專利名稱：基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理與模式識(shí)別領(lǐng)域，涉及ー種人臉表情識(shí)別方法，特別涉及一種基于稀疏表示的新生ノ L疼痛與非疼痛表情分類識(shí)別方法。
背景技術(shù)：
近年的研究證實(shí)，不論是足月兒還是早產(chǎn)兒，出生后即具有疼痛感受能力。新生兒，尤其是早產(chǎn)兒和危重兒的疼痛主要來自侵入性操作，包括足底采血、動(dòng)靜脈穿刺、皮下和肌肉注射等。反復(fù)經(jīng)歷的疼痛刺激會(huì)對(duì)新生兒，尤其對(duì)早產(chǎn)兒和危重兒，產(chǎn)生一系列近期和遠(yuǎn)期的嚴(yán)重影響，其中包括急性生理反應(yīng)，對(duì)中樞神經(jīng)系統(tǒng)的永久損傷、發(fā)育遲緩和情感紊亂等。疼痛評(píng)估是控制疼痛的重要ー環(huán)，對(duì)任何存在疾病狀態(tài)的新生兒，都應(yīng)進(jìn)行常規(guī)和反復(fù)的評(píng)估，是否需要進(jìn)行疼痛治療的干預(yù)以及評(píng)價(jià)治療的效果如何，關(guān)鍵均在于對(duì)疼痛的準(zhǔn)確評(píng)估。疼痛是ー種包括感覺和情感的主觀感受，自我評(píng)估被認(rèn)為是最可靠的評(píng)估疼痛方法。由于新生兒不能像成人一樣用語言表達(dá)疼痛的感受，疼痛評(píng)估成為新生兒科學(xué)中最具挑戰(zhàn)性的ー個(gè)難題。新生兒時(shí)期自主神經(jīng)系統(tǒng)并不完善，ー些生理指標(biāo)如心率、血壓變化差異較大，病理情況時(shí)反應(yīng)也各異，可能導(dǎo)致測(cè)量結(jié)果不確定，所以不能僅用生理指標(biāo)來評(píng)估新生兒疼痛，必須與行為評(píng)估方法聯(lián)合應(yīng)用。新生兒在疼痛時(shí)會(huì)表現(xiàn)出行為變化，包括哭聲、面部表情、呻吟、肢體活動(dòng)及行為狀態(tài)的改變。疼痛引起的哭聲往往高尖、持續(xù)時(shí)間長、頻繁。但早產(chǎn)兒很少哭，即使受到疼痛刺激，哭鬧時(shí)間也很短；危重兒因衰竭無カ很少哭，或因氣管插管導(dǎo)致聲門阻塞而無法哭。因此，哭聲并不是早產(chǎn)兒或危重兒疼痛評(píng)估有效、可靠的指標(biāo)。在常用的新生兒疼痛評(píng)估工具中，“面部表情”被認(rèn)為是最可靠的疼痛監(jiān)測(cè)指標(biāo)。目前，國際上對(duì)新生兒疼痛的評(píng)估都是由受過專門訓(xùn)練并熟悉各項(xiàng)監(jiān)測(cè)指標(biāo)的醫(yī)護(hù)人員進(jìn)行人エ評(píng)估。其缺點(diǎn)是耗時(shí)費(fèi)力，有時(shí)還無法在現(xiàn)場(chǎng)實(shí)時(shí)做出評(píng)估，而且評(píng)估結(jié)果更多地依賴于個(gè)人的知識(shí)與經(jīng)驗(yàn)，并受個(gè)人的情緒等主觀因素的影響，不能完全客觀反映新生兒疼痛程度。因此，開發(fā)ー種基于面部表情分析的新生兒疼痛自動(dòng)評(píng)估系統(tǒng)，為臨床提供客觀準(zhǔn)確的疼痛評(píng)估，對(duì)醫(yī)護(hù)人員及時(shí)采取相應(yīng)的鎮(zhèn)痛措施，減輕新生兒和嬰兒的疼痛具有非常重要的意義和價(jià)值。但是，目前在人臉表情識(shí)別的研究方面，一般都是針對(duì)普通成年人，將人臉表情劃分為6種基本類型高興、悲傷、生氣、恐懼、驚訝和厭惡，很少有研究者從事新生兒疼痛與 非疼痛表情的分類識(shí)別研究。本發(fā)明針對(duì)開發(fā)新生兒疼痛自動(dòng)評(píng)估系統(tǒng)的需求，提出ー種基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法。

發(fā)明內(nèi)容
技術(shù)問題針對(duì)開發(fā)新生兒疼痛自動(dòng)評(píng)估系統(tǒng)的需求，提出ー種基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法，解決現(xiàn)有技術(shù)不能準(zhǔn)確、自動(dòng)識(shí)別新生兒疼痛表情的問題，為臨床提供客觀準(zhǔn)確的疼痛評(píng)估工具開辟一條新的途徑。技術(shù)方案本 發(fā)明的基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法，其特征在于該方法包括以下步驟A、將經(jīng)醫(yī)護(hù)人員按疼痛程度分類并作校準(zhǔn)歸ー化的k類新生兒表情圖像作為訓(xùn)練樣本；B、對(duì)每ー個(gè)訓(xùn)練樣本、測(cè)試樣本進(jìn)行降維處理，分別用ー個(gè)d維的特征向量來表示；C、由k個(gè)類別的η個(gè)訓(xùn)練樣本的特征向量構(gòu)建稀疏表示模型中的ー個(gè)d行η列的過完備字典矩陣A;n>>d;D、對(duì)過完備字典矩陣A和測(cè)試樣本的特征向量y分別進(jìn)行歸ー化，得到！^和扒E、給定誤差容限ε，I I · I I i表示I1范數(shù)，I I · I I2表示I2范數(shù)，通過求解如下I1范數(shù)最小化問題Θ = arg min I^l1_ -^fr2 ~ ε得到最優(yōu)的樣本重構(gòu)系數(shù)向量んF、對(duì)于任意的第i類，首先定義ー個(gè)め函數(shù)，用于選取纟中與第i類相關(guān)的系
數(shù)，即め函數(shù)將系數(shù)向量纟中與第i類相關(guān)的所有元素乘以1，其余元素乘以O(shè) ;然后，計(jì)
算用第i類訓(xùn)練樣本重構(gòu)得到的· 與測(cè)試樣本歸ー化特征向量少的殘差
r,{y)=/ = 1,2,L ,kG、將測(cè)試樣本的殘差代入如下的類別判定公式identity(y) = arg min rx ( j) / = 1,2,L ,k得出測(cè)試樣本的類別，即，在k個(gè)殘差中尋找最小值，將殘差最小的i所對(duì)應(yīng)的類別作為測(cè)試樣本的分類結(jié)果，用identity(y)表示。所述步驟D中，對(duì)過完備字典矩陣A和測(cè)試樣本的特征向量y分別進(jìn)行歸ー化的具體步驟如下D1、在所有η個(gè)訓(xùn)練樣本的d維特征向量中，求出每ー維特征的最大值，即ろ,臓=pH(ん)J=I, 2，3，…，d其中，A&表示過完備字典矩陣A的第j行第P列元素，λ ^max表示過完備字典矩陣A中第j行的最大元素值，即第j維特征的最大值；D2、用λ ^max對(duì)過完備字典矩陣A的第j行作歸ー化處理，即
^1,2, 3, ···, t/；尸1，2，3，…，/2
ノ.,max其中，表示歸ー化的過完備字典矩陣A的第j行第P列元素；D3、依據(jù)每ー維特征的λムmax，對(duì)測(cè)試樣本的特征向量y作歸ー化處理，即
其中，Yj表示測(cè)試樣本的特征向量y的第j維特征，外表示歸ー化的yj。有益效果實(shí)驗(yàn)結(jié)果表明，本發(fā)明通過引入壓縮感知理論中的稀疏表示方法，將其運(yùn)用于新生兒疼痛與非疼痛表情分類識(shí)別工作中，能有效地識(shí)別出微笑、安靜、非疼痛時(shí)的哭、輕度疼痛、劇烈疼痛狀態(tài)下的表情，為開發(fā)新生兒疼痛自動(dòng)評(píng)估系統(tǒng)提供了一種新的方法和途徑。與現(xiàn)有的方法相比，本發(fā)明的優(yōu)點(diǎn)在于(I)基于計(jì)算機(jī)自動(dòng)面部表情識(shí)別的新生兒疼痛評(píng)估結(jié)果，不受評(píng)估人員的知識(shí)、經(jīng)驗(yàn)、情緒等主觀因素的影響，具有較高的準(zhǔn)確性和客觀性。(2)引入壓縮感知理論中的稀疏表示方法，使用訓(xùn)練樣本構(gòu)建冗余字典，將測(cè)試樣本看成冗余字典中訓(xùn)練樣本的線性組合，利用其特有的稀疏性進(jìn)行疼痛與非疼痛表情分類 識(shí)別，對(duì)新生兒面部圖像的噪聲與遮擋問題具有很好的魯棒性。


圖I是本發(fā)明的基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法流程圖。圖2是新生兒面部表情圖像庫中的部分圖像。
具體實(shí)施例方式本發(fā)明的基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法的實(shí)現(xiàn)主要包含以下步驟步驟I :建立新生兒面部表情圖像庫在對(duì)新生兒、早產(chǎn)兒進(jìn)行常規(guī)的致痛性操作(如疫苗接種、采血)過程中，用數(shù)碼照相機(jī)拍攝新生兒的面部圖像。由受過專門培訓(xùn)的醫(yī)生和護(hù)士，采用國際上公認(rèn)的新生兒
疼痛評(píng)估工具-新生兒面部編碼系統(tǒng)(Neonatal Facial Coding System, NFCS),并結(jié)合
其他生理指標(biāo)，對(duì)采集到的新生兒面部圖像進(jìn)行疼痛程度的評(píng)估，按照疼痛的程度給予從I到10的評(píng)分，將評(píng)分值介于I 5的表情歸類為輕度疼痛表情，評(píng)分值介于6 10的表情歸類為劇烈疼痛表情。此外，再分別拍攝新生兒微笑時(shí)、處于安靜狀態(tài)下、因饑餓等原因引起哭鬧時(shí)的非疼痛表情圖像。最后對(duì)采集到的上述5類表情圖像進(jìn)行裁剪、對(duì)齊、尺度歸ー化和灰度均衡化等圖像預(yù)處理操作，使得所有的圖像校準(zhǔn)為如圖2所示的112X92像素的灰度圖像，并對(duì)每幅圖像按所屬類別進(jìn)行標(biāo)號(hào)(在本實(shí)施例中，微笑表情用I進(jìn)行標(biāo)號(hào)，安靜表情用2進(jìn)行標(biāo)號(hào)，非疼痛狀態(tài)下的哭的表情用3進(jìn)行標(biāo)號(hào)，輕度疼痛表情用4進(jìn)行標(biāo)號(hào)，劇烈疼痛表情用5進(jìn)行標(biāo)號(hào))，建立新生兒面部表情圖像庫。步驟2 :構(gòu)建稀疏表不ホ旲型中的過完備子典從新生兒面部表情圖像庫中選取第i類(i = 1,2, L, k,在本實(shí)施例中，k = 5)表情圖像Ili幅作為訓(xùn)練樣本。對(duì)每ー個(gè)訓(xùn)練樣本和測(cè)試樣本，其原始的維度為m維(在本實(shí)施例中，m = 112X92 = 10304)，通過降維處理映射到特征空間，用ー個(gè)d維(d < m)的特征向量X = [X1, X2，L，Xd]T(T表示轉(zhuǎn)置)來表示。將給定的第i類表情圖像的Iii個(gè)訓(xùn)
練樣本的特征向量作為稀疏表示模型中過完備字典中的列集，由k個(gè)類別的所有訓(xùn)練樣本的特征向量構(gòu)成過完備字典矩陣A，即
權(quán)利要求
1.一種基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法，其特征在于該方法包括以下步驟 A、將經(jīng)醫(yī)護(hù)人員按疼痛程度分類并作校準(zhǔn)歸一化的k類新生兒表情圖像作為訓(xùn)練樣本； B、對(duì)每一個(gè)訓(xùn)練樣本、測(cè)試樣本進(jìn)行降維處理，分別用一個(gè)d維的特征向量來表示； C、由k個(gè)類別的η個(gè)訓(xùn)練樣本的特征向量構(gòu)建稀疏表示模型中的一個(gè)d行η列的過完備子典矩陣A ;η〉〉d ; D、對(duì)過完備字典矩陣A和測(cè)試樣本的特征向量y分別進(jìn)行歸一化，得到口扒 E、給定誤差容限ε，II -II1表示I1范數(shù)，||·||2表示I2范數(shù),通過求解如下I1范數(shù)最小化問題 O = arg min| S|為 ^ ε 得到最優(yōu)的樣本重構(gòu)系數(shù)向量4 ; F、對(duì)于任意的第i類，首先定義一個(gè)函數(shù)，用于選取纟中與第i類相關(guān)的系數(shù)，即 函數(shù)將系數(shù)向量纟中與第i類相關(guān)的所有元素乘以1，其余元素乘以O(shè) ;然后，計(jì)算用第
2.根據(jù)權(quán)利要求I所述的基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法，其特征在于，所述步驟D中，對(duì)過完備字典矩陣A和測(cè)試樣本的特征向量y分別進(jìn)行歸一化的具體步驟如下 D1、在所有η個(gè)訓(xùn)練樣本的d維特征向量中，求出每一維特征的最大值，即⑷片，2，3，...，J 其中，Au表示過完備字典矩陣A的第j行第P列元素，λ j, _表示過完備字典矩陣A中第j行的最大元素值，即第j維特征的最大值； D2、用λ .max對(duì)過完備字典矩陣A的第j行作歸一化處理，即
全文摘要
本發(fā)明公開了一種基于稀疏表示的新生兒疼痛與非疼痛表情分類識(shí)別方法，該方法使用訓(xùn)練樣本構(gòu)建冗余字典,將測(cè)試樣本看成冗余字典中訓(xùn)練樣本的線性組合，利用其特有的稀疏性進(jìn)行疼痛與非疼痛表情分類識(shí)別，能有效地識(shí)別出微笑、安靜、非疼痛時(shí)的哭、輕度疼痛、劇烈疼痛狀態(tài)下的表情，并對(duì)新生兒面部圖像的噪聲與遮擋問題具有很好的魯棒性，為開發(fā)新生兒疼痛自動(dòng)評(píng)估系統(tǒng)提供了一種新的方法和途徑。
文檔編號(hào)G06K9/66GK102663450SQ20121007735
公開日2012年9月12日 申請(qǐng)日期2012年3月21日 優(yōu)先權(quán)日2012年3月21日
發(fā)明者盧官明, 李曉南 申請(qǐng)人:南京郵電大學(xué)