基于面部图像特征融合的中医望诊面色分类研究

根据中医相关理论,面色分为赤、黄、白、黑4大类,利用深度学习方法可实现面部图像的关键点识别和感兴趣区域的自动分割。本研究创新性地结合颜色空间特征、面部纹理统计特征、唇部颜色特征等要素,使用多种机器学习方法对提取到的面部特征进行分类识别。为验证所提出方法的有效性,使用专业仪器采集了575幅人脸图像组成数据库,并在中医专家指导下进行面色标定。本研究结果显示,融合面部皮肤颜色特征、面部纹理特征、唇部颜色特征的最佳识别率可达91.03%,颜色特征是中医面色分类识别最重要的特征之一。

基于卷积神经网络的中医面色提取识别研究

目的:研究对比3种机器学习与深度学习算法在中医面色提取识别中的应用效果。方法:将人脸的面色分类分为整体面色分类与局部面色分类,基于人脸检测、人脸68个特征点定位技术,提出人脸的8个局部感兴趣区域的提取方法。采用两批训练集对卷积神经网络、支持向量机、k-means算法进行模型构建并分析3种模型识别面色的准确率。结果:在小样本的情况下卷积神经网络与支持向量机对面色识别的效果较好,当训练集的数量增加到1230张时,卷积神经网络的准确率提高为95.107%,明显优于其他两种算法。结论:将深度学习算法结合中医面诊理论对中医临床诊断的标准化、定量化研究具有推动作用。