儿疼痛与非疼痛表情分类识别工作中，能有效地识别出微笑、安静、非疼痛时的哭、轻度疼痛、剧烈疼痛状态下的表情，为开发新生儿疼痛自动评估系统提供了一种新的方法和途径。与现有的方法相比，本发明的优点在于(I)基于计算机自动面部表情识别的新生儿疼痛评估結果，不受评估人员的知识、经验、情緒等主观因素的影响，具有较高的准确性和客观性。(2)引入压缩感知理论中的稀疏表示方法，使用训练样本构建冗余字典，将测试样本看成冗余字典中训练样本的线性组合，利用其特有的稀疏性进行疼痛与非疼痛表情分类 识别，对新生儿面部图像的噪声与遮挡问题具有很好的鲁棒性。
图I是本发明的基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法流程图。图2是新生儿面部表情图像库中的部分图像。
具体实施例方式本发明的基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法的实现主要包含以下步骤步骤I :建立新生儿面部表情图像库在对新生儿、早产儿进行常规的致痛性操作(如疫苗接种、采血)过程中，用数码照相机拍摄新生儿的面部图像。由受过专门培训的医生和护士，采用国际上公认的新生儿
疼痛评估工具-新生儿面部编码系统(Neonatal Facial Coding System, NFCS),并结合
其他生理指标，对采集到的新生儿面部图像进行疼痛程度的评估，按照疼痛的程度给予从I到10的评分，将评分值介于I 5的表情归类为轻度疼痛表情，评分值介于6 10的表情归类为剧烈疼痛表情。此外，再分别拍摄新生儿微笑时、处于安静状态下、因饥饿等原因引起哭闹时的非疼痛表情图像。最后对采集到的上述5类表情图像进行裁剪、对齐、尺度归ー化和灰度均衡化等图像预处理操作，使得所有的图像校准为如图2所示的112X92像素的灰度图像，并对每幅图像按所属类别进行标号(在本实施例中，微笑表情用I进行标号，安静表情用2进行标号，非疼痛状态下的哭的表情用3进行标号，轻度疼痛表情用4进行标号，剧烈疼痛表情用5进行标号)，建立新生儿面部表情图像库。步骤2 :构建稀疏表不ホ旲型中的过完备子典从新生儿面部表情图像库中选取第i类(i = 1,2, L, k,在本实施例中，k = 5)表情图像Ili幅作为训练样本。对每ー个训练样本和测试样本，其原始的维度为m维(在本实施例中，m = 112X92 = 10304)，通过降维处理映射到特征空间，用ー个d维(d < m)的特征向量X = [X1, X2，L，Xd]T(T表示转置)来表示。将给定的第i类表情图像的Iii个训
练样本的特征向量作为稀疏表示模型中过完备字典中的列集，由k个类别的所有训练样本的特征向量构成过完备字典矩阵A，即
权利要求
1.一种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，其特征在于该方法包括以下步骤 A、将经医护人员按疼痛程度分类并作校准归一化的k类新生儿表情图像作为训练样本； B、对每一个训练样本、测试样本进行降维处理，分别用一个d维的特征向量来表示； C、由k个类别的η个训练样本的特征向量构建稀疏表示模型中的一个d行η列的过完备子典矩阵A ;η〉〉d ; D、对过完备字典矩阵A和测试样本的特征向量y分别进行归一化，得到口扒 E、给定误差容限ε，II -II1表示I1范数，||·||2表示I2范数,通过求解如下I1范数最小化问题 O = arg min| S|為 ^ ε 得到最优的样本重构系数向量4 ; F、对于任意的第i类，首先定义一个函数，用于选取纟中与第i类相关的系数，即 函数将系数向量纟中与第i类相关的所有元素乘以1，其余元素乘以O ;然后，计算用第
2.根据权利要求I所述的基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，其特征在于，所述步骤D中，对过完备字典矩阵A和测试样本的特征向量y分别进行归一化的具体步骤如下 D1、在所有η个训练样本的d维特征向量中，求出每一维特征的最大值，即⑷片，2，3，...，J 其中，Au表示过完备字典矩阵A的第j行第P列元素，λ j, _表示过完备字典矩阵A中第j行的最大元素值，即第j维特征的最大值； D2、用λ .max对过完备字典矩阵A的第j行作归一化处理，即
全文摘要
本发明公开了一种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，该方法使用训练样本构建冗余字典,将测试样本看成冗余字典中训练样本的线性组合，利用其特有的稀疏性进行疼痛与非疼痛表情分类识别，能有效地识别出微笑、安静、非疼痛时的哭、轻度疼痛、剧烈疼痛状态下的表情，并对新生儿面部图像的噪声与遮挡问题具有很好的鲁棒性，为开发新生儿疼痛自动评估系统提供了一种新的方法和途径。
文档编号G06K9/66GK102663450SQ20121007735
公开日2012年9月12日 申请日期2012年3月21日 优先权日2012年3月21日
发明者卢官明, 李晓南 申请人:南京邮电大学