一种疼痛量化评估式人脸识别装置及其识别方法

本发明属于人脸识别，特别是涉及一种疼痛量化评估式人脸识别装置及其识别方法，主要通过人脸表情识别以确定疼痛程度的作用。

背景技术：

1、疼痛是一种令人不快的感觉和情绪上的感受，伴随有现存的和潜在的组织损伤，临床上疼痛已成为继体温、脉搏、呼吸、血压四大生命体征之后的第五生命体征。伴随着社会老龄化的日趋严重，疼痛患者数量呈现井喷式态势，社会对疼痛预防、治疗和控制的需求日益增长，给疼痛界广大临床和科研工作者带来了一项极富时代性的挑战。准确的疼痛评估是疼痛管理的第一步，并且贯穿于疼痛治疗的始终，患者、临床医生和科研工作者该如何正确判断疼痛类型、评估疼痛强度及其影响是解决疼痛问题的关键所在。

2、视觉模拟量表vas是最常用的一种疼痛强度的单维度测量评估工具，量表主要由一条100mm的直线组成，该直线的一端表示“完全无痛”，另一端表示“能够想象到的最剧烈的疼痛”或“疼痛到极点”等，患者会被要求在这条线上相应的位置做标记(用一个点或一个“×”等)以代表他们体会到的当时的疼痛强烈程度，但需要注意的是，vas需要患者有一定的抽象思维能力。

3、修订版wong-baker面部表情疼痛评估法fps-r要求患者对整体疼痛程度进行从0(无痛)到10(最严重)的评分，同时fps-r提供了6种面部表情的的疼痛程度，评估时，患者指向表示与其疼痛程度相符的刻度或卡通面孔即可，与线性vas相比，fps-r量表更适用于儿童、老人、文化程度较低、甚至可以用于表达困难、意识不清及有认知功能障碍的患者，但是，fps-r的一个缺点是，被试者(患者)需要在评估前仔细观察辨识卡通表情，由于患者对每个面部表情所表现的疼痛程度感受不同，测试结果会受到文化和其他干扰因素的影响，因此，不利于进行治疗前后、不同患者之间、跨文化的比较研究。

4、nrs评分准确简明，曾被疼痛学会视为疼痛评估的金标准，nrs有多个版本，其中最常用的是nrs0～10版，患者要在4种大类别，共11种评分(0～10)中选择：即无疼痛(0)、轻度疼痛(1～3)、中度疼痛(4～6)、重度疼痛(7～10)，nrs的分类比较清晰客观，可以帮助患者进行更准确的评估，从而提高不同患者之间在评估上的可比性，与其他单维度评估量表相比，慢性疼痛患者更喜欢使用nrs，但nrs需要患者有抽象的刻度理解能力，还要有一定的文字阅读理解能力。

5、目前临床上疼痛评估主要依靠专业的医护人员进行人工判断，缺少客观、准确、高效的疼痛自动化评估工具，另外人工评估的方式费时费力，而且不可避免的会受到医护人员主观影响。

6、因此，有必要对现有技术进行改进，以解决上述技术问题。

技术实现思路

1、本发明的目的在于提供一种疼痛量化评估式人脸识别装置及其识别方法，通过该识别方法来使用该识别装置，可以实现自动对人脸的疼痛程度进行量化的评估，评估结果高效且精准，解决了现有的疼痛程度评估方法存在评估准确性低，认为干扰因素大的问题。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：

3、本发明为一种疼痛量化评估式人脸识别装置，包括，脸部采集系统，包括通过传导线电性连接的脸部采集模块和第一处理模块；疼痛评估系统，包括第二处理模块及通过传导线分别与第二处理模块电性连接的图片处理模块、lbp特征提取模块、分割模块、灰度直方图形成模块、特征向量生成模块、灰度捕捉模块和距离捕获模块，灰度直方图形成模块和第二处理模块间还通过加权模块电性连接，距离捕获模块和第二处理模块之间还通过统计模块电性连接；以及，疼痛判定系统，包括第三处理模块及通过传导线分别与第三处理模块电线连接的数据库、对比模块和报告生成模块。

4、进一步地，所述脸部采集系统搭载在手机和平板的至少一种工具上。

5、进一步地，所述脸部采集系统中的第一无线收发模块与疼痛评估系统中的第二无线收发模块无线连接，所述第二无线收发模块与疼痛判定系统中的第三无线收发模块无线连接。

6、进一步地，所述脸部采集系统还包括通过传导线与第一处理模块电性连接的第一储存模块、显示模块和输入模块。

7、进一步地，所述疼痛评估系统还包括通过传导线与第二处理模块电性连接的第二储存模块和标记模块，所述标记模块通过传导线与分割模块电性连接。

8、进一步地，所述疼痛判定系统还包括通过传导线与第三处理模块电性连接的疼痛评估模块和回执模块。

9、本发明还提供了一种疼痛量化评估式人脸识别装置的识别方法，具体按照以下步骤识别；

10、s1：脸部采集模块对患者的面部图片进行采集，并将采集的信息传输到疼痛评估系统中；

11、s2：图片处理模块在接受到面部图片之后，对面部图片进行预处理；

12、s3：lbp特征提取模块对预处理之后的面部图片采用lbp算子进行运算，得到lbp特征图；

13、s4：分割模块将lbp特征图划分呈x*y个子块；

14、s5：灰度直方图形成模块统计各子块中的lbp值，形成灰度直方图，并通过加权模块进行加权；

15、s6：特征向量生成模块将各子块的灰度直方图按照标号顺序串联成总的灰度直方图，并生成特征向量曲线；

16、s7：疼痛评估系统将得到的特征向量曲线传输到疼痛判定系统，对比模块将特征向量曲线与数据库中的向量曲线进行对比，并通过报告生成模块生成报告；

17、s8：在对比模块对比过程中，若出现特征向量曲线某一部位与数据库中的向量曲线偏差值β的绝对值大于预定值b时，会将该信息回传到疼痛评估系统中；

18、β＝α数据-α特征，α为相邻两个直方图的连接线与水平线间的夹角，0°≤b≤3°；

19、s9：灰度捕捉模块根据回传的信息确定偏差曲线所在子块，并在子块中捕捉出现偏差连接线的两个直方图代表的lbp值点；

20、s10：距离捕获模块自动测量两个捕获的不同lbp值点之间的距离，并进行统计；

21、s11：将统计的数据传输到疼痛判定系统中，疼痛评估模块根据统计的数据与数据库中储存的数据进行对比，以进一步确定疼痛程度；

22、当a数据-a特征＞0时，疼痛程度大于数据库标定的疼痛程度，当a数据-a特征＜0时，疼痛程度小于数据库标定的疼痛程度，a为统计的出现概率最高的相邻两不同lbp值点之间的距离；

23、s12：通过步骤s11进一步确定疼痛程度之后，报告生成模块再生成报告，并将报告通过疼痛评估系统传输到脸部采集系统，显示在显示模块上。

24、进一步地，步骤s2中对面部图片预处理的方法包括deepid算法、mtcnn算法、adaboost算法中的任意一种。

25、进一步地，数据库中存储的数据可以通过步骤s1-s6的方法再配合以专业人员判定来实现数据库数据的初步搭建。

26、本发明具有以下有益效果：

27、1、本发明通过脸部采集模块对患者的面部图片进行采集，并将采集的图片通过lbp算子运算之后，再进行灰度直方图的形成，通过各子块的灰度直方图构成特征向量曲线，并将特征向量曲线与数据库中提前进行标识痛苦程度的曲线进行对比，可以实现疼痛程度的自动识别，且该识别结果不会受到人为的干扰。

28、2、本发明通过灰度捕捉模块对出现偏差的相邻直方图连接线进行进一步的分析，并通过距离捕获模块来捕获连接线存在偏差的相邻灰度间的距离，以表示脸部表情折皱的程度，以此进一步确定疼痛的程度，从而提高疼痛程度评估的精准度，有利于后期医护人员的诊断。