[发明专利]一种基于多光谱相机的深度学习方法

摘要

本发明公开了一种基于多光谱相机的深度学习方法，包括对不同人群进行光谱成像，通过图像处理获得光谱图像的灰度值及特征波段，构建患病诊断特征向量，并导入患病诊断分类器中进行学习、分类。在实时诊断识别时，利用多光谱相机实时获取公共场合活动场景的光谱图像，其中多光谱相机选用的滤光片中心波长为健康人群的特征波段以及患病人群的特征波段组成的特征波段，提取出所述光谱图像的灰度值，再次构建患病诊断特征向量，将患病诊断特征向量导入患病诊断分类器，来确定所述光谱图像中是否有患病人群；本发明首次将光谱分析技术应用于公共场合活动场景中对传染性疾病的实时监控，满足了公共场合对传染性疾病识别的自动化与智能化要求。

主权项

1.一种基于多光谱相机的深度学习方法，其特征在于，包括如下步骤：步骤1：利用多光谱成像系统，在暗室中分别对健康人群以及患病人群进行多光谱成像，获得不同人群的光谱图像，所述多光谱成像系统所涉及的滤光片中心波长范围涵盖可见光波长至红外波长；步骤2：对所述光谱图像进行区域分割，对每一个区域分别提取灰度值；步骤3：采用波段指数法计算不同健康人群各成像通道的波段指数值P_i，根据各成像通道滤光片中心波长以及对应的所述波段指数值P_i，获得波段指数曲线图；步骤4：所述多光谱成像系统自动从所述波段指数曲线图中捕获出波段指数值局部最大的数据点，并将对应的成像通道的滤光片中心波长进行保存，以形成健康人群光谱图像的特征波段；步骤5：重复步骤3‑4，获取患病人群光谱图像的特征波段并保存；步骤6：将所述健康人群以及患病人群的光谱信息组合成初始特征集，其中所述灰度值作为测试样本集，所述健康人群的特征波段以及所述患病人群的特征波段组成训练样本集，构成患病诊断特征向量，并且构建患病诊断分类器；步骤7：现场传染性疾病实时诊断识别时，多光谱相机实时获取公共场合活动场景的光谱图像，将所述公共场合活动场景的光谱图像实时传输至监控中心，所述监控中心对所述公共场合活动场景的光谱图像进行图像预处理，并提取出所述光谱图像的灰度值；步骤8：针对步骤7的现场诊断，构建患病诊断特征向量，将所述患病诊断特征向量导入所述患病诊断分类器进行实时预测，来确定所述公共场合活动场景的光谱图像中是否有患病人群。