(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211123803.7 (22)申请日 2022.09.15 (71)申请人 北京中医药大学 地址 100029 北京市朝阳区北三环东路1 1 号 申请人 北京思灵 机器人科技有限责任公司 (72)发明人 赵百孝　陈兆芃　黄畅　黎田　 吴嘉威　黄跃平　陶世文　周佳　 王在进　 (74)专利代理 机构 北京荟英捷创知识产权代理 事务所(普通 合伙) 11726 专利代理师 王献茹 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/774(2022.01)G06V 10/82(2022.01) (54)发明名称 多场景多姿态的人体穴位自动识别方法、 装 置及系统 (57)摘要 本发明提供了一种多场景多姿态的人体穴 位自动识别方法、 装置及系统， 该方法包括： 获取 人体图像； 将人体图像输入预先训练的多场景多 姿态人体穴位识别模型， 识别得到人体图像中的 穴位； 多场景多姿态人体穴位识别模 型包括用于 检测目标身体区域的目标检测网络及识别目标 身体区域中指定穴位的关键点检测网络； 多场景 多姿态人体穴位识别模型由经过人体穴位标注 的多场景、 多姿态的人体图像训练得到。 本发明 实施例中人体穴位识别模型经过人体穴位标注 的多场景、 多姿态的人体图像训练得到， 可以在 多种场景和多种人体姿态下准确识别出指定穴 位， 适用性更强， 可以应用于自动化医疗设备。 权利要求书2页 说明书9页 附图3页 CN 115456997 A 2022.12.09 CN 115456997 A 1.一种多场景多 姿态的人体穴位自动识别方法， 其特 征在于， 所述方法包括： 获取人体图像； 将所述人体图像输入预先训练 的多场景多姿态人体穴位识别模型， 识别得到所述人体 图像中的穴位； 所述多场景多姿态人体穴位识别模型包括用于检测目标身体区域的目标检测网络及 识别所述目标身体区域中指定穴位的关键点检测网络； 所述多场景多姿态人体穴位识别模 型由经过人体穴位标注的多场景、 多 姿态的人体图像训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 所述多场景多姿态人体穴位识别模型的训 练过程包括： 获取多场景、 多姿态的多张人体图像； 所述多张人体图像在以下至少一个方面不同： 背 景、 光照条件、 拍摄距离、 上肢与身体躯干的夹角、 上臂与前臂的夹角、 身体左侧或者身体右 侧、 性别、 年龄； 对所述多 张人体图像进行穴位标注及身体区域矩形框标注； 所述穴位标注包括穴位类 别标注及穴位 位置标注； 对标注后的所述多张人体图像进行预处理； 所述预处理包括以下至少一项： 旋转、 反 转、 增加高斯噪声、 部分遮挡； 根据预处理后的所述多张人体图像对所述目标检测网络及所述关键点检测网络分别 进行训练至收敛。 3.根据权利要求2所述的方法， 其特征在于， 所述多场景多姿态人体穴位识别模型的训 练过程包括： 根据预处理后的所述多 张人体图像对预训练模型进行微调， 待所述预训练模型收敛后 得到训练完成的目标检测网络 。 4.根据权利要求2所述的方法， 其特征在于， 所述多场景多姿态人体穴位识别模型的训 练过程包括： 将关键点检测网络最后的输出维度修改为穴位类别的总数量； 对所述关键点检测网络的模型参数进行随机初始化； 根据预处理后的所述多张人体图像对预训练模型对随机初始化后的所述关键点检测 网络进行训练。 5.根据权利要求4所述的方法， 其特征在于， 所述关键点检测网络为Gl asshour网络， 训 练过程采用优化 算法为随机梯度下降， 代价 函数为Wingloss， 函数表达式如下： 式中限制非线性部分的范围区间[ ‑w,w]， x表示预测值与标注值之间的差值， ∈为一个 很小的数， C为 一个常数。 6.根据权利要求2所述的方法， 其特征在于， 所述识别得到所述人体图像中的穴位包 括： 在所述人体图像中标注出穴位类别及穴位 位置， 以及将标注后的所述人体图像输出。权　利　要　求　书 1/2 页 2 CN 115456997 A 27.根据权利要求2所述的方法， 其特征在于， 所述身体区域矩形框包括： 上臂侧面矩形 框、 前臂侧面矩形框、 上肢侧面整臂矩形框、 上臂内侧矩形框、 前臂内侧矩形框、 上肢内侧矩 形框。 8.一种多场景多 姿态的人体穴位自动识别装置， 其特 征在于， 所述装置包括： 图像获取模块， 用于获取 人体图像； 穴位识别模块， 用于将所述人体图像输入预先训练的多场景多姿态人体穴位识别模 型， 识别得到所述人体图像中的穴位； 所述多场景多姿态人体穴位识别模型包括用于检测目标身体区域的目标检测网络及 识别所述目标身体区域中指定穴位的关键点检测网络； 所述多场景多姿态人体穴位识别模 型由经过人体穴位标注的多场景、 多 姿态的人体图像训练得到 。 9.根据权利要求8所述的装置， 其特 征在于， 还 包括模型训练模块， 用于： 获取多场景、 多姿态的多张人体图像； 所述多张人体图像在以下至少一个方面不同： 背 景、 光照条件、 拍摄距离、 上肢与身体躯干的夹角、 上臂与前臂的夹角、 身体左侧或者身体右 侧、 性别、 年龄； 对所述多 张人体图像进行穴位标注及身体区域矩形框标注； 所述穴位标注包括穴位类 别标注及穴位 位置标注； 对标注后的所述多张人体图像进行预处理； 所述预处理包括以下至少一项： 旋转、 反 转、 增加高斯噪声、 部分遮挡； 根据预处理后的所述多张人体图像对所述目标检测网络及所述关键点检测网络分别 进行训练至收敛。 10.一种多场景多姿态的人体穴位自动识别系统， 其特征在于， 所述多场景多姿态的人 体穴位自动识别系统用于执行权利要求1 ‑7任一项所述的多场景多姿态的人体穴位自动识 别方法。权　利　要　求　书 2/2 页 3 CN 115456997 A 3