[发明专利]眼部图像中目标区域的识别方法、装置及电子设备

说明书

本发明提供了一种眼部图像中目标区域的识别方法、装置及电子设备，涉及模式识别领域，该方法将获取的待识别的眼部图像输入至预先完成训练的目标区域识别模型；其中，目标区域识别模型包括第一卷积层、第二卷积层以及全连接层；待识别的眼部图像输入至第一卷积层后通过下采样提取得到第一特征结果；通过第二卷积层将第一特征结果中的每一层特征图进行下采样得到第二特征结果；将第二特征结果输入至全连接层，确定待识别的眼部图像中目标区域的识别结果。该方法可对眼部图像中特定的目标区域进行识别，解决了现有技术中缺少利用人眼的巩膜区域、虹膜颜色形状、眼前节及眼底的血管纹路等作为识别手段以确定用户的健康指标数据的技术问题。

技术领域

本发明涉及模式识别领域，尤其是涉及一种眼部图像中目标区域的识别方法、装置及电子设备。

背景技术

眼睛是人体重要的五官，除了提供视觉之外，其自身的状态也能彰显人体的健康程度。人眼的巩膜、虹膜的颜色形状、眼前节及眼底的血管纹路等均可作为目标区域进行识别对比，但现有技术中缺少相关的技术手段，以实现根据对比结果确定目标区域对应用户的健康指标数据。

发明内容

有鉴于此，本发明的目的在于提供一种眼部图像中目标区域的识别方法、装置及电子设备，利用预先完成训练的目标区域识别模型对待识别的眼部图像中的相关目标区域进行识别，在对眼部图像中相关目标区域与体检数据相关联后，可对眼部图像中特定的目标区域进行识别，解决了现有技术中缺少利用人眼的巩膜、虹膜的颜色形状、眼前节及眼底的血管纹路等作为识别手段以确定对应用户的健康指标数据的技术问题。

第一方面，本发明实施例提供了一种眼部图像中目标区域的识别方法，该方法包括：

获取待识别的眼部数据；其中，待识别的眼部数据包括待识别的眼部图像；目标区域包括眼前节区域和/或眼底区域；

将待识别的眼部数据输入至预先完成训练的目标区域识别模型；其中，目标区域识别模型包括第一卷积层、第二卷积层以及全连接层；待识别的眼部图像输入至第一卷积层后，通过下采样提取得到第一特征结果；

通过第二卷积层将第一特征结果中的每一层特征图进行下采样，得到第二特征结果；

将第二特征结果输入至全连接层，确定待识别的眼部图像中的目标区域的识别结果；其中，识别结果至少包括：眼前节区域和/或眼底区域中是否包含异常区域；异常区域用于确定眼部图像对应用户的健康指标数据。

在一些实施方式中，待识别的眼部数据，还包括：待识别的眼部图像对应用户的健康指标数据；健康指标数据通过待识别的眼部图像对应用户的体检数据获取得到。

在一些实施方式中，包含眼前节区域的待识别的眼部图像的尺寸为648x432x3；包含眼底区域的待识别的眼部图像的尺寸为512x512x3；

第一卷积层的卷积核为7x7；步长为2；共有64层；通过下采样提取得到第一特征结果包含256x256x64的第一特征矩阵。

在一些实施方式中，上述通过第二卷积层将第一特征结果中的每一层特征图进行下采样，得到第二特征结果的步骤，包括：

提取第一特征结果中的第一特征矩阵；其中，第一特征矩阵的尺寸为256x256x64；

第二卷积层将第一特征矩阵中每一层对应的特征图进行多次下采样，分别得到尺寸为128x128x256、64x64x512、32x32x1024、16x16x2048的第二特征图，并将16x16x2048的第二特征图记为第二特征结果。

在一些实施方式中，上述目标区域识别模型采用ResNet-101模型、VGG-16模型或EfficientNet-B0模型训练得到。

在一些实施方式中，上述目标区域识别模型的训练过程，包括：