[发明专利]一种基于轻量化深度学习网路的手部穴位识别方法

权利要求书

1.一种基于轻量化深度学习网路的手部穴位识别方法，其特征在于，包括以下步骤：

S1：图像采集，实时采集手部数据；

S2：基于传统图像处理的方法，识别出手掌区域以及手心区域；

S3：将识别出的手掌区域数据输入到基于深度学习的手部穴位识别模型中，手部穴位识别模型总共输出16个手部穴位点以及2个手部穴位区；其中：16个手部穴位点包括：肺经、少商、呼吸区、大陵穴、大肠经、心包经、三焦经、心经、大肠、心穴、肺穴、肾穴、小肠、三焦、肝穴、命门，2个手部穴位区包括：耳、咽区和心悸区；其中：所述基于深度学习的手部穴位识别模型为基于mobilenetv3的超轻量化模型，其以mobilenetv3模型为主干网络，通过对mobilenetv3模型进行知识蒸馏和量化处理获得，知识蒸馏方法中，直接对输出的归一化坐标进行logic知识蒸馏，知识蒸馏教师模型为resnet50，量化方法中，将模型参数类型从float32变为int8。

2.根据权利要求1所述的手部穴位识别方法，其特征在于，步骤S2中，手掌和手心区域识别的具体方法如下：

将待识别数据图片转换为YCrCb模式，YCrCb中，Cr、Cb值满足：133≤Cr≤173，77≤Cb≤127的肤色区即为和手掌颜色相近的部分，生成黑白图片，使用黑白图片获得最大的轮廓并生成轮廓图片并得到一个近似的椭圆，这个轮廓图片即为手掌区域；

根据椭圆角度对原图片和黑白图片及轮廓图片同时旋转进行旋转以将手掌放为竖直，根据原图片和黑白图片，利用黑白图片作为掩膜，根据黑白图片，基于距离变换得到手掌中心，并根据最大半径画出手掌的内切圆，得到手心区域。

3.根据权利要求1所述的手部穴位识别方法，其特征在于，训练和测试手部穴位识别

模型时，先对输入的手掌区域数据进行预处理，预处理包括：归一化处理，以及随机旋转、缩放进行数据增强。

4.根据权利要求1所述的手部穴位识别方法，，其特征在于，采用onehand10k开源数据

集对手部穴位识别模型进行训练。

5.根据权利要求1所述的手部穴位识别方法，其特征在于，训练手部穴位识别模型时，采用DeepPose回归算法收敛，通过关键点正确估计的比例pck获得模型的精确度，损失函数为wingloss损失函数，以对模型进行调优。

6.根据权利要求1所述的手部穴位识别方法，其特征在于，手部穴位识别模型的输出采

用回归和热力图两种方式。