[发明专利]一种基于深度神经网络的舌象体质辨别方法及设备

说明书

本发明公开了一种基于深度神经网络的舌象体质辨别方法及设备，其中，该方法包括：通过深度神经网络算法训练出1个舌象图片识别模型、1个舌象体质模型和5个舌象特征模型；获取待检测舌象图片；通过舌象图片识别模型识别待检测舌象图片是否为舌头图片；如果是，通过舌象体质模型分别计算待检测舌象图片表示的11种体质的概率；通过5个舌象特征模型分别计算待检测舌象图片表示的5种舌象特征的概率；将5种舌象特征的每一种舌象特征中概率最高的子特征组成特征组合，并确定特征组合对应的若干种体质；将若干种体质中概率最高的体质作为待检测舌象图片表示的体质。通过本发明，能够根据舌象图片自动识别体质类型，方便用户检测自身的体质类型。

技术领域

本发明涉及机器视觉应用在中医体质识别的技术领域，特别涉及一种基于深度神经网络的舌象体质辨别方法及设备。

背景技术

体质现象是人类生命活动的一种重要表现形式，是指人体生命过程中，在先天禀赋和后天获得的基础上所形成的形态结构、生理功能和心理状态方面综合的、相对稳定的固有特质。中医对体质的论述始于西汉时期的《黄帝内经》，经过2千多年的发展，逐渐形成了中医体质学，中医体质学以生命个体的人为研究出发点，旨在研究不同体质构成特点、演变规律、影响因素、分类标准，从而应用于指导疾病的预防、诊治、康复与养生。2009年4月9日，《中医体质分类与判定》发布了中医体质标准，该标准将体质分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质九个类型，此九类标准的划分，虽然具有一定的指导性、普遍性及可参照性，但在实际临床辨识体质时，往往需要有经验的中医师才能辨识，对于个人自己辨识体质，就需要回答超过60多道问卷才能识别，而且60多道问卷中，个人回答的答案往往有主观性，常常潜意识中选择认为好的答案，导致最后的判断结果往往不正确。

在中医几千年的发展中，中医总结出很多诊断的方法，其中望诊是中医诊断学中最重要的部分，近年来有学术机构提出用信息技术来辅助中医基于舌诊来进行体质辨识，往往使用的方法是使用专门的拍摄设备，通过切割影像图片，逐个抽取图片特征，同时按照九大体质的分类方法进行辨识，由于九大体质的分类方法的设计初期是适用于问卷的形式的，在用舌头的影像特征来判别的时，往往会有特征的重复，同时用传统的机器视觉的分类方法，定位于色彩模式识别、使用RGB模型识别、传统纹理算法进行纹理分析等方法，但这些方法的效果都不是很好。

随着硬件技术和大数据技术的发展，近年来在人工智能和神经网络方面也取得了很大的发展。深度学习通过建立类似于人脑的分层模型结构，对输入数据逐级提取从底层到高层的特征，从而能很好地建立从底层信号到高层语义的映射关系。深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性，深度学习主要基于大数据，利用大数据来学习特征，充分发掘海量数据中蕴藏的丰富信息。

发明内容

本发明提供一种基于深度神经网络的舌象体质辨别方法及设备，能够根据舌象图片自动识别体质类型，方便用户检测自身的体质类型。

根据本发明的一个方面，提供了一种基于深度神经网络的舌象体质辨别方法，包括以下步骤：通过深度神经网络算法训练出1个舌象图片识别模型、1个舌象体质模型和5个舌象特征模型；其中，舌象体质包含11种体质；获取待检测舌象图片；通过舌象图片识别模型识别待检测舌象图片是否为舌头图片；如果是，通过舌象体质模型分别计算待检测舌象图片表示的11种体质的概率；通过5个舌象特征模型分别计算待检测舌象图片表示的5种舌象特征的概率；根据待检测舌象图片表示的5种舌象特征的概率，将5种舌象特征的每一种舌象特征中概率最高的子特征组成特征组合，并确定特征组合对应的若干种体质；根据待检测舌象图片表示的11种体质的概率，将若干种体质中概率最高的体质作为待检测舌象图片表示的体质。

优选地，获取待检测舌象图片之后，以及通过所述舌象图片识别模型识别待检测舌象图片是否为舌头图片之前，该方法还包括以下步骤：判断待检测舌象图片是否为包含完整人脸的图片；如果否，识别待检测舌象图片的像素值是否大于244×244；如果是，将待检测舌象图片的像素值调整为244×244。