[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

说明书

本发明公开了一种基于轻量化深度学习网路的手部穴位识别方法；该方法包括以下步骤：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：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，其通过对主干网络mobilenetv3模型进行知识蒸馏和量化处理得到。本发明基于轻量化深度学习网络和几何空间计算等方法，最终得到手部的各个手部关键点穴位点，相较于传统穴位识别方法，在精度和速度上有显著的提升。

技术领域

本发明属于计算机视觉及生物医学图像处理技术领域，尤其涉及一种基于轻量化深度学习网路的手部穴位识别方法。

背景技术

人手上的不同穴位代表着身体不同的器官。通常我们可以通过手部的穴位反射点，来缓解身体的不适。对于中医治疗法，首先是人工费用高昂，相应有经验的相关从业者也越来越少。而不专业的医者可能无法迅速的找到对应的位置对患者进行治疗，降低了穴位按摩的效果。

近年来，人工智能领域在医学图像上有很多突出成果，结合深度学习的技术的医学图像处理方向也是近几年来的热门领域。但是这些研究都有个通病，利用传统的大型网络训练出的模型太过于庞大，计算复杂，部署困难，没有办法实际产业化。

由此可见，一个能实时提供精确手部穴位按摩的设备就显得格外重要。一是可以传承弘扬中医文化；二是速度方面，更实时方便为患者减缓疼痛；三是精度方面，穴位的准确性，使得按摩效果更有保障。

公开号为CN 113486758 A 的中国专利文献，提供了手掌手背穴位识别的方法，包括1)采集左右手的手掌、手背图像数据，形成原始样本；(2)计算手部关键点位置信息；(3)对手部图像进行标注，手掌记为0，手背记为1；(4)对原始样本进行数据预处理，并分类按比例进行训练集和验证集的划分，构成训练样本；(5)构建、训练手掌/手背分类模型；根据该模型输出值得到手掌/手背的判别结果；(6)根据关键点位置和分类结果，结合中医取穴位置描述，确定穴位在关键点之间的相对位置，利用空间几何原理计算该穴位的坐标值，并在图像中标出穴位位置和名称。利用本发明，可以解决人工取穴时存在的一定主观性从而导致的定位不够准确和速度不够快等问题。

公开号为CN 108938396 A一种基于深度学习的耳部识别装置及其方法，用到了传统的深度学习架构，在部署上结合了传统图像处理的方法，模型的速度和精度都没有轻量化深度学习模型的效果好。

但是，上述手部穴位识别的方法，速度上，没办法实现实时穴位识别，无法部署在移动端作为产品推广使用。精度上，使用的是几何计算的穴位推断方法，无法实现精确的穴位判断，且直接进行穴位识别可能因为图片中手掌区过小而导致关键点飘移。

发明内容

为了解决上述问题，本发明提供了一种基于轻量化深度学习网路的手部穴位识别方法。本发明可以解决传统手部穴位识的速度和精度效果不佳的问题。

本发明中通过摄像头拍摄手掌图片后，进行手掌区域检测，再利用手部穴位识别模型进行手部穴位检测，手部的穴位点进行回归和热力图两种方式的预测，最后输出手部的18个关键穴位点（其中包括16个手部关键穴位点和2个手部特殊穴位点）。本发明将传统中医与当下前沿的深度学习技术结合起来，实现了手掌的穴位识别。

本发明的技术方案具体介绍如下。

一种基于轻量化深度学习网路的手部穴位识别方法，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；