專利名稱：基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法
技術領域：
本發明屬于圖像處理與模式識別領域，涉及ー種人臉表情識別方法，特別涉及一種基于稀疏表示的新生ノ L疼痛與非疼痛表情分類識別方法。
背景技術：
近年的研究證實，不論是足月兒還是早產兒，出生后即具有疼痛感受能力。新生兒，尤其是早產兒和危重兒的疼痛主要來自侵入性操作，包括足底采血、動靜脈穿刺、皮下和肌肉注射等。反復經歷的疼痛刺激會對新生兒，尤其對早產兒和危重兒，產生一系列近期和遠期的嚴重影響，其中包括急性生理反應，對中樞神經系統的永久損傷、發育遲緩和情感紊亂等。疼痛評估是控制疼痛的重要ー環，對任何存在疾病狀態的新生兒，都應進行常規和反復的評估，是否需要進行疼痛治療的干預以及評價治療的效果如何，關鍵均在于對疼痛的準確評估。疼痛是ー種包括感覺和情感的主觀感受，自我評估被認為是最可靠的評估疼痛方法。由于新生兒不能像成人一樣用語言表達疼痛的感受，疼痛評估成為新生兒科學中最具挑戰性的ー個難題。新生兒時期自主神經系統并不完善，ー些生理指標如心率、血壓變化差異較大，病理情況時反應也各異，可能導致測量結果不確定，所以不能僅用生理指標來評估新生兒疼痛，必須與行為評估方法聯合應用。新生兒在疼痛時會表現出行為變化，包括哭聲、面部表情、呻吟、肢體活動及行為狀態的改變。疼痛引起的哭聲往往高尖、持續時間長、頻繁。但早產兒很少哭，即使受到疼痛刺激，哭鬧時間也很短；危重兒因衰竭無カ很少哭，或因氣管插管導致聲門阻塞而無法哭。因此，哭聲并不是早產兒或危重兒疼痛評估有效、可靠的指標。在常用的新生兒疼痛評估工具中，“面部表情”被認為是最可靠的疼痛監測指標。目前，國際上對新生兒疼痛的評估都是由受過專門訓練并熟悉各項監測指標的醫護人員進行人エ評估。其缺點是耗時費力，有時還無法在現場實時做出評估，而且評估結果更多地依賴于個人的知識與經驗，并受個人的情緒等主觀因素的影響，不能完全客觀反映新生兒疼痛程度。因此，開發ー種基于面部表情分析的新生兒疼痛自動評估系統，為臨床提供客觀準確的疼痛評估，對醫護人員及時采取相應的鎮痛措施，減輕新生兒和嬰兒的疼痛具有非常重要的意義和價值。但是，目前在人臉表情識別的研究方面，一般都是針對普通成年人，將人臉表情劃分為6種基本類型高興、悲傷、生氣、恐懼、驚訝和厭惡，很少有研究者從事新生兒疼痛與 非疼痛表情的分類識別研究。本發明針對開發新生兒疼痛自動評估系統的需求，提出ー種基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法。
發明內容
技術問題針對開發新生兒疼痛自動評估系統的需求，提出ー種基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法，解決現有技術不能準確、自動識別新生兒疼痛表情的問題，為臨床提供客觀準確的疼痛評估工具開辟一條新的途徑。技術方案本 發明的基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法，其特征在于該方法包括以下步驟A、將經醫護人員按疼痛程度分類并作校準歸ー化的k類新生兒表情圖像作為訓練樣本；B、對每ー個訓練樣本、測試樣本進行降維處理，分別用ー個d維的特征向量來表示；C、由k個類別的η個訓練樣本的特征向量構建稀疏表示模型中的ー個d行η列的過完備字典矩陣A;n>>d;D、對過完備字典矩陣A和測試樣本的特征向量y分別進行歸ー化，得到！^和扒E、給定誤差容限ε，I I · I I i表示I1范數，I I · I I2表示I2范數，通過求解如下I1范數最小化問題Θ = arg min I^l1_ -^fr2 ~ ε得到最優的樣本重構系數向量んF、對于任意的第i類，首先定義ー個め函數，用于選取纟中與第i類相關的系
數，即め函數將系數向量纟中與第i類相關的所有元素乘以1，其余元素乘以O ;然后，計
算用第i類訓練樣本重構得到的· 與測試樣本歸ー化特征向量少的殘差
r,{y)=/ = 1,2,L ,kG、將測試樣本的殘差代入如下的類別判定公式identity(y) = arg min rx ( j) / = 1,2,L ,k得出測試樣本的類別，即，在k個殘差中尋找最小值，將殘差最小的i所對應的類別作為測試樣本的分類結果，用identity(y)表示。所述步驟D中，對過完備字典矩陣A和測試樣本的特征向量y分別進行歸ー化的具體步驟如下D1、在所有η個訓練樣本的d維特征向量中，求出每ー維特征的最大值，即ろ,臓=pH(ん)J=I, 2，3，…，d其中，A&表示過完備字典矩陣A的第j行第P列元素，λ ^max表示過完備字典矩陣A中第j行的最大元素值，即第j維特征的最大值；D2、用λ ^max對過完備字典矩陣A的第j行作歸ー化處理，即
^1,2, 3, ···, t/；尸1，2，3，…，/2
ノ.,max其中，表示歸ー化的過完備字典矩陣A的第j行第P列元素；D3、依據每ー維特征的λムmax，對測試樣本的特征向量y作歸ー化處理，即
其中，Yj表示測試樣本的特征向量y的第j維特征，外表示歸ー化的yj。有益效果實驗結果表明，本發明通過引入壓縮感知理論中的稀疏表示方法，將其運用于新生兒疼痛與非疼痛表情分類識別工作中，能有效地識別出微笑、安靜、非疼痛時的哭、輕度疼痛、劇烈疼痛狀態下的表情，為開發新生兒疼痛自動評估系統提供了一種新的方法和途徑。與現有的方法相比，本發明的優點在于(I)基于計算機自動面部表情識別的新生兒疼痛評估結果，不受評估人員的知識、經驗、情緒等主觀因素的影響，具有較高的準確性和客觀性。(2)引入壓縮感知理論中的稀疏表示方法，使用訓練樣本構建冗余字典，將測試樣本看成冗余字典中訓練樣本的線性組合，利用其特有的稀疏性進行疼痛與非疼痛表情分類 識別，對新生兒面部圖像的噪聲與遮擋問題具有很好的魯棒性。
圖I是本發明的基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法流程圖。圖2是新生兒面部表情圖像庫中的部分圖像。
具體實施例方式本發明的基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法的實現主要包含以下步驟步驟I :建立新生兒面部表情圖像庫在對新生兒、早產兒進行常規的致痛性操作(如疫苗接種、采血)過程中，用數碼照相機拍攝新生兒的面部圖像。由受過專門培訓的醫生和護士，采用國際上公認的新生兒
疼痛評估工具-新生兒面部編碼系統(Neonatal Facial Coding System, NFCS),并結合
其他生理指標，對采集到的新生兒面部圖像進行疼痛程度的評估，按照疼痛的程度給予從I到10的評分，將評分值介于I 5的表情歸類為輕度疼痛表情，評分值介于6 10的表情歸類為劇烈疼痛表情。此外，再分別拍攝新生兒微笑時、處于安靜狀態下、因饑餓等原因引起哭鬧時的非疼痛表情圖像。最后對采集到的上述5類表情圖像進行裁剪、對齊、尺度歸ー化和灰度均衡化等圖像預處理操作，使得所有的圖像校準為如圖2所示的112X92像素的灰度圖像，并對每幅圖像按所屬類別進行標號(在本實施例中，微笑表情用I進行標號，安靜表情用2進行標號，非疼痛狀態下的哭的表情用3進行標號，輕度疼痛表情用4進行標號，劇烈疼痛表情用5進行標號)，建立新生兒面部表情圖像庫。步驟2 :構建稀疏表不ホ旲型中的過完備子典從新生兒面部表情圖像庫中選取第i類(i = 1,2, L, k,在本實施例中，k = 5)表情圖像Ili幅作為訓練樣本。對每ー個訓練樣本和測試樣本，其原始的維度為m維(在本實施例中，m = 112X92 = 10304)，通過降維處理映射到特征空間，用ー個d維(d < m)的特征向量X = [X1, X2，L，Xd]T(T表示轉置)來表示。將給定的第i類表情圖像的Iii個訓
練樣本的特征向量作為稀疏表示模型中過完備字典中的列集，由k個類別的所有訓練樣本的特征向量構成過完備字典矩陣A，即
權利要求
1.一種基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法，其特征在于該方法包括以下步驟 A、將經醫護人員按疼痛程度分類并作校準歸一化的k類新生兒表情圖像作為訓練樣本； B、對每一個訓練樣本、測試樣本進行降維處理，分別用一個d維的特征向量來表示； C、由k個類別的η個訓練樣本的特征向量構建稀疏表示模型中的一個d行η列的過完備子典矩陣A ;η〉〉d ; D、對過完備字典矩陣A和測試樣本的特征向量y分別進行歸一化，得到口扒 E、給定誤差容限ε，II -II1表示I1范數，||·||2表示I2范數,通過求解如下I1范數最小化問題 O = arg min| S|為 ^ ε 得到最優的樣本重構系數向量4 ; F、對于任意的第i類，首先定義一個函數，用于選取纟中與第i類相關的系數，即 函數將系數向量纟中與第i類相關的所有元素乘以1，其余元素乘以O ;然后，計算用第
2.根據權利要求I所述的基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法，其特征在于，所述步驟D中，對過完備字典矩陣A和測試樣本的特征向量y分別進行歸一化的具體步驟如下 D1、在所有η個訓練樣本的d維特征向量中，求出每一維特征的最大值，即⑷片，2，3，...，J 其中，Au表示過完備字典矩陣A的第j行第P列元素，λ j, _表示過完備字典矩陣A中第j行的最大元素值，即第j維特征的最大值； D2、用λ .max對過完備字典矩陣A的第j行作歸一化處理，即
全文摘要
本發明公開了一種基于稀疏表示的新生兒疼痛與非疼痛表情分類識別方法，該方法使用訓練樣本構建冗余字典,將測試樣本看成冗余字典中訓練樣本的線性組合，利用其特有的稀疏性進行疼痛與非疼痛表情分類識別，能有效地識別出微笑、安靜、非疼痛時的哭、輕度疼痛、劇烈疼痛狀態下的表情，并對新生兒面部圖像的噪聲與遮擋問題具有很好的魯棒性，為開發新生兒疼痛自動評估系統提供了一種新的方法和途徑。
文檔編號G06K9/66GK102663450SQ20121007735
公開日2012年9月12日 申請日期2012年3月21日 優先權日2012年3月21日
發明者盧官明, 李曉南 申請人:南京郵電大學