一种基于图像的人体背部体态特征的检测方法和装置与流程

1.本技术涉及脊柱侧弯检测领域，特别是一种基于图像的人体背部体态特征的检测方法和装置。


背景技术：

2.人体背部体态特征是判定其脊柱侧弯情况的重要表征，调查表明，脊柱侧弯多发于儿童和青少年，目前脊柱侧弯病人超过300万，并以每年30万人的速度递增，国家政策明确指示为关注和保障中小学生脊柱健康发育，将脊柱侧弯检查列入中小学生健康体检项目，故而利用人工智能技术对人体背部体态特征检测，从而判断其脊柱侧弯情况的研究迫在眉睫。
3.针对人体脊柱侧弯在背部的表征主要体现在4个方面，分别为双肩不等高，双侧肩胛骨下角不等高，双侧腰凹不对称，双侧髂嵴不等高。目前中小学生体检中脊柱侧弯检测项主要是通过专业的检测人员通过脊柱侧弯测量仪进行脊柱侧弯筛查，该方法效率低，且对检测人员手法及熟练程度要求尚高，故非专业人员测量的误差较大。
4.x光虽成本低，简便易行，测量较为精确，但对目标中小学人群人体危害较大；eos成本高，且仍带少量辐射；超声对医生手法要求较高，误差较大，不利于大规模筛查；云纹图只能大致判断目标的情况。而本发明中，基于深度学习的特征点检测算法能仅用裸露后背拍出背部图像，从而计算出当前目标的关键点位置，并根据关键点的相对位置数据得出人体体态及脊柱侧弯情况的预测结果。该方法实现了零辐射，健康的检测过程，且检测速度快，能应用于大规模筛查情况如体检等。


技术实现要素：

5.鉴于所述问题，提出了本技术以便提供克服所述问题或者至少部分地解决所述问题的一种基于图像的人体背部体态特征的检测方法和装置。
6.一种基于图像的人体背部体态特征的检测方法，所述方法包括：
7.获取被检测者的背部彩色图像；
8.将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；
9.依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；
10.将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。
11.优选的，所述将所述背部彩色图像输入到预设的特征识别网络中，包括：
12.预先对所述特征识别网络进行训练，包括：
13.采集背部样本图像，对所述背部样本图像中的背部样本部位进行标注；
14.依据标注后的背部样本图像并采用resnet50网络结构对所述特征识别网络进行
训练；
15.通过测试集验证所述特征识别网络的输出结果，具体的，当所述特征识别网络输出的特征点位置与基于所述背部样本图像中的坐标基本一致时，则所述特征识别网络训练完成。
16.优选的，所述特征识别网络训练完成后，还包括：
17.利用xavier网络权重初始化方法对训练完成的所述特征识别网络进行权重初始化。
18.优选的，所述采集背部样本图像，还包括：
19.采集不同体型的背部样本图像集；
20.利用imagenet数据集得出的经验均值和方差数据，对背部样本图像集进行数据归一化处理。
21.一种基于图像的人体背部体态特征的检测装置，所述装置包括：
22.获取模块，用于获取被检测者的背部彩色图像；
23.识别模块，用于将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；
24.处理模块，用于依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；
25.判断模块，用于将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。
26.优选的，所述识别模块包括：
27.训练子模块，用于预先对所述特征识别网络进行训练，包括：
28.采集背部样本图像，对所述背部样本图像中的背部样本部位进行标注；
29.依据标注后的背部样本图像并采用resnet50网络结构对所述特征识别网络进行训练；
30.通过测试集验证所述特征识别网络的输出结果，具体的，当所述特征识别网络输出的特征点位置与基于所述背部样本图像中的坐标正确时，则所述特征识别网络训练完成。
31.优选的，所述训练子模块包括：
32.初始化单元，用于利用xavier网络权重初始化方法对训练完成的所述特征识别网络进行权重初始化。
33.优选的，所述训练子模块还包括
34.样本采集单元，采集不同体型的背部样本图像集；
35.数据处理单元，用于利用imagenet数据集得出的经验均值和方差数据，对背部样本图像集进行数据归一化处理。
36.一种设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的一种基于图像的人体背部体态特征的检测方法的步骤。
37.一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计
算机程序被处理器执行时实现如上所述的一种基于图像的人体背部体态特征的检测方法的步骤。
38.本技术具有以下优点：
39.在本技术的实施例中，通过获取被检测者的背部彩色图像；将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高，得出被检测者的背部体态检测结果。本技术技术方案通过对图像处理即可得出被检测者的背部体态检测结果，全程无辐射，效率高，适合大规模快速检测人体背部侧弯情况。
附图说明
40.为了更清楚地说明本技术的技术方案，下面将对本技术的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
41.图1示出了本技术一实施例提供的一种基于图像的人体背部体态特征的检测方法的步骤流程图；
42.图2示出了本技术一实施例提供的一种基于图像的人体背部体态特征的检测装置的结构示意图；
43.图3示出了本技术一实施例提供的一种基于图像的人体背部体态特征的检测装置的结构示意图；图4示出了本发明的一种基于图像的人体背部体态特征的检测方法的计算机设备的结构示意图。
具体实施方式
44.为使本技术的所述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
45.请参照图1，示出了本技术一实施例提供的一种基于图像的人体背部体态特征的检测方法的步骤流程图，该方法包括以下步骤：
46.s110，获取被检测者的背部彩色图像；
47.s120，将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；
48.s130，依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；
49.s140，将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关
系确定同类别的目标部位是否等高。
50.在本技术实施例中，通过获取被检测者的背部彩色图像；将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高；通过对背部彩色图像进行特征提取，得到背部特征点在背部彩色图像中的坐标，又提取到背部彩色图像的背部轮廓图像，进而确定背部特征点对应到背部的目标部位，以此确定同类别的目标部位之间是否等高，得出被检测者的背部体态检测结果。本技术技术方案通过对图像处理即可得出被检测者的背部体态检测结果，全程无辐射，效率高，适合大规模快速检测人体背部侧弯情况。
51.下面，将通过以下实施例对上述的一种基于图像的人体背部体态特征的检测方法作进一步说明。
52.如步骤s110所述，获取被检测者的背部彩色图像。
53.需要说明的是，在本技术实施例中，采用kinect 2.0彩色相机进行图像采集。采集时，被检测者需裸露背部，双臂自然下垂直立位于相机前，背部矢状面平行于相机的成像平面。
54.具体的，在固定位置安装kinect 2.0彩色相机，并于相机前方垂直悬挂黑幕，用于降低拍摄环境噪声影响。被检测者位于彩色相机平面前70cm处，背部于相机的成像平面平行。站立稳定之后点击相机拍摄按钮，获取像素为1920*1080的背部彩色图像，接着对图像进行裁剪操作，使图像只包含黑幕区域，之后对图像进行缩放操作，使输入到后续特征识别网络中的图像像素为256*256。
55.如步骤s120所述，将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标。
56.在本技术一实施例中，可以结合下列描述进一步说明步骤s120所述“将所述背部彩色图像输入到预设的特征识别网络中”的具体过程。
57.如下列步骤所述：
58.预先对所述特征识别网络进行训练，包括：
59.采集背部样本图像，对所述背部样本图像中的背部样本部位进行标注；
60.依据标注后的背部样本图像并采用resnet50网络结构对所述特征识别网络进行训练；
61.通过测试集验证所述特征识别网络的输出结果，具体的，当所述特征识别网络输出的特征点位置与所述背部样本图像中的坐标基本一致时，则所述特征识别网络训练完成。
62.需要说明的是，resnet50网络结构即深度残差网络采用数十个个卷积层对特征识别网络进行训练，以解决模型难训练，精度不高的问题。
63.在本技术一实施例中，所述特征识别网络训练完成后，还包括：
64.利用xavier网络权重初始化方法对训练完成的所述特征识别网络进行权重初始化。
65.具体的，权重初始化采用如下计算公式：
[0066][0067]
其中w为网络权重，nj为各层输出神经元个数。
[0068]
需要说明的是，该公式适用于有激活函数的情况，如sigmoid，tanh等；通过xavier网络权重初始化方法保证每层梯度保持近似的方差将允许信息平滑地反向流动以更新权重。
[0069]
在本技术一实施例中，所述采集背部样本图像，包括：
[0070]
采集不同体型的背部样本图像集；
[0071]
利用imagenet数据集得出的经验均值和方差数据，对背部样本图像集进行数据归一化处理。
[0072]
如步骤s140所述，将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。
[0073]
需要说明的是，由于背部特征点和背部轮廓图像均是基于同一背部彩色图像，从背部轮廓图像可以知道关键的背部部位的图示位置，例如图2所示，图中示出了被检测者的双肩处、双侧肩胛骨下角处、两侧腰凹处、以及双侧髂嵴处的各左右两个同类别部位。通过将所有的所述背部特征点的坐标融合到所述背部轮廓图像中，以得到上述每一个部位的具体坐标；进而比较同类别例如双肩是否等高的结论，进一步确定被检测者的背部体态例如脊柱是否侧弯的情况。
[0074]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0075]
参照图3，示出了本技术一实施例提供的一种基于图像的人体背部体态特征的检测装置的结构示意图；
[0076]
所述装置包括：
[0077]
获取模块110，用于获取被检测者的背部彩色图像；
[0078]
识别模块120，用于将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；
[0079]
处理模块130，用于依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；
[0080]
判断模块140，用于将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。
[0081]
在本技术一实施例中，所述识别模块包括：
[0082]
训练子模块，用于预先对所述特征识别网络进行训练，包括：
[0083]
采集背部样本图像，对所述背部样本图像中的背部样本部位进行标注；
[0084]
依据标注后的背部样本图像并采用resnet50网络结构对所述特征识别网络进行训练；
[0085]
通过测试集验证所述特征识别网络的输出结果，具体的，当所述特征识别网络输
出的特征点位置与所述背部样本图像中的坐标基本一致时，则所述特征识别网络训练完成。
[0086]
在本技术一实施例中，所述训练子模块包括：
[0087]
初始化单元，用于利用xavier网络权重初始化方法对训练完成的所述特征识别网络进行权重初始化。
[0088]
在本技术一实施例中，所述训练子模块还包括
[0089]
样本采集单元，采集不同体型的背部样本图像集；
[0090]
数据处理单元，用于利用imagenet数据集得出的经验均值和方差数据，对背部样本图像集进行数据归一化处理。
[0091]
参照图4，示出了本发明的一种基于图像的人体背部体态特征的检测方法的计算机设备的结构示意图，具体可以包括如下：
[0092]
上述计算机设备12以通用计算设备的形式表现，计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0093]
总线18表示几类总线18结构中的一种或多种，包括存储器总线18或者存储器控制器，外围总线18，图形加速端口，处理器或者使用多种总线18结构中的任意总线18结构的局域总线18。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线18，微通道体系结构(mac)总线18，增强型isa总线18、音视频电子标准协会(vesa)局域总线18以及外围组件互连(pci)总线18。
[0094]
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0095]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块42，这些程序模块42被配置以执行本发明各实施例的功能。
[0096]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0097]
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)界面22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan))，广域网(wan)和/或
公共网络(例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图4中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统34等。
[0098]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种基于图像的人体背部体态特征的检测方法。
[0099]
也即，上述处理单元16执行上述程序时实现：获取被检测者的背部彩色图像；将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。
[0100]
在本发明实施例中，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术所有实施例提供的一种基于图像的人体背部体态特征的检测方法：
[0101]
也即，给程序被处理器执行时实现：获取被检测者的背部彩色图像；将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。
[0102]
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机克顿信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0103]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0104]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言——诸如java、smalltalk、c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执
行、部分在用户计算机上部分在远程计算机上执行或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0105]
尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
[0106]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0107]
以上对本技术所提供的一种基于图像的人体背部体态特征的检测方法和装置，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种基于图像的人体背部体态特征的检测方法，其特征在于，所述方法包括：获取被检测者的背部彩色图像；将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。2.根据权利要求1所述的方法，其特征在于，所述将所述背部彩色图像输入到预设的特征识别网络中，包括：预先对所述特征识别网络进行训练，包括：采集背部样本图像，对所述背部样本图像中的背部样本部位进行标注；依据标注后的背部样本图像并采用resnet50网络结构对所述特征识别网络进行训练；通过测试集验证所述特征识别网络的输出结果，具体的，当所述特征识别网络输出的特征点位置与基于所述背部样本图像中的坐标基本一致时，则所述特征识别网络训练完成。3.根据权利要求2所述的方法，其特征在于，所述特征识别网络训练完成后，还包括：利用xavier网络权重初始化方法对训练完成的所述特征识别网络进行权重初始化。4.根据权利要求2所述的方法，其特征在于，所述采集背部样本图像，还包括：采集不同体型的背部样本图像集；利用imagenet数据集得出的经验均值和方差数据，对背部样本图像集进行数据归一化处理。5.一种基于图像的人体背部体态特征的检测装置，其特征在于，所述方法包括：获取模块，用于获取被检测者的背部彩色图像；识别模块，用于将所述背部彩色图像输入到预设的特征识别网络中，并由所述特征识别网络输出偶数个背部特征点的坐标；处理模块，用于依据预设的图像处理算法对所述背部彩色图像进行处理，得到背部轮廓图像；判断模块，用于将偶数个所述背部特征点的坐标融合到所述背部轮廓图像中，确定每一所述背部特征点与所述背部轮廓图像中各个目标部位的位置对应关系，依据所述位置对应关系确定同类别的目标部位是否等高。6.根据权利要求5所述的装置，其特征在于，所述识别模块包括：训练子模块，用于预先对所述特征识别网络进行训练，包括：采集背部样本图像，对所述背部样本图像中的背部样本部位进行标注；依据标注后的背部样本图像并采用resnet50网络结构对所述特征识别网络进行训练；通过测试集验证所述特征识别网络的输出结果，具体的，当所述特征识别网络输出背部样本部位基于所述背部样本图像中的坐标正确时，则所述特征识别网络训练完成。7.根据权利要求6所述的装置，其特征在于，所述训练子模块包括：初始化单元，用于利用xavier网络权重初始化方法对训练完成的所述特征识别网络进
行权重初始化。8.根据权利要求6所述的装置，其特征在于，所述训练子模块还包括样本采集单元，采集不同体型的背部样本图像集；数据处理单元，用于利用imagenet数据集得出的经验均值和方差数据，对背部样本图像集进行数据归一化处理。9.一种设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的方法。

技术总结
本申请涉及脊柱侧弯检测领域，特别是一种基于图像的人体背部体态特征的检测方法和装置，方法包括获取背部彩色图像；输入到预设的特征识别网络模型中，输出偶数个背部特征点的坐标；对所述背部彩色图像进行处理，得到背部轮廓图像；将背部特征点的坐标融合到背部轮廓图像中，确定每一背部特征点与背部轮廓图像中各个目标部位的位置对应关系，依据位置对应关系确定同类别的目标部位是否等高，得出被检测者的背部体态检测结果。本申请技术方案全程无辐射，效率高，适合大规模快速检测人体背部侧弯情况。弯情况。弯情况。


技术研发人员：王栋栋 朱鹏羽 段武堂 王建 常帧钰
受保护的技术使用者：宜宾显微智能科技有限公司
技术研发日：2023.03.15
技术公布日：2023/8/14