本發(fā)明涉及一種基于Grabcut圖像算法的智能稱重系統(tǒng)，屬于計量衡器技術(shù)領(lǐng)域。

背景技術(shù)：

每個擁有新生嬰兒的家長，都希望幫助寶寶記錄下他出生后每一個時刻的神態(tài)和模樣。另外測量嬰兒的身長和體重，也是判斷嬰兒在成長階段中是否發(fā)育正常的重要依據(jù)，然而現(xiàn)有技術(shù)中用于測量和記錄寶寶的各類身體信息都是采用手工測量和輸入的方式，容易造成測量的誤差和數(shù)據(jù)的丟失。目前市場上用于測量嬰兒身高和體重的嬰兒秤，通常僅設(shè)有一個放置平臺用于放置待測嬰兒平躺，該嬰兒秤量測時借由顯示器來顯示測量的數(shù)據(jù)，并且測量后嬰兒的重量數(shù)據(jù)即刻歸零消失，數(shù)據(jù)存儲單一，極易丟失，因此此發(fā)明專利針對此前出現(xiàn)的問題進一步改善，并實現(xiàn)更多智能化功能。

技術(shù)實現(xiàn)要素：

發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是提供一種基于Grabcut圖像算法的智能稱重系統(tǒng)，該智能稱重系統(tǒng)能夠自動測量出嬰兒的身高和體重、相片數(shù)據(jù)通過物聯(lián)網(wǎng)儲存在數(shù)據(jù)芯片當(dāng)中，云平臺服務(wù)端、醫(yī)院一體化信息系統(tǒng)以及手機APP可以隨時通過數(shù)據(jù)交互訪問存儲數(shù)據(jù)。

發(fā)明內(nèi)容：為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案為：

一種基于Grabcut圖像算法的智能稱重系統(tǒng)，包括平衡基底，所述平衡基底的頂部連接放置區(qū)，所述放置區(qū)底部為透光型納米毛毯層，所述透光型納米毛毯層的下方設(shè)有多排相互平行的LED微光燈，所述放置區(qū)的一端為固定板，與所述固定板相對的另一端為活動板，所述活動板能相對所述固定板發(fā)生靠近或遠離的運動；還包括位于所述平衡基底內(nèi)部的控制芯片以及與所述控制芯片連接的電源模塊、存儲模塊、位移傳感器和壓力傳感器，所述位移傳感器的可動電刷與所述活動板連接，所述壓力傳感器位于所述放置區(qū)的底部，所述平衡基底上還設(shè)有多個數(shù)據(jù)傳輸接口和用于操作的液晶觸摸屏；其中，所述控制芯片還與CCD圖像控制器電路連接，所述CCD圖像控制器懸置于所述放置區(qū)的正上方。

一種基于Grabcut圖像算法的智能稱重系統(tǒng)的稱重方法，包括如下步驟：

步驟1，將嬰兒平穩(wěn)躺在放置區(qū)上，嬰兒頭部貼近固定板，腳部靠近活動板，將活動板推至到嬰兒的腳部，開始測量；

步驟2，點擊觸摸屏“拍攝照片(Y/N)、測量體重(Y/N)、測量身長(Y/N)”分別啟動系統(tǒng)的CCD圖像控制器、電位器式位移傳感器、高精度式壓力傳感器、進行嬰兒照片的拍攝，以及身長、體重的測量，并將測量信號傳輸給單片機控制芯片；

步驟3，單片機控制芯片對信號進行處理并將數(shù)據(jù)傳輸至二維碼生成器獲取反饋，隨后運行軟件平臺與云平臺服務(wù)端進行通信，并將數(shù)據(jù)通過云平臺服務(wù)端傳輸?shù)结t(yī)療一體化信息系統(tǒng)中進行存儲。

其中，步驟3中，所述單片機控制芯片對信號進行處理的具體步驟為：建立GMM模型，額外的矢量k_n∈{1，...，K}分配給每個像素的一個獨特的GMM組件；根據(jù)α_n∈{0，1}定義一個能量函數(shù)E(α，k，θ，z)，公式如下：

其中，π(·)為混合加權(quán)系數(shù)，模型參數(shù)θ＝{π(α，k)，μ(α，k)，∑(α，k)}，由加權(quán)數(shù)π，均值μ，協(xié)方差∑組成；迭代最小化的每一步為E總能量的最小化，當(dāng)能量E單調(diào)減小時，算法確保收斂到E的一個局部最小值并且自動停止迭代。

其中，所述平衡基底上還包括開關(guān)鍵。

其中，所述控制芯片內(nèi)部設(shè)置一二維碼生成器。

其中，所述控制芯片還連接揚聲器。

其中，所述控制芯片還連接打印機。

其中，所述存儲模塊用于紀錄嬰兒每次量測的身高和體重數(shù)據(jù)。

其中，所述數(shù)據(jù)傳輸接口包括USB接口、RJ45接口、wifi接口、3G接口和HL7接口。

有益效果：相比于現(xiàn)有技術(shù)，本發(fā)明基于Grabcut圖像算法的智能稱重系統(tǒng)包含測量嬰兒身高、體重以及為嬰兒拍照的功能，并且還能結(jié)合物聯(lián)網(wǎng)技術(shù)將每次嬰兒測量的身高、體重、彩色相片等數(shù)據(jù)通過云平臺服務(wù)端儲存在本地檔案管理服務(wù)器中，嬰兒的家人可以直接用手機APP客戶端訪問本地檔案管理服務(wù)器中該嬰兒每次測量的身高、體重、彩色相片等數(shù)據(jù)；醫(yī)護人員也可通過醫(yī)院一體化信息系統(tǒng)訪問本地檔案管理服務(wù)器中該嬰兒每次測量的身高、體重、彩色相片等數(shù)據(jù)；本發(fā)明的智能嬰兒秤還集成了揚聲器、打印機、用于操作的液晶觸摸屏，揚聲器用于語音提示人們操作，打印機用于將拍攝好的圖像打印出來，并附著二維碼等信息。

附圖說明

圖1為本發(fā)明智能稱重系統(tǒng)的結(jié)構(gòu)示意圖；

圖2為本發(fā)明智能稱重系統(tǒng)控制模塊的系統(tǒng)原理圖；

圖3為本發(fā)明智能稱重系統(tǒng)單片機控制芯片的控制流程圖；

圖4為本發(fā)明智能稱重系統(tǒng)的云平臺服務(wù)端(本地服務(wù)管理器)與醫(yī)院一體化信息系統(tǒng)、手機APP客戶端以及云平臺服務(wù)端形成的物聯(lián)網(wǎng)原理圖。

具體實施方式

根據(jù)下述實施例，可以更好地理解本發(fā)明。然而，本領(lǐng)域的技術(shù)人員容易理解，實施例所描述的內(nèi)容僅用于說明本發(fā)明，而不應(yīng)當(dāng)也不會限制權(quán)利要求書中所詳細描述的本發(fā)明。

如圖1～4所示，本發(fā)明基于Grabcut圖像算法的智能稱重系統(tǒng)，包括梯形平衡基底3，平衡基底3的頂部連接放置區(qū)13，放置區(qū)13底部為透光型納米毛毯層2，透光型納米毛毯層2能夠使嬰兒舒適的平躺在放置區(qū)13上，透光型納米毛毯層2的下方設(shè)有多排相互平行的LED微光燈11，LED微光燈11用于協(xié)助CCD圖像控制器1拍照，LED微光燈11與控制芯片電路連接，且通過觸摸屏12控制其打開和關(guān)閉；放置區(qū)13的一端為固定板10，與固定板10的相對另一端為活動板9，活動板9能夠在透光型納米毛毯層2上滑動，從而發(fā)生靠近固定板10或遠離固定板10的運動(固定板10設(shè)置在放置區(qū)13的一端，放置區(qū)13的另一端設(shè)置有活動板9，固定板10和活動板9之間設(shè)置移動槽，活動板9可在移動槽上進行移動)，使用時將嬰兒頭放置在固定板10端，再移動活動板9，使活動板9端對準嬰兒的腳；本發(fā)明的智能嬰兒秤還包括位于平衡基底3內(nèi)部的控制芯片以及與控制芯片電路連接的電源模塊、存儲模塊、位移傳感器15和壓力傳感器16，位移傳感器15的可動電刷與活動板9連接，當(dāng)活動板9移動時，電位器式位移傳感器的電阻值會發(fā)生相應(yīng)變化，從而將嬰兒的身高數(shù)據(jù)傳輸給控制芯片，壓力傳感器16位于放置區(qū)13的底部，當(dāng)放置區(qū)13放置物體時，壓力傳感器16感應(yīng)到物體的壓力，并將之轉(zhuǎn)化為電信號傳輸給控制芯片，平衡基底3上還設(shè)有多個數(shù)據(jù)傳輸接口4、液晶觸摸屏12、用于向外部輸出照片的長形外孔6、開關(guān)鍵7、用于與外部電源連接的通用電源插孔8，通用電源插孔8支持AC/DC12V、POE供電；

控制芯片還與CCD圖像控制器1電路連接，CCD圖像控制器1懸置于放置區(qū)13的正上方，CCD圖像控制器1內(nèi)部嵌入有智能高清攝像頭，用于拍攝嬰兒圖片；

控制芯片還電路連接揚聲器5，用于語音提示人們操作；

控制芯片還電路連接打印機，CCD圖像控制器1將拍攝并處理好的彩色相片經(jīng)由打印機打印再從平衡基底3上的長形外孔6中輸出來；

控制芯片還包括通訊模塊，通訊模塊上設(shè)有多個數(shù)據(jù)傳輸接口4，數(shù)據(jù)傳輸接口4為標準通用型接口，包括USB接口、RJ45接口、wifi接口、3G接口和HL7接口，可用于與外部設(shè)備進行數(shù)據(jù)交互；

控制芯片采用Cortex-A9 ARM單片機，以集成緩存一致的方式支持1到4個CPU內(nèi)核，可單獨配置各處理器，設(shè)定其緩存大小以及是否支持FPU、MPE或PTM接口等，控制芯片使用安卓系統(tǒng)作為其操作系統(tǒng)；

存儲模塊用于紀錄嬰兒每次量測的身高、體重、彩色相片、二維碼等數(shù)據(jù)；

控制芯片還內(nèi)置一二維碼生成器用于接收存儲模塊內(nèi)所紀錄的嬰兒每次量測的身高、體重、彩色相片等數(shù)據(jù)將其成為二維碼反饋至存儲模塊；電源模塊用于為整個系統(tǒng)提供電源。

本發(fā)明智能稱重系統(tǒng)還包含一個運行在安卓系統(tǒng)上的軟件平臺，這個軟件平臺作為客戶端程序，采用C/S架構(gòu)與醫(yī)院檔案管理服務(wù)器進行數(shù)據(jù)交互，無需手工記錄每次測量的數(shù)據(jù)，醫(yī)護人員即可通過本發(fā)明智能稱重系統(tǒng)的觸控提示將測量的數(shù)據(jù)及時上傳至云平臺服務(wù)端以及醫(yī)院檔案管理服務(wù)器。

云平臺服務(wù)端，采用B/S架構(gòu)，分為后臺服務(wù)端和應(yīng)用端兩部分，其中后臺服務(wù)端主要負責(zé)對上傳的數(shù)據(jù)進行收集、分析、整理、接口模塊管理以及與數(shù)據(jù)中心進行交互的功能，應(yīng)用端主要包括系統(tǒng)管理、用戶管理、應(yīng)用管理、信息發(fā)布與展示、論壇管理功能。

智能稱重系統(tǒng)軟件平臺，與醫(yī)院檔案管理服務(wù)器、手機APP客戶端相對接，用于建立嬰兒檔案，與醫(yī)院檔案相統(tǒng)一，智能稱重系統(tǒng)通過軟件平臺與云平臺服務(wù)端通信，將系統(tǒng)采集的數(shù)據(jù)(即每次測量的嬰兒身高和體重、彩色相片等數(shù)據(jù))通過云平臺服務(wù)端存儲在醫(yī)院檔案管理服務(wù)器中，當(dāng)手機APP客戶端需要訪問相關(guān)數(shù)據(jù)時，通過云平臺服務(wù)端即可訪問到醫(yī)院檔案管理服務(wù)器中存儲的數(shù)據(jù)。

使用本發(fā)明智能稱重系統(tǒng)時，將嬰兒平穩(wěn)躺在放置區(qū)13上，嬰兒頭部貼近固定板10，腳部靠近活動板9，將活動板9推至到嬰兒的腳部，按下開關(guān)鍵7(home鍵)，啟動初始化程序，根據(jù)觸摸屏12的顯示和揚聲器5的語音提示，進行手動操作，點擊觸摸屏“拍攝照片(Y/N)、測量體重(Y/N)、測量身長(Y/N)”分別啟動CCD圖像控制器1、電位器式位移傳感器、高精度式壓力傳感器、進行嬰兒照片、身長、體重測量同時將信號傳輸給單片機控制芯片，單片機控制芯片對信號進行處理并將數(shù)據(jù)傳輸至二維碼生成器獲取反饋，隨后運行軟件平臺與云平臺服務(wù)端進行通信，將數(shù)據(jù)(含二維碼等信息)通過云平臺服務(wù)端傳輸?shù)结t(yī)療一體化信息系統(tǒng)中進行存儲，其次可選擇手動操作，點擊觸摸屏“是否打印(Y/N)”將數(shù)據(jù)傳輸給打印機，啟動打印，將嬰兒此次的數(shù)據(jù)通過彩色相片形式打印出來，并附著二維碼等相關(guān)信息。

在測量系統(tǒng)當(dāng)中，HOG算法是一種重要的測量嬰兒身體的方法。尤其在視頻處理領(lǐng)域，HOG算法被廣泛應(yīng)用于測量行走的人。HOG的主要特征是由Dalal和Triggs提出，也將被采用于我們的此次應(yīng)用為了探測嬰兒的身體區(qū)域，我們首先要估算出圖像元素里像素的梯度方向；其次，在每一個圖像元素里，我們計算一個9個方向的梯度直方圖作為特征，每一塊都可由一個36維的特征矢量來表示。通過HOG特征表示之后，嬰兒身高測量公式化為一個在線性特征空間當(dāng)中線性的分類問題。我們測量嬰兒的身體使用線性支持向量機，高斯核函數(shù)向量機，提高性能。

GrabCut算法是一個圖像分割算法，有效地將前景物件在復(fù)雜背景當(dāng)中提取，在交互中高精度、高效率的分割。Grabcut在圖像切割機制有了兩個方面的改進：迭代估計和不完整的標記，這兩方面結(jié)合可以達到減少使用者交互程度并獲取給定質(zhì)量要求的結(jié)果的成效。這使得Grabcut能夠簡單地檢測一個圍繞著目標物體的矩形，提出一個新的α計算方法來實現(xiàn)邊緣摳圖，其中α值被正規(guī)化以減少可見的人工干預(yù)。

由于建立充足的色彩空間直方圖是不切實際的，我們按照被用于軟分割的實踐，并使用GMMs模型。每一個GMM模型，一個為前景，一個為背景，被視為混有K個組件的全協(xié)方差高斯模型。為了更好處理GMM模型，額外的矢量k_n∈{1，...，K}在優(yōu)化框架被引入，分配給每個像素的一個獨特的GMM組件，其中每一個組件要么來自前景，要么來自背景模型，根據(jù)α_n∈{0，1}.定義一個能量函數(shù)E(α，k，θ，z)，它的最小值對應(yīng)了最好的分割，取決于K值，公式如下：

數(shù)據(jù)術(shù)語U為分割而定義，其中π(·)為混合加權(quán)系數(shù)，模型參數(shù)θ＝{π(α，k)，μ(α，k)，∑(α，k)}，由加權(quán)數(shù)π，均值μ，協(xié)方差∑組成。

Grabcut算法的結(jié)構(gòu)保證了恰當(dāng)?shù)氖諗啃?，這是因為迭代最小化的每一步，可以看成是E總能量的最小化，反過來與設(shè)置的三個變量k，θ，α相關(guān)聯(lián)。因此當(dāng)能量E單調(diào)減小時，算法確保收斂到E的一個局部最小值并且自動停止迭代；其次，估計一個不產(chǎn)生偽影帶的α-圖，并使其從前景色中恢復(fù)。邊界和前景估計后，嬰兒的高度是黑白圖像中白色范圍的最大值.

對于自動方法，矩形的坐標在Grabcut分割影像中自動檢測。因為高度H手動及自動測量的結(jié)果都很大程度取決于腹直長度的結(jié)果，手動方法和自動方法之間的百分比差異計算如下：

這里diff是誤差的百分比，X及X_m分別是自動及手動測量的值十六個嬰兒的圖像被用于驗證實驗，以評估的自動方法的準確性。diff是用來評估自動測量方式的精度，diff的平均值和標準差分別為0.5％和0.16。我們同樣可以發(fā)現(xiàn)手動及自動測量結(jié)果的平均值及標準差之間差別分別為9.99mm and 44.39。這表明，自動的方法來檢測寶寶身高精度誤差小于1cm。對于自動測量獲得的結(jié)果，可以觀察到，一半的自動測量結(jié)果略為高于手動測量結(jié)果，一半略低。

HOG身體測量算法及Grabcut分割算法都分在我們智能嬰兒秤量系統(tǒng)當(dāng)中得以應(yīng)用，來測量嬰兒的高度，將HOG及Grabcut算法應(yīng)用于估計身高當(dāng)中，高度測量算法被證明在應(yīng)用當(dāng)中是精確的，在自動測量算法的精準度方面，高度誤差的平均值小于1cm。