本發(fā)明涉及多圖像分析，具體涉及一種用于中西醫(yī)按摩設(shè)備的穴位智能定位方法及系統(tǒng)。

背景技術(shù)：

1、中西醫(yī)按摩設(shè)備通過對人體穴位進(jìn)行按摩和刺激，達(dá)到養(yǎng)生、通經(jīng)絡(luò)和防病治病的效果，如果穴位定位不準(zhǔn)確，容易使刺激部位不準(zhǔn)確，無法達(dá)到預(yù)期的治療效果，可能會導(dǎo)致病情得不到緩解，甚至出現(xiàn)不良反應(yīng)。因此，對穴位定位是中西醫(yī)按摩設(shè)備的關(guān)鍵技術(shù)。

2、現(xiàn)有方法通過深度相機(jī)獲取人體影像信息，對人體影像進(jìn)行關(guān)鍵點檢測，將檢測結(jié)果與標(biāo)準(zhǔn)穴位模版進(jìn)行匹配，從而完成對人體穴位的定位；但是因不同個體的體型、肌肉分布和脂肪厚度等個體差異會顯著影響穴位的實際位置，導(dǎo)致對穴位定位的準(zhǔn)確率較低。

技術(shù)實現(xiàn)思路

1、為了解決個體差異影響穴位的實際位置，導(dǎo)致對穴位定位的準(zhǔn)確率較低的技術(shù)問題，本發(fā)明的目的在于提供一種用于中西醫(yī)按摩設(shè)備的穴位智能定位方法及系統(tǒng)，所采用的技術(shù)方案具體如下：

2、第一方面，本發(fā)明一個實施例提供了一種用于中西醫(yī)按摩設(shè)備的穴位智能定位方法，該方法包括：

3、獲取使用中西醫(yī)按摩設(shè)備的用戶的人體深度圖像；

4、獲取人體深度圖像的圖像金字塔，以及所述圖像金字塔中每張圖像的基準(zhǔn)骨骼點與分析特征點；將基準(zhǔn)骨骼點與分析特征點記為分析點，根據(jù)圖像金字塔中每張圖像的每個分析點相較于其余分析點的位置分布，獲取每個分析點的穴位骨骼方向一致值；

5、根據(jù)每個基準(zhǔn)骨骼點的預(yù)設(shè)鄰域范圍內(nèi)分析特征點的數(shù)量與位置分布，獲取圖像金字塔中每張圖像的每個基準(zhǔn)骨骼點的穴位空間位置值；

6、根據(jù)每個分析點的所述穴位骨骼方向一致值，以及每個分析點所處預(yù)設(shè)鄰域范圍對應(yīng)的基準(zhǔn)骨骼點的所述穴位空間位置值，獲取圖像金字塔中每張圖像中的穴位配準(zhǔn)域；基于圖像金字塔中所有圖像的所述穴位配準(zhǔn)域的重疊區(qū)域，對用戶的穴位進(jìn)行定位。

7、進(jìn)一步地，所述圖像金字塔中每張圖像的基準(zhǔn)骨骼點與分析特征點的獲取方法，包括：

8、從圖像金字塔中選取基準(zhǔn)結(jié)構(gòu)圖像；將所述基準(zhǔn)結(jié)構(gòu)圖像與標(biāo)準(zhǔn)人體模型進(jìn)行匹配，得到基準(zhǔn)結(jié)構(gòu)圖像中的關(guān)鍵骨骼點；

9、從圖像金字塔中除基準(zhǔn)結(jié)構(gòu)圖像外的其余圖像中任選一張圖像記為目標(biāo)圖像，將基準(zhǔn)結(jié)構(gòu)圖像的每個關(guān)鍵骨骼點在目標(biāo)圖像中對應(yīng)的匹配像素點的中心位置的像素點，記為目標(biāo)圖像的基準(zhǔn)骨骼點；

10、對圖像金字塔中每張圖像進(jìn)行特征提取，獲取每張圖像中的特征點；將目標(biāo)圖像中的特征點，以及圖像金字塔中除基準(zhǔn)結(jié)構(gòu)圖像與目標(biāo)圖像外的其他圖像中的特征點在目標(biāo)圖像中對應(yīng)的匹配像素點的中心位置的像素點，記為目標(biāo)圖像的分析特征點。

11、進(jìn)一步地，所述獲取每個分析點的穴位骨骼方向一致值，包括：

12、對于圖像金字塔中每張圖像，從圖像中任選一個分析點記為目標(biāo)點，將目標(biāo)點分別與所述圖像中除目標(biāo)點外的其余分析點進(jìn)行連接得到的線段記為目標(biāo)點的分析線段；將所述分析線段與預(yù)設(shè)方向之間的夾角作為目標(biāo)點的每條分析線段的分布角度；

13、將目標(biāo)點的兩兩分析線段的所述分布角度的差值絕對值的累加和進(jìn)行負(fù)相關(guān)映射，得到目標(biāo)點的穴位骨骼方向一致值。

14、進(jìn)一步地，所述獲取圖像金字塔中每張圖像的每個基準(zhǔn)骨骼點的穴位空間位置值，包括：

15、對于圖像金字塔中每張圖像，將圖像的每個基準(zhǔn)骨骼點的預(yù)設(shè)鄰域范圍內(nèi)的分析特征點記為每個基準(zhǔn)骨骼點的鄰域點；

16、對于圖像中每個基準(zhǔn)骨骼點，任選基準(zhǔn)骨骼點的一個鄰域點記為參考點，從基準(zhǔn)骨骼點的鄰域點中選取與參考點距離最近的鄰域點記為參考點的判斷點，將連接參考點與其判斷點的線段與預(yù)設(shè)方向之間的夾角，記為參考點的判斷角度，并獲取所述判斷點的所述判斷角度；

17、將參考點與其判斷點的所述判斷角度的差值絕對值，記為參考點的方向一致值；將每個基準(zhǔn)骨骼點的所有鄰域點的所述方向一致值的累加和作為對應(yīng)基準(zhǔn)骨骼點的鄰域方向值；

18、根據(jù)圖像金字塔中每張圖像的每個基準(zhǔn)骨骼點的鄰域點總數(shù)量與所述鄰域方向值，獲取對應(yīng)基準(zhǔn)骨骼點的穴位空間位置值；每個基準(zhǔn)骨骼點的鄰域點總數(shù)量與所述穴位空間位置值為正相關(guān)關(guān)系，所述鄰域方向值與所述穴位空間位置值為負(fù)相關(guān)關(guān)系。

19、進(jìn)一步地，所述獲取圖像金字塔中每張圖像中的穴位配準(zhǔn)域，包括：

20、對于圖像金字塔中每張圖像的每個分析點，將分析點的所述穴位骨骼方向一致值與分析點所處預(yù)設(shè)鄰域范圍對應(yīng)的基準(zhǔn)骨骼點的所述穴位空間位置值的乘積進(jìn)行歸一化處理，得到分析點的穴位骨骼關(guān)聯(lián)值；

21、將所述穴位骨骼關(guān)聯(lián)值大于預(yù)設(shè)關(guān)聯(lián)閾值的分析點記為標(biāo)準(zhǔn)點；利用每個標(biāo)準(zhǔn)點的所述穴位骨骼關(guān)聯(lián)值對預(yù)設(shè)長度進(jìn)行加權(quán)，得到每個標(biāo)準(zhǔn)點的調(diào)整長度；

22、將以每個標(biāo)準(zhǔn)點為中心，所述調(diào)整長度為半徑形成的區(qū)域，作為圖像金字塔中每張圖像的穴位配準(zhǔn)域。

23、進(jìn)一步地，所述基于圖像金字塔中所有圖像的所述穴位配準(zhǔn)域的重疊區(qū)域，對人體的穴位進(jìn)行定位，包括：

24、圖像金字塔中尺寸最大的圖像為人體深度圖像；

25、從人體深度圖像中任選一個穴位配準(zhǔn)域記為目標(biāo)域，將目標(biāo)域中存在像素點在每張所述目標(biāo)圖像中對應(yīng)的匹配像素點所處的穴位配準(zhǔn)域，記為目標(biāo)域的分析配準(zhǔn)域，并將所述分析配準(zhǔn)域所處目標(biāo)圖像記為目標(biāo)域的分析圖像；

26、若目標(biāo)域的分析圖像的總數(shù)量大于預(yù)設(shè)數(shù)量閾值，則對于將目標(biāo)域的每張分析圖像的分析配準(zhǔn)域，對分析配準(zhǔn)域的邊緣上每個邊緣像素點在人體深度圖像中對應(yīng)的匹配像素點的中心位置的像素點進(jìn)行曲線擬合，將擬合得到的曲線構(gòu)成的閉合區(qū)域記為分析配準(zhǔn)域在人體深度圖像的對齊區(qū)域；

27、將目標(biāo)域與其所有分析配準(zhǔn)域的對齊區(qū)域中共同存在的部分作為用戶的穴位區(qū)域。

28、進(jìn)一步地，所述基準(zhǔn)結(jié)構(gòu)圖像是所述圖像金字塔中尺寸最小的圖像。

29、進(jìn)一步地，所述圖像金字塔構(gòu)建過程中的降采樣比例為奇數(shù)。

30、進(jìn)一步地，所述獲取每張圖像中的特征點的方法為尺度不變特征變換算法。

31、第二方面，本發(fā)明另一個實施例提供了一種用于中西醫(yī)按摩設(shè)備的穴位智能定位系統(tǒng)，該系統(tǒng)包括：

32、數(shù)據(jù)采集模塊，用于獲取使用中西醫(yī)按摩設(shè)備的用戶的人體深度圖像；

33、方向分析模塊，用于獲取人體深度圖像的圖像金字塔，以及所述圖像金字塔中每張圖像的基準(zhǔn)骨骼點與分析特征點；將基準(zhǔn)骨骼點與分析特征點記為分析點，根據(jù)圖像金字塔中每張圖像的每個分析點相較于其余分析點的位置分布，獲取每個分析點的穴位骨骼方向一致值；

34、空間分析模塊，用于根據(jù)每個基準(zhǔn)骨骼點的預(yù)設(shè)鄰域范圍內(nèi)分析特征點的數(shù)量與位置分布，獲取圖像金字塔中每張圖像的每個基準(zhǔn)骨骼點的穴位空間位置值；

35、穴位定位模塊，用于根據(jù)每個分析點的所述穴位骨骼方向一致值，以及每個分析點所處預(yù)設(shè)鄰域范圍對應(yīng)的基準(zhǔn)骨骼點的所述穴位空間位置值，獲取圖像金字塔中每張圖像中的穴位配準(zhǔn)域；基于圖像金字塔中所有圖像的所述穴位配準(zhǔn)域的重疊區(qū)域，對人體的穴位進(jìn)行定位。

36、本發(fā)明具有如下有益效果：

37、在本發(fā)明實施例中，為了降低個體差異對穴位定位的影響，獲取人體深度圖像的圖像金字塔，在多尺寸圖像上進(jìn)行穴位檢測；分析人體不同關(guān)鍵骨骼周圍的穴位分布，總結(jié)得出兩個穴位與骨骼的分布特征，具體為：穴位沿骨骼分布方向進(jìn)行排布，關(guān)鍵骨骼附近的穴位在骨骼的某個方向上分布；本方案參考第一個特征得到穴位骨骼方向一致值，在參考第二個特征的同時，考慮基準(zhǔn)骨骼點的預(yù)設(shè)鄰域范圍內(nèi)分析特征點的數(shù)量，呈現(xiàn)基準(zhǔn)骨骼點在人體細(xì)節(jié)結(jié)構(gòu)分析時的重要程度，提高穴位空間位置值反映基準(zhǔn)骨骼點附近穴位分布的準(zhǔn)確性；結(jié)合上述兩個特征得到的穴位骨骼方向一致值與穴位空間位置值，確定圖像金字塔中每張圖像中的穴位配準(zhǔn)域，基于圖像金字塔中所有圖像的穴位配準(zhǔn)域的重疊區(qū)域，對用戶的穴位進(jìn)行定位。較高分辨率的圖像層次能夠提供更精細(xì)的局部特征，而較低分辨率的圖像層次能夠捕捉到更大范圍的全局信息，提高穴位區(qū)域確定的可靠性；通過多尺寸圖像中重疊區(qū)域確認(rèn)穴位，有效地避免了單一尺度上可能出現(xiàn)的誤判或遺漏，有效降低個體差異對穴位定位的影響。