CN105184239A - 基于患者表情识别的病房辅助医护***及辅助医护方法 - Google Patents

Abstract

一种基于患者表情识别的病房辅助医护***，其特征在于：此***分为三层，采集层、识别层和应用层，采集层连接识别层，识别层连接应用层。其通过对面部图像的查看和分析,从而完成人脸表情的识别,是以一种非接触式的方式来完成识别工作,该***还可被应用于远程监护中，通过分析被监护人的面部表情，判断其身体状态的变化及情绪的波动，预防危险事故的发生。

Description

基于患者表情识别的病房辅助医护***及辅助医护方法

技术领域：本发明涉及一种本发明涉及机器视觉和图像处理领域，尤其是一种基于痛苦表情识别的病房辅助医护***以及表情特征提取和特征选择方法。

背景技术：在医学技术飞速发展的今天，医疗工作者以及科研人员一直致力于为我们的健康保驾护航，攻克了许多顽疾。但是，医院在保证高标准的临床医疗水平的同时，为患者提供一个安全、贴心、周到、人性化的病房护理环境和条件，为患者提供更完善的医疗服务变得越来越重要。安全高效的病房医护***，逐渐成为衡量医院医护质量的新标准。尤其，在重症监护室以及进行恢复治疗的患者和行走不便的患者病房中，如果适逢患者出现异常反应或者严重并发症发作，病房又无人看护的情况，患者可能会因此失去最佳治疗时机而危及健康，甚至对生命造成了巨大的威胁。

发明内容：

发明目的：本发明提供一种基于患者表情识别的病房辅助医护***及辅助医护方法，其目的在于解决以往所存在的问题

技术方案：本发明是通过以下技术方案实现的：

一种基于患者表情识别的病房辅助医护***，其特征在于：此***分为三层，采集层、识别层和应用层，采集层连接识别层，识别层连接应用层。

采集层为工业相机，识别层包括表情数据库构建模块、表情图像预处理模块、表情特征提取模块、表情识别模块和识别结果传输模块；表情数据库构建模块连接表情图像预处理模块，表情图像预处理模块连接表情特征提取模块，表情特征提取模块连接表情识别模块，表情识别模块连接识别结果传输模块。

如上所述的基于患者表情识别的病房辅助医护***所实施的基于患者表情识别的病房辅助医护方法，其特征在于：该方式能够实时获取病房患者表情信息、及时提醒医护人员患者发出痛苦表情；

该方法利用采集层对病人表情进行采集，将患者表情数据和信息传输到服务器端进行储存；

之后利用识别层将服务器端存储的原始视频图像信息进行表情识别，并将表情识别结果存入患者表情数据库；

然后利用应用层通过Internet读取服务器端患者表情数据库数据，对原始的表情信息进行加工整理。

应用层对表情信息进行加工整理包括：患者信息创建、表情监控视频实时查看、表情数据可视化显示、患者痛苦表情报警提醒和患者表情变化统计分析。

采集层进行患者表情的采集和传输，在无人看护的病房里，按照固定角度架设安装工业相机，利用工业相机拍摄患者表情信息，拍摄视场选为600×800mm，人脸区域面积为300cm²，以拍摄患者躺着的图像为主，同时兼顾患者坐起来的图像，病人坐着的物距是2.15m，病人躺着的物距是2.59m，将千兆网相机拍摄的表情信息，传输并存储在服务器端。

识别层进行患者表情信息的存储和识别，利用识别层进行表情数据库构建、表情图像预处理、表情特征提取、表情识别和识别结果传输。

表情图像预处理流程步骤如下：

(1)将患者每分钟视频分解成单帧图像，取出病房患者的视频序列的一帧图像作为处理对象，针对单帧包含正面人脸的静态图像进行表情进行识别；

(2)针对视频序列中单帧图像的进行图像预处理，利用OpenCV图像处理软件Adaboost人脸检测算法的结合模块，选取扩展的Haar特征，实现表情区域分割；

(3)将表情区域图像灰度化，并利用象素关系重采样将表情区域图像几何归一化成统一的100×100的图片；

(4)采用直方图均衡方法对表情区域图像进行光线归一化，以部分消除光线和光照强度的影响。

识别层的表情特征提取处理流程步骤如下：

(1)对原始表情区域图像进行Gabor小波变换。选取5个尺度和8个角度的二维Gabor滤波器组，对标准大小的100×100的纯脸表情图像与Gabor核函数进行卷积运算，其输出结果为复数，将复数的实部作为表情图像的Gabor特征；

(2)利用角度差分二值编码方法，对原始的40张Gabor特征图进行集成，将v角度下的5个尺度Gabor特征图作为信源，用G_u，v(x，y)表示Gabor特征图，(u∈(0，...，4)，v∈(0，...，7)，u表示尺度，v表示角度)，按照公式(1)依次计算相邻两幅Gabor特征图G_u，v对应像素点的像素值G_u，v(x，y)的差值，其中x的表示Gabor特征图横坐标，y表示Gabor特征图纵坐标，用d_i，v(x，y)表示差值，其中i∈(0，...，4)，v∈(0，...，7)，i表示尺度，v表示角度，共得出5个差值；

(3)根据公式(2)得到d_i，v(x，y)对应的二进制编码，用t_i，v(x，y)表示二进制编码,其中v∈(0，...，7)，i表示尺度，v表示角度。

$t_{i,v}\left(x,y\right)=\left\{\begin{array}{cc}1,& \left|d_{i,v}\left(x,y\right)\right|>0\\ 0,& \left|d_{i,v}\left(x,y\right)\right|=0\end{array}\right.,i\∈\left(0,\mathrm{...},4\right)---\left(2\right)$

(4)将计算得出的5个二进制编码t_i，v(x，y)，其中i∈(0，...，4)，i表示尺度，按照i从小到大，分别对应二进制数的低位到高位，剩余二进制数位全置为0，构成该像素点(x，y)的8位二进制数，x表示横坐标，y表示纵坐标,最后根据公式(3)将该8位二进制数转化成十进制数，作为该像素点的角度差分二值编码值，用DCA_v(x，y)表示角度差分二值编码值，v表示角度；

${\mathrm{DCA}}_v(x,y)={\mathrm{\Σ}}_{i=0}^4{t}_{i,v}(x,y)\×2^i,v\∈\left(0,\mathrm{...},7\right)---\left(3\right)$

(5)依照上述算法构成了8个角度的差分二值编码图像，用DCA_v表示差分二值编码图像，v∈(0，...，7)，v表示角度，从左到右，依次是0，1，2，3，4，5，6，7角度的差分二值编码图；

(6)通过对每张集成Gabor特征图表情识别效果进行对比统计和分析，根据每张集成Gabor特征图对每类表情的识别率以及平均识别率，发现8张角度的差分二值编码图中的6角度差分二值编码图，3角度差分二值编码图，2角度差分二值编码图和1角度差分二值编码图对表情识别率最高，因此选择上述四张角度差分二值编码图进行拼接，转换成一个行向量作为最终的特征向量。

表情识别时，采用稀疏表示分类器(sparserepresentationclassifier，SRC)进行表情识别，稀疏表示分类器的过完备字典由140个训练样本相应的特征向量组成，训练样本包含10个人的表情图片，每个人有7种表情，每种表情有2张图片，将厌恶、生气、悲伤、恐惧表情定义为痛苦表情，快乐、中性、惊讶表情作为非痛苦表情。

应用层采用B/S结构，构建供给病房医护人员使用的***客户端，为病房医护人员提供简单友好的人机交互界面，通过Internet读取服务器端患者表情数据库，对原始的表情信息进行加工整理，客户端支持患者信息创建、表情监控视频实时查看、表情数据可视化显示、患者痛苦表情报警提醒、患者表情变化统计分析：

利用患者信息创建功能帮助医护人员能够登记患者的病房号、病床号、个人基本信息、入院日期、手术时间、服药信息和时间、表***开始拍摄时间、患者的主治医师信息、护理患者的医护人员信息以及医嘱信息；

利用表***实时查看功能实时查看一个或多个病房患者表***，也能读取指定时间段内的表***；

利用患者信息查询和更新功能在查看并修改所关注患者表***和表情变化曲线的同时，查看所关注患者的相关信息，包括病房号、病床号、个人基本信息、入院日期、手术时间、服药信息和时间、表***开始拍摄时间、患者的主治医师信息、负责患者的医护人员信息以及医嘱信息；

利用表情数据可视化显示功能进行动态更新患者表情信息曲线，将患者每时每刻的表情信息进行可视化显示，并按照查询患者手术结束或服药过后固定时间段的表情变化信息；

患者痛苦表情报警提醒功能，当某个病人出现痛苦表情或者异常反应时，病人的图标变色闪烁，并配有提示音，提醒医护人员及时查看患者相关信息。当情况严重时，医护人员能够及时亲临相应的患者床边查看患者身体状况并采取相应措施；

利用患者表情变化统计分析功能，当医院进行会诊以及病例分析过程时，医护人员能调取病人的表情数据的统计信息，将表情变化数据作为辅助数据，结合患者的病例，深入分析患者病情以及如何更好地提高医疗质量。

优点及效果：为了提高医护质量，辅助医护人员为病人提供更加优质的医护服务。本发明提出了一种实时获取病房患者表情信息、及时提醒医护人员患者发出痛苦表情的基于患者表情识别的病房辅助医护***。

由于在患者出现异常反应，患者面部会出现痛苦表情，其中痛苦表情包括厌恶、恐惧、悲伤表情。如果医护人员能够实时接收患者的痛苦表情信息，那么医护人员能够根据病房患者的表情变化，重点关注病房中发出痛苦表情患者的身体状况，并根据具体情况对患者及时采取相应的医治和护理方法。所以病房需要一种可以实时感知患者的精神状况并与医护人员进行实时信息反馈的***，辅助医护人员及时掌握患者的细微变化，对患者心理活动进行有效的判断，为处理病情争取宝贵的时间。

本发明在医疗领域，将表情信息可以作为护理病人的辅助工具。利用机器视觉和图像处理领域的相关技术，在无人看护病房中,通过工业相机拍摄患者的表情变化以判断其身体状况,从而实时获知患者的身体状况，辅助医生更好的了解患者接受治疗后的身体动态变化情况。这样不仅可以提高医护人员的工作效率,也可以使病人享受到更加安全可靠的医护服务。

通过对面部图像的查看和分析,从而完成人脸表情的识别,是以一种非接触式的方式来完成识别工作,这一点对于实现自然、和谐的人机交互至关重要。运用人脸表情识别技术***，患者的面部表情通过***记录识别结果，并以可视化的形式呈现给医护人员，当病人因病痛而面部表情发生变化时，该***可以及时向医护人员发出提醒警报，保证医护人员的及时关注患者情况，并施以相应的医治和护理办法，患者表情信息可以辅助数据，帮助医生进行病例分析，为医护人员提升医疗和护理水平提供表情数据支持。同时，该***还可被应用于远程监护中，通过分析被监护人的面部表情，判断其身体状态的变化及情绪的波动，预防危险事故的发生。

附图说明：

图1为本发明的总体结构图；

图2为采集层的拍摄场景示意图；

图3为识别层的表情识别流程图；

图4为应用层的界面示意图。

具体实施方式：下面结合附图对本发明做进一步的说明：

本发明涉及一种基于患者表情识别的病房辅助医护***，此***能够实时获取病房患者表情信息、及时提醒医护人员患者发出痛苦表情的。此***分为三层，包括采集层、识别层、应用层，采集层连接识别层，识别层连接应用层，如图1所示，

采集层负责对病人表情进行采集，将患者表情数据和信息传输到服务器端进行储存；识别层负责将服务器端存储的原始视频图像信息进行表情识别，并将表情识别结果存入患者表情数据库，识别层包括表情数据库构建模块、表情图像预处理模块、表情特征提取模块、表情识别模块、识别结果传输模块；应用层，通过Internet读取服务器端患者表情数据库数据，对原始的表情信息进行加工整理，具有患者信息创建、表情监控视频实时查看、表情数据可视化显示、患者痛苦表情报警提醒、患者表情变化统计分析功能。

基于患者表情识别的病房辅助医护***的采集层，主要租用包括患者表情的采集和传输。在无人看护的病房里，按照固定角度架设安装工业相机，利用工业相机拍摄患者表情信息，拍摄视场选为600×800mm，人脸区域面积为300cm²，以拍摄患者躺着的图像为主，同时兼顾患者坐起来的图像，病人坐着的物距是2.15m，病人躺着的物距是2.59m，具体的角度、距离、安装位置信息如图2所示，将千兆网相机拍摄的表情信息，传输并存储在服务器端。

基于患者表情识别的病房辅助医护***的识别层，主要的功能包括患者表情信息的存储和识别。识别层包括表情数据库构建模块、表情图像预处理模块、表情特征提取模块、表情识别模块、识别结果传输模块。

识别层的表情数据库构建模块，其特征在于对采集层传输到服务器端的视频文件，按照医护人员登记的病房和床号为每个病人建立患者表情数据库，并以分钟为单位存储视频资料，同时医护人员可以在应用层进行患者信息的补充和创建。

所述的识别层的表情图像预处理模块处理流程步骤如下：

(1)将患者每分钟视频分解成单帧图像，取出病房患者的视频序列的一帧图像作为处理对象，针对单帧包含正面人脸的静态图像进行表情进行识别，表情识别流程图如图3所示。

(2)针对视频序列中单帧图像的进行图像预处理，利用OpenCV图像处理软件Adaboost人脸检测算法的结合模块，选取扩展的Haar特征，实现表情区域分割。

(3)将表情区域图像灰度化，并利用象素关系重采样将表情区域图像几何归一化成统一的100×100的图片。

(4)采用直方图均衡方法对表情区域图像进行光线归一化，以部分消除光线和光照强度的影响。

所述的识别层的表情特征提取模块处理流程步骤如下：

(1)对原始表情区域图像进行Gabor小波变换。选取5个尺度和8个角度的二维Gabor滤波器组，对标准大小的100×100的纯脸表情图像与Gabor核函数进行卷积运算，其输出结果为复数，将复数的实部作为表情图像的Gabor特征；

(2)利用角度差分二值编码方法，对原始的40张Gabor特征图进行集成，将v角度下的5个尺度Gabor特征图作为信源，用G_u，v(x，y)表示Gabor特征图，(u∈(0，...，4)，v∈(0，...，7)，u表示尺度，v表示角度)，按照公式(1)依次计算相邻两幅Gabor特征图G_u，v对应像素点的像素值G_u，v(x，y)的差值，其中x的表示Gabor特征图横坐标，y表示Gabor特征图纵坐标，用d_i，v(x，y)表示差值，其中i∈(0，...，4)，v∈(0，...，7)，i表示尺度，v表示角度，共得出5个差值；

$d_{i,v}\left(x,y\right)=\left\{\begin{array}{cc}{G}_{i,v}\left(x,y\right)-G_{i+1,v}\left(x,y\right),& 0\&le;i<4\\ G_{i,v}\left(x,y\right)-G_{0,v}\left(x,y\right),& i=4\end{array}\right.---\left(1\right)$

(3)根据公式(2)得到d_i，v(x，y)对应的二进制编码，用t_i，v(x，y)表示二进制编码,其中v∈(0，...，7)，i表示尺度，v表示角度。

$t_{i,v}\left(x,y\right)=\left\{\begin{array}{cc}1,& \left|d_{i,v}\left(x,y\right)\right|>0\\ 0,& \left|d_{i,v}\left(x,y\right)\right|=0\end{array}\right.,i\&Element;\left(0,\mathrm{...},4\right)---\left(2\right)$

(4)将计算得出的5个二进制编码t_i，v(x，y)，其中i∈(0，...，4)，i表示尺度，按照i从小到大，分别对应二进制数的低位到高位，剩余二进制数位全置为0，构成该像素点(x，y)的8位二进制数，(x表示横坐标，y表示纵坐标)最后根据公式(3)将该8位二进制数转化成十进制数，作为该像素点的角度差分二值编码值，用DCA_v(x，y)表示角度差分二值编码值，v表示角度；

${\mathrm{DCA}}_v(x,y)={\mathrm{\&Sigma;}}_{i=0}^4{t}_{i,v}(x,y)\&times;2^i,v\&Element;\left(0,\mathrm{...},7\right)---\left(3\right)$

(5)依照上述算法构成了8个角度的差分二值编码图像，用DCA_v表示差分二值编码图像，v∈(0，...，7)，v表示角度，从左到右，依次是0，1，2，3，4，5，6，7角度的差分二值编码图；

(6)通过对每张集成Gabor特征图表情识别效果进行对比统计和分析，根据每张集成Gabor特征图对每类表情的识别率以及平均识别率，发现8张角度的差分二值编码图中的6角度差分二值编码图，3角度差分二值编码图，2角度差分二值编码图和1角度差分二值编码图对表情识别率最高，因此选择上述四张角度差分二值编码图进行拼接，转换成一个行向量作为最终的特征向量。

识别层的表情识别模块，采用稀疏表示分类器(sparserepresentationclassifier，SRC)进行表情识别，稀疏表示分类器的过完备字典由140个训练样本相应的特征向量组成，训练样本包含10个人的表情图片，每个人有7种表情，每种表情有2张图片。将厌恶、生气、悲伤、恐惧表情定义为痛苦表情，快乐、中性、惊讶表情作为非痛苦表情。

识别层的识别结果存储模块，将通过表情识别模块识别的患者表***每一帧图像的表情信息，存入服务器端患者表情数据库。

基于患者表情识别的病房辅助医护***的应用层，采用B/S结构，构建供给病房医护人员使用的***客户端，为病房医护人员提供简单友好的人机交互界面，可以通过Internet读取服务器端患者表情数据库，对原始的表情信息进行加工整理。如图4所示，***客户端支持患者信息创建、表情监控视频实时查看、患者信息查询和更新功能、表情数据可视化显示、患者痛苦表情报警提醒、患者表情变化统计分析。

应用层的患者信息创建功能，医护人员能够通过“添加新患者”按钮，登记患者的病房号、病床号、个人基本信息、入院日期、手术时间、服药信息和时间、表***开始拍摄时间、患者的主治医师信息、护理患者的医护人员信息以及医嘱信息。

应用层的表***实时查看功能，可以实时点击“关注患者”按钮，选择需要关注的一名患者，即可查看所关注患者的表***，同事可以选择“点播查看”和“实时查看”两种播放方式，其中“点播查看”可以读取指定时间段内的表***，“实时查看”可以显示当前病房患者的实时表情信息。

应用层的患者信息查询和更新功能，可以在查看并修改所关注患者表***和表情变化曲线的同时，可以查看所关注患者的相关信息，包括病房号、病床号、个人基本信息、入院日期、手术时间、服药信息和时间、表***开始拍摄时间、患者的主治医师信息、负责患者的医护人员信息以及医嘱信息。

应用层的表情数据可视化显示功能，可以动态更新患者表情变化曲线，将患者每时每刻的表情信息进行可视化显示，根据患者手术结束或服药过后的时间，可以选择查看设定固定时间段的表情变化信息。

应用层的患者痛苦表情报警提醒功能，客户端设定4个对应不同序号患者图标，当某个患者出现痛苦表情或者异常反应时，患者的图标变红闪烁，并配有提示音，提醒医护人员及时查看患者相关信息。当情况严重时，医护人员能够及时亲临相应的患者床边查看患者身体状况并采取相应措施。

应用层的患者表情变化统计分析功能，当医院进行会诊以及病例分析过程时，医护人员可以调取病人表情数据统计信息，生成表示数据分析报告，将表情变化数据作为辅助数据，结合患者的病例，深入分析患者病情以及如何更好地提高医疗质量。

本发明很好的解决了以往的问题，操作简便捷高效，可以大大提高医护人员的工作效率和效果，可以很好的在医疗领域推广应用。

Claims (10)

1.一种基于患者表情识别的病房辅助医护***，其特征在于：此***分为三层，采集层、识别层和应用层，采集层连接识别层，识别层连接应用层。

2.根据权利要求1所述的基于患者表情识别的病房辅助医护***，其特征在于：采集层为工业相机，识别层包括表情数据库构建模块、表情图像预处理模块、表情特征提取模块、表情识别模块和识别结果传输模块；表情数据库构建模块连接表情图像预处理模块，表情图像预处理模块连接表情特征提取模块，表情特征提取模块连接表情识别模块，表情识别模块连接识别结果传输模块。

3.如权利要求1所述的基于患者表情识别的病房辅助医护***所实施的基于患者表情识别的病房辅助医护方法，其特征在于：该方式能够实时获取病房患者表情信息、及时提醒医护人员患者发出痛苦表情；

该方法利用采集层对病人表情进行采集，将患者表情数据和信息传输到服务器端进行储存；

之后利用识别层将服务器端存储的原始视频图像信息进行表情识别，并将表情识别结果存入患者表情数据库；

然后利用应用层通过Internet读取服务器端患者表情数据库数据，对原始的表情信息进行加工整理。

4.根据权利要求3所述的基于患者表情识别的病房辅助医护方法，其特征在于：应用层对表情信息进行加工整理包括：患者信息创建、表情监控视频实时查看、表情数据可视化显示、患者痛苦表情报警提醒和患者表情变化统计分析。

5.根据权利要求3所述的基于患者表情识别的病房辅助医护方法，其特征在于：采集层进行患者表情的采集和传输，在无人看护的病房里，按照固定角度架设安装工业相机，利用工业相机拍摄患者表情信息，拍摄视场选为600×800mm，人脸区域面积为300cm²，以拍摄患者躺着的图像为主，同时兼顾患者坐起来的图像，病人坐着的物距是2.15m，病人躺着的物距是2.59m，将千兆网相机拍摄的表情信息，传输并存储在服务器端。

6.根据权利要求3所述的基于患者表情识别的病房辅助医护方法，其特征在于：识别层进行患者表情信息的存储和识别，利用识别层进行表情数据库构建、表情图像预处理、表情特征提取、表情识别和识别结果传输。

7.根据权利要求3所述的基于患者表情识别的病房辅助医护方法，其特征在于：

表情图像预处理流程步骤如下：

(1)将患者每分钟视频分解成单帧图像，取出病房患者的视频序列的一帧图像作为处理对象，针对单帧包含正面人脸的静态图像进行表情进行识别；

(2)针对视频序列中单帧图像的进行图像预处理，利用OpenCV图像处理软件Adaboost人脸检测算法的结合模块，选取扩展的Haar特征，实现表情区域分割；

(3)将表情区域图像灰度化，并利用象素关系重采样将表情区域图像几何归一化成统一的100×100的图片；

(4)采用直方图均衡方法对表情区域图像进行光线归一化，以部分消除光线和光照强度的影响。

8.根据权利要求3所述的基于患者表情识别的病房辅助医护方法，其特征在于：

识别层的表情特征提取处理流程步骤如下：

(1)对原始表情区域图像进行Gabor小波变换。选取5个尺度和8个角度的二维Gabor滤波器组，对标准大小的100×100的纯脸表情图像与Gabor核函数进行卷积运算，其输出结果为复数，将复数的实部作为表情图像的Gabor特征；

(2)利用角度差分二值编码方法，对原始的40张Gabor特征图进行集成，将v角度下的5个尺度Gabor特征图作为信源，用G_u，v(x，y)表示Gabor特征图，(u∈(0，...，4)，v∈(0，...，7)，u表示尺度，v表示角度)，按照公式(1)依次计算相邻两幅Gabor特征图G_u，v对应像素点的像素值G_u，v(x，y)的差值，其中x的表示Gabor特征图横坐标，y表示Gabor特征图纵坐标，用d_i，v(x，y)表示差值，其中i∈(0，...，4)，v∈(0，...，7)，i表示尺度，v表示角度，共得出5个差值；

$d_{i,v}\left(x,y\right)=\left\{\begin{array}{cc}{G}_{i,v}\left(x,y\right)-G_{i+1,v}\left(x,y\right),& 0\&le;i<4\\ G_{i,v}\left(x,y\right)-G_{0,v}\left(x,y\right),& i=4\end{array}\right.---\left(1\right)$

(3)根据公式(2)得到d_i，v(x，y)对应的二进制编码，用t_i，v(x，y)表示二进制编码,其中v∈(0，...，7)，i表示尺度，v表示角度。

$t_{i,v}\left(x,y\right)=\left\{\begin{array}{cc}1,& \left|d_{i,v}\left(x,y\right)\right|>0\\ 0,& \left|d_{i,v}\left(x,y\right)\right|=0\end{array}\right.,i\&Element;\left(0,\mathrm{...},4\right)---\left(2\right)$

(4)将计算得出的5个二进制编码t_i，v(x，y)，其中i∈(0，...，4)，i表示尺度，按照i从小到大，分别对应二进制数的低位到高位，剩余二进制数位全置为0，构成该像素点(x，y)的8位二进制数，x表示横坐标，y表示纵坐标，最后根据公式(3)将该8位二进制数转化成十进制数，作为该像素点的角度差分二值编码值，用DCA_v(x，y)表示角度差分二值编码值，v表示角度；

${\mathrm{DCA}}_v(x,y)={\mathrm{\&Sigma;}}_{i=0}^4{t}_{i,v}(x,y)\&times;2^i,v\&Element;\left(0,\mathrm{...},7\right)---\left(3\right)$

(5)依照上述算法构成了8个角度的差分二值编码图像，用DCA_v表示差分二值编码图像，v∈(0，...，7)，v表示角度，从左到右，依次是0，1，2，3，4，5，6，7角度的差分二值编码图；

(6)通过对每张集成Gabor特征图表情识别效果进行对比统计和分析，根据每张集成Gabor特征图对每类表情的识别率以及平均识别率，发现8张角度的差分二值编码图中的6角度差分二值编码图，3角度差分二值编码图，2角度差分二值编码图和1角度差分二值编码图对表情识别率最高，因此选择上述四张角度差分二值编码图进行拼接，转换成一个行向量作为最终的特征向量。

9.根据权利要求3所述的基于患者表情识别的病房辅助医护方法，其特征在于：表情识别时，采用稀疏表示分类器(sparserepresentationclassifier，SRC)进行表情识别，稀疏表示分类器的过完备字典由140个训练样本相应的特征向量组成，训练样本包含10个人的表情图片，每个人有7种表情，每种表情有2张图片，将厌恶、生气、悲伤、恐惧表情定义为痛苦表情，快乐、中性、惊讶表情作为非痛苦表情。

10.根据权利要求3所述的基于患者表情识别的病房辅助医护方法，其特征在于：应用层采用B/S结构，构建供给病房医护人员使用的***客户端，为病房医护人员提供简单友好的人机交互界面，通过Internet读取服务器端患者表情数据库，对原始的表情信息进行加工整理，客户端支持患者信息创建、表情监控视频实时查看、表情数据可视化显示、患者痛苦表情报警提醒、患者表情变化统计分析：

利用患者信息创建功能帮助医护人员能够登记患者的病房号、病床号、个人基本信息、入院日期、手术时间、服药信息和时间、表***开始拍摄时间、患者的主治医师信息、护理患者的医护人员信息以及医嘱信息；

利用表***实时查看功能实时查看一个或多个病房患者表***，也能读取指定时间段内的表***；

利用患者信息查询和更新功能在查看并修改所关注患者表***和表情变化曲线的同时，查看所关注患者的相关信息，包括病房号、病床号、个人基本信息、入院日期、手术时间、服药信息和时间、表***开始拍摄时间、患者的主治医师信息、负责患者的医护人员信息以及医嘱信息；

利用表情数据可视化显示功能进行动态更新患者表情信息曲线，将患者每时每刻的表情信息进行可视化显示，并按照查询患者手术结束或服药过后固定时间段的表情变化信息；

患者痛苦表情报警提醒功能，当某个病人出现痛苦表情或者异常反应时，病人的图标变色闪烁，并配有提示音，提醒医护人员及时查看患者相关信息。当情况严重时，医护人员能够及时亲临相应的患者床边查看患者身体状况并采取相应措施；

利用患者表情变化统计分析功能，当医院进行会诊以及病例分析过程时，医护人员能调取病人的表情数据的统计信息，将表情变化数据作为辅助数据，结合患者的病例，深入分析患者病情以及如何更好地提高医疗质量。