一种基于人工智能的针灸图谱识别方法及系统与流程

本发明涉及计算机，具体而言，涉及一种基于人工智能的针灸图谱识别方法及系统。

背景技术：

1、目前，因为不容姿态造成不同的角度展现出的穴位的位置和类别不同，所以进行针灸图谱识别时需要对展现出来的穴位进行识别。因为所述不知道待检测的位置处于整个躯体的哪个部分，从而对穴位所处的位置难以检测。因为穴位在躯体中所占的区域较小，仅通过躯体自身的结构关系的生理特征检测针灸图谱对应的穴位，会导致穴位检测不够准确。

技术实现思路

1、本发明的目的在于提供了一种基于人工智能的针灸图谱识别方法及系统，用以解决现有技术中存在的上述问题。

2、第一方面，本发明实施例提供了一种基于人工智能的针灸图谱识别方法，包括：

3、获得针灸图谱、待检测姿态图像和待检测局部图像；所述针灸图谱为在标注了穴位位置和穴位类别的图谱；所述待检测姿态图像为包含待检测的对象的完整姿态的图像；所述待检测局部图像表示待检测穴位所在位置的局部区域的图像；

4、根据所述针灸图谱中的穴位位置，构建三维矩阵，得到三维针灸矩阵；所述穴位位置为标注穴位的图谱上的穴位的位置；

5、基于所述针灸图谱和三维针灸矩阵，通过聚类同时判断两个穴位在针灸图谱中的位置，得到聚类穴位集合；

6、基于所述待检测姿态图像和待检测局部图像，检测特征点位置，判断运动姿态，得到局部旋转角度；

7、基于所述局部旋转角度，将所述三维针灸矩阵进行旋转，得到调整三维针灸矩阵；

8、基于调整三维针灸矩阵和所述聚类穴位集合，连接常用穴位与旋转之后正面的穴位，得到重点连接图；所述重点连接图为二维图像；

9、基于所述重点连接图，构建键值对，通过针灸图谱识别网络，细化识别穴位位置，得到检测穴位位置。

10、可选的，所述基于所述重点连接图，构建键值对，通过针灸图谱识别网络，细化识别穴位位置，得到检测穴位位置，包括：

11、将所述待检测局部图像输入穴位结构检测网路，检测常用穴位，得到局部特征和第一常用穴位位置；

12、按照所述重点连接图对应的常用穴位位置与待检测局部图像对应的第一常用穴位位置，将所述待检测局部图像和重点连接图进行匹配，在待检测局部图像标记重点连接图中的穴位，得到匹配图像；

13、根据所述匹配图像中的穴位位置为键，以局部特征中对应位置的特征向量为值，构建特征键值对；

14、将所述特征键值对的键和对应的值输入针灸图谱识别网络，得到检测穴位位置。

15、可选的，所述基于所述待检测姿态图像和待检测局部图像，检测特征点位置，判断运动姿态，得到局部旋转角度，包括：

16、将所述待检测姿态图像输入第一特征提取网络，提取图像特征，得到整体姿态特征；

17、将所述待检测局部图像输入第一特征提取网络，提取图像特征，得到局部姿态特征；

18、将所述局部姿态特征以步长为1遍历整体姿态特征，进行对应位置的相似计算，得到局部相似值；

19、根据所述局部相似值，切割整体姿态特征中匹配的特征，得到相似姿态特征；

20、将所述相似姿态特征输入分类网络，得到第一局部待检测位置；所述第一局部待检测位表示待检测局部图像在待检测姿态图像上的位置；

21、根据所述第一局部待检测位置在待检测姿态图像上进行标记，得到标记待检测姿态图像；

22、将所述标记待检测姿态图像输入运动检测网络，判断局部部位根据整体姿态的运动而变化的情况，得到局部旋转角度。

23、可选的，所述基于所述针灸图谱和三维针灸矩阵，通过聚类同时判断两个穴位在针灸图谱中的位置，得到聚类穴位集合，包括：

24、基于所述针灸图谱和三维针灸矩阵，找到常用穴位，得到聚类中心点；所述聚类中心点不变；

25、检测聚类中心点在所述三维针灸矩阵的位置，得到聚类中心点位置；

26、在三维针灸矩阵中获得第一穴位位置和第二穴位位置；

27、基于所述第一穴位位置和第二穴位位置，检测两个穴位与聚类中心点位置的夹角和距离比例，得到聚类距离；

28、若所述聚类距离小于距离阈值，将所述第一穴位位置对应的穴位和第二穴位位置对应的穴位加入聚类穴位集合。

29、可选的，所述基于所述局部旋转角度，将所述三维针灸矩阵进行旋转，得到调整三维针灸矩阵，包括：

30、将所述三维针灸矩阵构建点云；

31、按照所述局部旋转角度，将点云进行旋转，得到已旋转点云；

32、按照已旋转点云中两个值之间的最小距离，将已旋转点云中的数据分割到三维矩阵中的每一个位置，得到调整三维针灸矩阵。

33、可选的，所述基于调整三维针灸矩阵和所述聚类穴位集合，连接常用穴位与旋转之后正面的穴位，得到重点连接图，包括：

34、获取第一图像；所述第一图像的尺寸与待检测局部图像的尺寸相同；

35、将所述调整三维针灸矩阵中第一页中的点所在的穴位位置和穴位类别复制在第一图像中；

36、将所述第一图像中的穴位类别为常用穴位的穴位位置作为常用穴位位置；

37、将第一图像中的常用穴位位置与对应的聚类穴位集合中的穴位位置用直线进行连接，得到重点连接图像。

38、可选的，所述基于所述第一穴位位置和第二穴位位置，检测两个穴位与聚类中心点位置的夹角和距离比例，得到聚类距离，包括：

39、将所述第一穴位位置与聚类中心点位置计算距离，得到第一距离；将所述第二穴位位置与聚类中心点位置计算距离，得到第二距离；

40、将所述第一距离除以第二距离，得到第一距离比例；

41、将所述第一穴位位置、第二穴位位置与聚类中心点位置构成的夹角的余弦值作为第一余弦值；

42、将所述第一距离比例与第一余弦值求取平均值，得到聚类距离。

43、可选的，所述局部姿态特征的尺寸为m×m，所述整体姿态特征的尺寸为n×n，所述局部相似值的数量为（n-m+1）×（n-m+1）。

44、可选的，所述根据所述局部相似值，切割整体姿态特征中匹配的特征，得到相似姿态特征，包括：

45、将（n-m+1）×（n-m+1）个局部相似值中大于其他局部相似值的局部相似值作为第一局部相似值；

46、将第一局部相似值对应在整体姿态特征中的区域进行切割，得到相似姿态特征。

47、第二方面，本发明实施例提供了一种基于人工智能的针灸图谱识别系统，包括：

48、获取模块：获得针灸图谱、待检测姿态图像和待检测局部图像；所述针灸图谱为在标注了穴位的图谱；所述待检测姿态图像为包含待检测的对象的完整姿态的图像；所述待检测局部图像表示待检测穴位所在位置的局部区域的图像；

49、三维模块：根据所述针灸图谱中的穴位位置，构建三维矩阵，得到三维针灸矩阵；所述穴位位置为标注穴位的图谱上的穴位的位置；

50、聚类模块：基于所述针灸图谱和三维针灸矩阵，通过聚类同时判断两个穴位在针灸图谱中的位置，得到聚类穴位集合；

51、旋转模块：基于所述待检测姿态图像和待检测局部图像，检测特征点位置，判断运动姿态，得到局部旋转角度；基于所述局部旋转角度，将所述三维针灸矩阵进行旋转，得到调整三维针灸矩阵；

52、穴位连接模块：基于调整三维针灸矩阵和所述聚类穴位集合，连接常用穴位与旋转之后正面的穴位，得到重点连接图；所述重点连接图为二维图像；

53、细化识别模块：基于所述重点连接图，构建键值对，通过针灸图谱识别网络，细化识别穴位位置，得到检测穴位位置。

54、相较于现有技术，本发明实施例达到了以下有益效果：

55、本发明实施例还提供了一种基于人工智能的针灸图谱识别方法和系统，所述方法包括：获得针灸图谱、待检测姿态图像和待检测局部图像；所述针灸图谱为在标注了穴位位置和穴位类别的图谱；所述待检测姿态图像为包含待检测的对象的完整姿态的图像；所述待检测局部图像表示待检测穴位所在位置的局部区域的图像；根据所述针灸图谱中的穴位位置，构建三维矩阵，得到三维针灸矩阵；所述穴位位置为标注穴位的图谱上的穴位的位置；基于所述针灸图谱和三维针灸矩阵，通过聚类同时判断两个穴位在针灸图谱中的位置，得到聚类穴位集合；基于所述待检测姿态图像和待检测局部图像，检测特征点位置，判断运动姿态，得到局部旋转角度；基于所述局部旋转角度，将所述三维针灸矩阵进行旋转，得到调整三维针灸矩阵；基于调整三维针灸矩阵和所述聚类穴位集合，连接常用穴位与旋转之后正面的穴位，得到重点连接图；所述重点连接图为二维图像；基于所述重点连接图，构建键值对，通过针灸图谱识别网络，细化识别穴位位置，得到检测穴位位置。

56、本发明中，通过获得待检测局部图像在待检测姿态图像中的位置，根据躯体整体的运动状态，判断局部部位的姿态。并且通过局部部位的姿态来判断局部部位与拍摄待检测姿态图像的摄像设备的角度，得到局部旋转角度。根据针灸图谱获取包含穴位位置和穴位类别的三维针灸矩阵。根据局部旋转角度调整三维针灸矩阵，从而得到展现出来的穴位位置和穴位类别。根据展现出来的穴位位置和穴位类别按照聚类后的穴位，将所述穴位之间建立关系，进行穴位连接，得到包含穴位关系的图像。根据包含周围位置的特征构建特征键值对，能够对穴位位置进行细化调整，使得达到识别到的穴位位置更加准确的技术效果。