一种麻醉术后疼痛表情的视觉评估方法及系统

本发明涉及图像处理，具体为一种麻醉术后疼痛表情的视觉评估方法及系统。

背景技术：

1、现有技术通常通过采集术后人员的面部图像或面部视频，利用人脸检测、面部关键点定位、表情动作单元识别或机器学习分类模型，对面部动作变化进行疼痛相关分析。

2、但是，在麻醉术后人员处于持续观察的场景下，面部图像中不仅存在疼痛相关表情，还可能存在自然闭眼、寒战、应答说话、遮挡或操作引起的非疼痛来源面部变化。现有视觉评估方式多侧重于从面部图像本身提取表情特征，缺少对图像采集时间内外部事件与面部区域变化之间对应关系的分析，容易将非疼痛来源的面部变化纳入疼痛表情分析过程，导致疼痛表情候选变化的筛选结果稳定性不足。因此存在由于非疼痛面部动作干扰导致评估稳定性差的问题。

技术实现思路

1、针对现有技术存在的不足，本发明提供一种麻醉术后疼痛表情的视觉评估方法及系统。

2、为了实现上述目的，本发明的技术方案如下：

3、第一方面，本发明公开了一种麻醉术后疼痛表情的视觉评估方法，包括如下步骤：获取麻醉术后用户在预设时段的面部图像数据和时段关联数据，并进行时序对齐处理，得到时序面部图像数据和时序关联数据；基于时序面部图像数据进行成像有效性检测和面部关键点定位处理，得到图像有效状态数据、面部关键点数据集和表情活跃区域数据；基于面部关键点数据集和表情活跃区域数据进行连续时间窗变化特征分析，得到表情活跃区域特征数据；基于时序关联数据与表情活跃区域特征数据进行时序耦合分析，得到时段关联事件与表情活跃区域变化之间的时间重合比例值和区域响应差异值；基于时间重合比例值和区域响应差异值识别非疼痛干扰状态数据，并基于非疼痛干扰状态数据得到区域时间干扰映射数据；基于区域时间干扰映射数据对表情活跃区域特征数据进行区域时间过滤处理，得到过滤表情特征数据；基于图像有效状态数据、面部关键点数据集和非疼痛干扰状态数据得到特征可信度数据，并基于特征可信度数据对过滤表情特征数据进行加权修正，得到可信表情特征数据；对可信表情特征数据进行时间连续性整合处理，得到疼痛表情视觉评估数据，疼痛表情视觉评估数据用于表征经非疼痛来源干扰过滤后的疼痛表情候选变化。

4、第二方面，本发明公开了一种麻醉术后疼痛表情的视觉评估系统，包括以下模块：数据获取模块，用于获取麻醉术后用户在预设时段的面部图像数据和时段关联数据，并进行时序对齐处理，得到时序面部图像数据和时序关联数据；图像检测模块，用于基于时序面部图像数据进行成像有效性检测和面部关键点定位处理，得到图像有效状态数据、面部关键点数据集和表情活跃区域数据；特征分析模块，用于基于面部关键点数据集和表情活跃区域数据进行连续时间窗变化特征分析，得到表情活跃区域特征数据；时序耦合分析模块，用于基于时序关联数据与表情活跃区域特征数据进行时序耦合分析，得到时段关联事件与表情活跃区域变化之间的时间重合比例值和区域响应差异值；干扰识别模块，用于基于时间重合比例值和区域响应差异值识别非疼痛干扰状态数据，并基于非疼痛干扰状态数据得到区域时间干扰映射数据；特征过滤模块，用于基于区域时间干扰映射数据对表情活跃区域特征数据进行区域时间过滤处理，得到过滤表情特征数据；可信度分析模块，用于基于图像有效状态数据、面部关键点数据集和非疼痛干扰状态数据得到特征可信度数据，并基于特征可信度数据对过滤表情特征数据进行加权修正，得到可信表情特征数据；数据确定模块，用于对可信表情特征数据进行时间连续性整合处理，得到疼痛表情视觉评估数据，疼痛表情视觉评估数据用于表征经非疼痛来源干扰过滤后的疼痛表情候选变化。

5、与现有技术相比，本发明的有益效果为：

6、1、本发明通过基于时序关联数据与表情活跃区域特征数据进行时序耦合分析，得到时间重合比例值和区域响应差异值，并由此识别非疼痛干扰状态数据，从而能够区分疼痛表情候选变化与非疼痛来源干扰变化，进而实现疼痛表情候选变化筛选稳定性的提高，有效解决了现有技术中由于非疼痛来源干扰影响导致疼痛表情候选变化筛选稳定性不足的问题。

7、2、本发明通过对面部图像数据和时段关联数据进行时序对齐处理，得到时序面部图像数据和时序关联数据，从而使面部图像帧与时段关联事件形成时间对应关系，进而实现后续非疼痛干扰状态数据识别具有明确的时间依据，避免仅基于孤立图像帧进行判断造成干扰来源不清的问题。

8、3、通过基于非疼痛干扰状态数据得到区域时间干扰映射数据，并基于区域时间干扰映射数据对表情活跃区域特征数据进行区域时间过滤处理，从而能够针对受到干扰影响的时间段和表情活跃区域进行过滤，进而实现对非疼痛来源干扰特征的定向剔除或降权，降低有效表情特征被整体误删的风险。

1.一种麻醉术后疼痛表情的视觉评估方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述得到时序面部图像数据和时序关联数据，具体方法为：

3.根据权利要求1所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述得到图像有效状态数据、面部关键点数据集和表情活跃区域数据，具体方法为：

4.根据权利要求1所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述得到表情活跃区域特征数据，具体方法为：

5.根据权利要求1所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述识别非疼痛干扰状态数据，具体方法为：

6.根据权利要求5所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述得到候选干扰类型标识，具体方法为：

7.根据权利要求1所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述得到过滤表情特征数据，具体方法为：

8.根据权利要求1所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述得到可信表情特征数据，具体方法为：

9.根据权利要求1所述的麻醉术后疼痛表情的视觉评估方法，其特征在于：所述得到疼痛表情视觉评估数据，具体方法为：

10.应用如权利要求1-9中任一项所述的麻醉术后疼痛表情的视觉评估方法的系统，其特征在于：包括以下模块：