基于圖像分析的耳診數據采集方法及裝置與流程
本發明涉及圖像處理領域，具體而言，涉及一種基于圖像分析的耳診數據采集方法及裝置。
背景技術：
隨著計算機技術的發展，各個領域都實現了智能化，智能化的設備能夠大大減少人力勞動，提高辦事效率；但是在醫療領域中，一般通過醫生直接觀看病人的耳部以得到耳部數據，此種方式效率比較低。因此，關于計算機技術與耳部數據的獲取的應用還需要進一步地思考。
技術實現要素：
有鑒于此，本發明實施例的目的在于提供一種基于圖像分析的耳診數據采集方法及裝置。
本發明實施例提供的一種基于圖像分析的耳診數據采集方法，應用于電子終端，所述方法包括：
獲取用戶的耳部圖像；
將預存的耳部特征樣本庫輸入學習模型進行學習得到訓練模型，根據所述訓練模型搜索所述耳部圖像以確定所述耳部圖像中的各個耳穴的位置點；以及
獲取每個耳穴位置點對應的圖像特征與預設的預存圖像特征進行比對分析，得到所述用戶的人耳診斷數據。
本發明實施例還提供一種基于圖像分析的耳診數據采集裝置，應用于電子終端，所述裝置包括：
圖像獲取模塊，用于獲取用戶的耳部圖像；
耳穴確定模塊，用于將預存的耳部特征樣本庫輸入學習模型進行學習得到訓練模型，根據所述訓練模型搜索所述耳部圖像以確定所述耳部圖像中的各個耳穴的位置點；以及
數據得到模塊，用于獲取每個耳穴位置點對應的圖像特征與預設的預存圖像特征進行比對分析，得到所述用戶的人耳診斷數據。
與現有技術相比，本發明的基于圖像分析的耳診數據采集方法及裝置，通過分析獲取的耳部圖像得到人耳診斷數據，不需要醫生觀看用戶的耳部以得到耳部診斷數據，能夠大大提高獲取數據的效率。
為使本發明的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。
附圖說明
為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。
圖1為本發明較佳實施例提供的電子終端的方框示意圖。
圖2為本發明較佳實施例提供的基于圖像分析的耳診數據采集方法的流程圖。
圖3為本發明較佳實施例提供的基于圖像分析的耳診數據采集方法中的步驟s102的詳細流程圖。
圖4為本發明較佳實施例提供的基于圖像分析的耳診數據采集方法中的步驟s1022的詳細流程圖。
圖5為本發明較佳實施例提供的基于圖像分析的耳診數據采集方法中的步驟s1023的詳細流程圖。
圖6為本發明較佳實施例提供的基于圖像分析的耳診數據采集方法中的步驟s103的詳細流程圖。
圖7為本發明較佳實施例提供的基于圖像分析的耳診數據采集方法中的步驟s1031的詳細流程圖。
圖8為本發明較佳實施例提供的圖像分析的耳診數據采集裝置的功能模塊示意圖。
圖9為本發明較佳實施例提供的圖像分析的耳診數據采集裝置的耳穴確定模塊的功能模塊示意圖。
圖10為本發明較佳實施例提供的圖像分析的耳診數據采集裝置的訓練模型獲得單元的功能模塊示意圖。
圖11為本發明較佳實施例提供的圖像分析的耳診數據采集裝置的耳穴搜索定位單元的功能模塊示意圖。
圖12為本發明較佳實施例提供的圖像分析的耳診數據采集裝置的數據得到模塊的功能模塊示意圖。
圖13為本發明較佳實施例提供的圖像分析的耳診數據采集裝置的耳穴圖像定位單元的功能模塊示意圖。
具體實施方式
下面將結合本發明實施例中附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發明實施例的組件可以以各種不同的配置來布置和設計。因此，以下對在附圖中提供的本發明的實施例的詳細描述并非旨在限制要求保護的本發明的范圍，而是僅僅表示本發明的選定實施例。基于本發明的實施例，本領域技術人員在沒有做出創造性勞動的前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。同時，在本發明的描述中，術語“第一”、“第二”等僅用于區分描述，而不能理解為指示或暗示相對重要性。
如圖1所示，是電子終端100的方框示意圖。所述電子終端包括基于圖像分析的耳診數據采集裝置110、存儲器111、存儲控制器112、處理器113、外設接口114、輸入輸出單元115、顯示單元116及攝像單元117。可以理解的是，圖1所示的電子終端100的結構僅僅為示意性的，所述電子終端100還可以包括比圖中所示更多或更少的部件。
所述存儲器111、存儲控制器112、處理器113、外設接口114、輸入輸出單元115、顯示單元116及攝像單元117各元件相互之間直接或間接地電性連接，以實現數據的傳輸或交互。例如，這些元件相互之間可通過一條或多條通訊總線或信號線實現電性連接。所述基于圖像分析的耳診數據采集裝置110包括至少一個可以軟件或固件(firmware)的形式存儲于所述存儲器111中或固化在所述電子終端100的操作系統(operatingsystem，os)中的軟件功能模塊。所述處理器113用于執行存儲器中存儲的可執行模塊，例如所述基于圖像分析的耳診數據采集裝置110包括的軟件功能模塊或計算機程序。
其中，所述存儲器111可以是，但不限于，隨機存取存儲器(randomaccessmemory，ram)，只讀存儲器(readonlymemory，rom)，可編程只讀存儲器(programmableread-onlymemory，prom)，可擦除只讀存儲器(erasableprogrammableread-onlymemory，eprom)，電可擦除只讀存儲器(electricerasableprogrammableread-onlymemory，eeprom)等。其中，存儲器111用于存儲程序，所述處理器113在接收到執行指令后，執行所述程序，本發明實施例任一實施例揭示的過程定義的電子終端100所執行的方法可以應用于處理器113中，或者由處理器113實現。
所述處理器113可能是一種集成電路芯片，具有信號的處理能力。上述的處理器113可以是通用處理器，包括中央處理器(centralprocessingunit，簡稱cpu)、網絡處理器(networkprocessor，簡稱np)等；還可以是數字信號處理器(dsp)、專用集成電路(asic)、現場可編程門陣列(fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。可以實現或者執行本發明實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等。
所述外設接口114將各種輸入/輸入裝置耦合至處理器113以及存儲器111。在一些實施例中，外設接口114，處理器113以及存儲控制器112可以在單個芯片中實現。在其他一些實例中，他們可以分別由獨立的芯片實現。
所述輸入輸出單元115用于提供給用戶輸入數據。所述輸入輸出單元115可以是，但不限于，鼠標和鍵盤等。音頻單元向用戶提供音頻接口，其可包括一個或多個麥克風、一個或者多個揚聲器以及音頻電路。
所述顯示單元116在所述電子終端100與用戶之間提供一個交互界面(例如用戶操作界面)或用于顯示圖像數據給用戶參考。在本實施例中，所述顯示單元116可以是液晶顯示器或觸控顯示器。若為觸控顯示器，其可為支持單點和多點觸控操作的電容式觸控屏或電阻式觸控屏等。支持單點和多點觸控操作是指觸控顯示器能感應到來自該觸控顯示器上一個或多個位置處同時產生的觸控操作，并將該感應到的觸控操作交由處理器進行計算和處理。
所述攝像單元117用于拍攝照片或者視頻。拍攝的照片或者視頻可以存儲至存儲器111內。所述攝像單元117具體可包括鏡頭模組、影像感測器以及閃光燈等組件。鏡頭模組用于對被拍攝的目標成像，并將所成的像映射至影像感測器中。影像感測器用于接收來自鏡頭模組的光線，實現感光，以記錄圖像信息。具體地，影像感測器可基于互補金屬氧化物半導體(complementarymetaloxidesemiconductor，cmos)、電荷耦合元件(charge-coupleddevice，ccd)或者其他影像感測原理實現。閃光燈用于在拍攝時進行曝光補償。一般來說，用于電子終端100的閃光燈可為發光二極體(lightemittingdiode,led)閃光燈。
請參閱圖2，是本發明較佳實施例提供的應用于圖1所示的電子終端100的基于圖像分析的耳診數據采集方法的流程圖。下面將對圖2所示的具體流程進行詳細闡述。
步驟s101，獲取用戶的耳部圖像。
所述電子終端100的攝像單元117啟動時給出初始化部署的快門和增益成像參數，以后每一幀的成像調整結果都會反饋到部署成像參數模塊對所述攝像單元117進行參數設置。
在一個實例中，所述攝像單元117可能檢測不到人耳時的成像特征。本實例中，檢測不到人耳可包括兩種情況：一是拍攝范圍內不存在人耳；二是由于環境光照問題使得畫面成像過亮或過暗；此時，所述攝像單元117可采用中心測光的模式，假設，所述攝像單元117成像寬度為w，高度為h，以拍攝中心為中心點，取得寬度為w/2，高度為h/2的矩形作為測光區域，計算該區域內的圖像亮度，建立緩沖長度為10幀的區域亮度列表，計算區域亮度均值。
本實施例中，在獲取所述耳部圖像之前先檢測人耳成像特征。本實施例中，以所述攝像單元117可采集的人耳序列的亮度均值和對比度均值作為人耳成像特征。計算人耳亮度，建立緩沖長度為10幀的人耳亮度列表，計算人耳亮度均值。統計人耳直方圖，以最大類間方差法做閾值分割，分別計算高部亮度均值grayhigh和低部亮度均值graylow，以公式ncontrast_lp＝(grayhigh-graylow)*100/256計算人耳對比度ncontrast_lp，建立人耳對比度列表，計算人耳對比度列表均值。
本實施例中，在獲取所述耳部圖像時可通過以下方式對所述攝像單元117進行成像參數的控制。
本實施例中，所述攝像單元根據可采集的人耳圖像控制成像的亮度。
在一種實施方式中，當參與計算的亮度值低于亮度下限時，如果快門值沒有調到最大，計算期望亮度與參與計算的亮度差值，查找亮度差值和快門調整比例映射表(請參照表1)，按調整比例提高快門值，直至最大快門；如果快門已經調整到極限，按照調整幅度為1增加增益，直至最大增益。本實施例中，所述參與計算的亮度，可以是所述攝像單元117可采集到的周圍的環境亮度，或者當時所述攝像單元117可檢測到的人耳畫面的亮度。
在另一種實施方式中，當參與計算的亮度值高于亮度上限時，如果增益值沒有調到最低，按照調整步長1減小增益，直至增益下限；如果增益已調至下限，計算期望亮度與參與計算的亮度差值，查找亮度差值和快門調整比例映射表，按調整比例降低快門值，直至快門值下限。
表1：
本實施例中，所述攝像單元根據可采集的人耳圖像控制成像的對比度。
在一種實施方式中，當參與計算的對比度值低于對比度下限時，如果快門值沒有調到最大，計算期望對比度與參與計算的對比度差值，查找對比度差值和快門調整比例映射表(請參閱表2)，按調整比例提高快門值，直至最大快門；如果快門已經調整到極限，按照調整幅度為1增加增益，直至最大增益。
在另一種實施方式中，當參與計算的亮度值高于亮度上限時，如果增益值沒有調到最低，按照調整步長1減小增益，直至增益下限；如果增益已調至下限，計算期望對比度與參與計算的對比度差值，查找對比度差值和快門調整比例映射表，按調整比例降低快門值，直至快門值下限。
再一種實施方式中，當以參考目標進行對比度成像控制調整的時候，如對比度低于低閾值，亮度高于高閾值，調暗；對比度低于低閾值，亮度低于低閾值，調亮。
再一種實施方式中，當以人耳區域進行對比度成像控制調整的時候，如對比度低于低閾值，亮度高于期望值時，成像不做調整；對比度低于低閾值，亮度低于期望值時，調亮。
表2：
步驟s102，將預存的耳部特征樣本庫輸入學習模型進行學習得到訓練模型，根據所述訓練模型搜索所述耳部圖像以確定所述耳部圖像中的各個耳穴的位置點。
在一種實施方式中，如圖3所示，步驟s102可包括以下步驟。
步驟s1021，建立耳穴基準點的樣本庫。
本實施例中，所述耳穴基準點的樣本庫根據國際gbt13734-1992《耳穴名稱與部位》所定義的標準耳穴定位進行建立。
步驟s1022，將所述耳穴特征基準點的樣本庫輸入學習模型算法中進行學習，得到訓練模型。
本實施例中，可以將所述耳穴特征基準點的樣本庫輸入主動形狀模型(activeshapemodel，簡稱asm)、主動外觀模型(activeappearancemodel，簡稱aam)、局部二元擬合模型(localbinaryfitting，簡稱lbf)等任意模型進行訓練。下面以將所述耳穴特征基準點的樣本庫輸入所述主動形狀模型進行訓練為例進行描述。
在一種實施方式中，如圖4所示，步驟s1022可包括以下步驟。
步驟s10221，將所述耳穴特征基準點的樣本庫輸入主動形狀模型算法中進行學習，得到形狀訓練模型。
本實施例中，在得到所述形狀訓練模型之前首先要對形狀對齊，耳穴形狀向
其中，n為圖像中標定的特征基準點的個數，i表示第i個特征基準點。其中，所述向量xi根據所述國際gbt13734-1992《耳穴名稱與部位》所定義的標準耳穴定位計算得到。
對校準后的所述耳穴形狀向量進行pca(principalcomponentsanalysis，主成分分析)分析可得
根據上述計算可以得到約束向量b。
其中，約束向量b滿足約束條件：
本實施例中，可將所述耳穴特征基準點的樣本庫中的數據輸入所述主動形狀模型中進行學習，得到所述形狀訓練模型。所述訓練模型中可記錄有所述耳穴特征基準點的樣本庫中的各個特征基準點的相對位置、相對人耳邊緣的位置等。
步驟s10222，根據耳穴基準點的樣本庫中的耳穴基準點輸入訓練模型中訓練得到用于記錄耳穴基準點在訓練范圍內的灰度分布規律的局部紋理模型。
本實施例中，根據所述耳穴基準點的樣本庫中的每個特征基準點延外輪廓在該點的法線方向一定范圍內的灰度變化情況進行統計，以找出相應的特征基準點在此區域內的灰度分布規律。所述局部紋理模型記錄著樣本庫中的特征基準點在指定區域內的灰度分布規律。
步驟s1023，將所述耳部圖像輸入所述訓練模型，對所述耳部圖像進行搜索以確定所述耳部圖像對應的每個耳穴位置點。
在一種實施方式中，如圖5所示，步驟s1023可包括以下步驟。
步驟s10231，對所述耳部圖像進行初定位以得到基于所述耳部圖像初始耳部形狀向量。
本實施例中，可以根據所述形狀訓練模型對所述耳部圖像中的各個特征基準點進行初始定位。本實施例中，可以將所述初始耳部形狀向量記錄為x。
步驟s10232，根據訓練得到的局部灰度模型，對每個耳穴位置點使其沿法線方向在指定范圍內進行搜索。
步驟s10233，對在所述指定范圍內的每一個像素點計算其規格化灰度導數向量與訓練得到的該像素點的平均規格化灰度導數向量之間的馬氏距離，從中選取馬氏距離最小的候選點作為最佳匹配點，根據每個耳穴位置點對應的最佳匹配點得到了一個匹配形狀向量。
本實施例中，可以將所述匹配形狀向量記錄為x1。
步驟s10234，將所述初始耳部形狀向量及匹配形狀向量通過所述形狀訓練模型計算得到驗證向量。
在一個實例中，所述驗證向量為在利用x2＝x-x1在根據所述形狀訓練模型計算得到的約束向量約束下的向量。
重復所述步驟s10231至s10234直到所述驗證向量收斂。
其中，所述每個耳穴位置點對應的最佳匹配點確定為所述耳部圖像中的各個耳穴的位置點。
步驟s103，獲取每個耳穴位置點對應的圖像特征與預設的預存圖像特征進行比對分析，得到所述用戶的人耳診斷數據。
在一種實施方式中，如圖6所示，步驟s103可包括以下步驟。
步驟s1031，對每個耳穴的位置點對應的圖像進行定位。
在一種實施方式中，如圖7所示，步驟s1031可包括以下步驟。
步驟s10311，對定位后的所述耳部圖像進行三角剖分獲得耳部的網格結構。
本實施例中，可以采用delaunay(狄洛尼)三角剖分可獲得所所述耳部圖像的網格結構。所述三角剖分為：假設v是二維實數域上的有限點集，邊e是由點集中的點作為端點構成的封閉線段,e為e的集合。那么該點集v的一個三角剖分t＝(v，e)是一個平面圖g，該平面圖滿足條件：1.除了端點，平面圖中的邊不包含點集中的任何點。2.沒有相交邊。3.平面圖中所有的面都是三角面，且所有三角面的合集是散點集v的凸包。所述delaunay三角剖分，它是一種特殊的三角剖分，是如果點集v的一個三角剖分t只包含delaunay邊，那么該三角剖分稱為delaunay三角剖分。其中，delaunay邊：假設e中的一條邊e(兩個端點為a,b)，e若滿足下列條件，則稱之為delaunay邊：存在一個圓經過a,b兩點，圓內(注意是圓內，圓上最多三點共圓)不含點集v中任何其他的點。
本實施例中，所述電子終端100可以預存有一個固定的人耳網格拓撲結構，每次只需要讀入網格結構文件便可快速的生成所述耳部的網格結構。
步驟s10312，對網絡結構中對應的耳穴的位置對應的圖形進行仿射變換。
步驟s10313，根據所述耳穴在進行仿射變換之后的圖形中的目標位置計算得到該耳穴在所述耳部圖像中的位置。
在一個實例中，可以ts變形為t1，設ts和t1對應的頂點分別為ps1，ps2，ps3和p1，p2，p3，由此6個點可以唯一確定一個仿射變換，第一公式如下：
其中p.x，p.y為p1中某一點p的x,y坐標，ps.x，ps.y為t1中某點ps的x，y坐標。令
則得到第二公式：
這樣，改變的每個三角形以第二公式計算出仿射變換系數a，以第一公式計算改變后的三角形內的每一點對應在所述耳部圖像中的原三角形的像素點，拷貝其顏色；其中，若計算出的點的坐標非整數，則利用該點臨近的坐標顏色作為仿射變換后的顏色。
步驟s1032，獲取每個所述耳穴的位置點對應的圖像的顏色特征。
所述步驟s1032還包括：獲取所述目標位置在所述耳部圖像中對應圖像部分的顏色特征作為所述耳穴的位置點對應的圖像的顏色特征。
步驟s1033，將所述耳穴的位置點對應的圖像的顏色特征與對應的預存圖像的顏色特征進行對比得到所述用戶的人耳診斷數據。
本實施例中，可以以deepid、vgg、googlenet模型進行深度學習以獲取所述人耳診斷數據。在一種實施方式中，可以使用deepid2+的網絡結構進行訓練和所述耳部圖像的顏色特征及預存圖像的顏色特征的提取。
本實施例中，采用深度學習的方法自動提取所述耳部圖像的顏色特征及預存圖像的顏色特征。本實施例中，基于深度學習的方法可基于海量數據的基礎自動學習每個耳穴的位置點與所說識別的病癥的圖像特征。本實施例中，可以通過將所述耳部圖像提取的圖像的顏色特征與預存的人耳圖像的預存圖像的顏色進行對比獲取所述人耳診斷數據。
根據本實施例中的方法，通過獲取用戶耳部圖像，通過分析獲取的耳部圖像得到人耳診斷數據，不需要醫生觀看用戶的耳部以得到耳部診斷數據，能夠大大提高獲取數據的效率。
請參閱圖8，是本發明較佳實施例提供的圖1所示的基于圖像分析的耳診數據采集裝置110的功能模塊示意圖。本實施例提供的裝置中的各個模塊、單元及子單元用于執行上述方法實施例中的各個步驟。所述基于圖像分析的耳診數據采集裝置110包括圖像獲取模塊1101、耳穴確定模塊1102及數據得到模塊1103。
所述圖像獲取模塊1101，用于獲取用戶的耳部圖像。
所述耳穴確定模塊1102，用于將預存的耳部特征樣本庫輸入學習模型進行學習得到訓練模型，根據所述訓練模型搜索所述耳部圖像以確定所述耳部圖像中的各個耳穴的位置點。
在一種實施方式中，如圖9所示，所述耳穴確定模塊1102可包括：樣本庫建立單元11021、訓練模型獲得單元11022及耳穴搜索定位單元11023。
所述樣本庫建立單元11021，用于建立耳穴基準點的樣本庫；
所述訓練模型獲得單元11022，用于將所述耳穴特征基準點的樣本庫輸入學習模型算法中進行學習，得到訓練模型。
在一種實施方式中，如圖10所示，所述訓練模型獲得單元11022包括：形狀模型訓練子單元110221及局部模型訓練子單元110222。
所述形狀模型訓練子單元110221，用于將所耳穴特征基準點的樣本庫輸入主動形狀模型算法中進行學習，得到形狀訓練模型。
所述局部模型訓練子單元110222，用于根據耳穴基準點的樣本庫中的耳穴基準點輸入訓練模型中訓練得到用于記錄耳穴基準點在訓練范圍內的灰度分布規律的局部紋理模型。
所述耳穴搜索定位單元11023，用于將所述耳部圖像輸入所述訓練模型，對所述耳部圖像進行搜索以確定所述耳部圖像對應的每個耳穴位置點。
在一種實施方式中，如圖11所示，所述耳穴搜索定位單元11023可包括：形狀向量獲取子單元110231、耳穴搜索子單元110232、匹配向量獲取子單元110233及驗證向量獲取子單元110234。
所述形狀向量獲取子單元110231，用于對所述耳部圖像進行初定位以得到基于所述耳部圖像初始耳部形狀向量。
所述耳穴搜索子單元110232，用于根據訓練得到的局部灰度模型，對每個耳穴位置點使其沿法線方向在指定范圍內進行搜索。
所述匹配向量獲取子單元110233，用于對在所述指定范圍內的每一個像素點計算其規格化灰度導數向量與訓練得到的該像素點的平均規格化灰度導數向量之間的馬氏距離，從中選取馬氏距離最小的候選點作為最佳匹配點，根據每個耳穴位置點對應的最佳匹配點得到了一個匹配形狀向量。
所述驗證向量獲取子單元110234，用于將所述初始耳部形狀向量及匹配形狀向量通過所述形狀訓練模型計算得到驗證向量；其中，得到所述驗證向量收斂時所述每個耳穴位置點對應的最佳匹配點確定為所述耳部圖像中的各個耳穴的位置點。
所述數據得到模塊1103，用于獲取每個耳穴位置點對應的圖像特征與預設的預存圖像特征進行比對分析，得到所述用戶的人耳診斷數據。
在一種實施方式中，如圖12所示，所述數據得到模塊1103可包括：耳穴圖像定位單元11031、顏色特征獲取單元11032及數據生成單元11033。
所述耳穴圖像定位單元11031，用于對每個耳穴的位置點對應的圖像進行定位。
在一種實施方式中，如圖13所示，所述耳穴圖像定位單元11031包括：網絡結構獲取子單元110311、圖形變換子單元110312及圖像位置得到子單元110313。
所述網絡結構獲取子單元110311，用于對定位后的所述耳部圖像進行三角剖分獲得耳部的網格結構。
所述圖形變換子單元110312，用于對網絡結構中對應的耳穴的位置對應的圖形進行仿射變換。
所述圖像位置得到子單元110313，用于根據所述耳穴在進行仿射變換之后的圖形中的目標位置計算得到該耳穴在所述耳部圖像中的位置。
所述顏色特征獲取單元11032，用于獲取每個所述耳穴的位置點對應的圖像的顏色特征。所述顏色特征獲取單元11032還用于獲取所述目標位置在所述耳部圖像中對應圖像部分的顏色特征作為所述耳穴的位置點對應的圖像的顏色特征。
所述數據生成單元11033，用于將所述耳穴的位置點對應的圖像的顏色特征與對應的預存圖像的顏色特征進行對比得到所述用戶的人耳診斷數據。
關于本實施例中的裝置的其它細節可以進一步地參考上述方法實施例中的描述，在此不再贅述。
根據本實施例中的裝置，通過分析獲取的耳部圖像得到人耳診斷數據，不需要醫生觀看用戶的耳部以得到耳部診斷數據，能夠大大提高獲取數據的效率。
在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，也可以通過其它的方式實現。以上所描述的裝置實施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示了根據本發明的多個實施例的裝置、方法和計算機程序產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現方式中，方框中所標注的功能也可以以不同于附圖中所標注的順序發生。例如，兩個連續的方框實際上可以基本并行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基于硬件的系統來實現，或者可以用專用硬件與計算機指令的組合來實現。
另外，在本發明各個實施例中的各功能模塊可以集成在一起形成一個獨立的部分，也可以是各個模塊單獨存在，也可以兩個或兩個以上模塊集成形成一個獨立的部分。
所述功能如果以軟件功能模塊的形式實現并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基于這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的部分可以以軟件產品的形式體現出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執行本發明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質。需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
以上所述僅為本發明的優選實施例而已，并不用于限制本發明，對于本領域的技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。
以上所述，僅為本發明的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，可輕易想到變化或替換，都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應所述以權利要求的保護范圍為準。
- 還沒有人留言評論。精彩留言會獲得點贊！