论文部分内容阅读
临床实验表明,新生儿是具有疼痛感知能力的,但是新生儿自身却缺乏表述疼痛的能力,如今,研究合适的方法对新生儿的疼痛进行评估已经成为具有挑战性的课题之一。新生儿的疼痛评估工作目前多是由人工来完成,受过训练的医护人员根据各项评估技术指标来对新生儿表情进行评估,得到的评估结果或多或少会受到个人主观因素的影响,因此开发一种辅助性的客观评估系统对新生儿疼痛进行及时、客观且有效的评估具有非常重要的意义。本文对视频序列中的新生儿疼痛表情识别进行了深入的研究,并设计出相应的表情识别系统对识别过程和结果进行直观展示,本文的研究工作主要有:(1)针对表情识别中的脸部检测问题,提出使用基于肤色和Haar特征相结合的新生儿脸部检测算法。实验结果表明,基于肤色的方法能够排除掉大部分非肤色区域,缩小脸部检测范围,后续结合Haar特征,能够在脸部区域完整、角度合理的前提下,检测出不同表情和不同头部偏移角度的视频帧样本的脸部区域。(2)针对视频序列的实时性要求,使用基于金字塔Lucas-Kanade光流的目标跟踪算法对新生儿脸部区域进行跟踪,同时,针对新生儿脸部运动的不确定性,为了使跟踪效果更加准确,在光流基础上进行改进,提出采用前后向轨迹相结合的方式完成跟踪,实验表明,该方法能够在部分遮挡和头部存在一定角度偏移的情况下取得不错的跟踪效果,并且能够达到系统的实时性要求。(3)针对面部表情的识别问题,研究局部二值模式和支持向量机在新生儿疼痛表情特征提取与识别上的应用,将均匀模式和旋转不变模式相结合,并使用分块的局部二值模式提取新生儿表情特征,作为分类器的输入。针对支持向量机使用过程中的参数选择问题,本文使用网格搜索的方法对支持向量机的惩罚因子以及核函数的参数进行寻优,得到最优参数对作为系统分类识别的参数。(4)针对系统的构建以及识别结果的展示问题,采用MFC完成系统整体框架的搭建,并结合OpenCV调用库函数的方式获得相关图像处理算法。整体系统运行效果表明,本文设计的针对视频序列的新生儿疼痛表情识别系统具有较好的实时性,能够达到基本的表情识别功能,同时具有界面友好、简洁易用的优点。