本申请涉及医学数据处理技术领域，尤其是涉及一种头颈拐点的检测方法、装置以及计算机设备。
背景技术：
目前，将机器人制造技术应用于医学外科领域已经受到广泛关注，是机器人研究领域的前沿热点之一。机器人技术不仅在手术精确定位、手术微创、无损诊疗等方面带来了巨大的技术变革，而且正在改变常规医疗外科的许多概念，因此机器人化手术医疗设备的开发和研制，无论对临床医学还是康复工程方面都具有十分重要的意义。
目前医用外科机器人系统的研究已经广泛应用于多个医疗领域，例如基于超声的远程遥操作外科手术系统、用于心脏瓣膜修复的遥操作机器人系统、用于纤维外科的微创伤机器人系统、用于腹外科的声控手术系统等。无论哪一种外科机器人手术系统，都需要建立计算机图像空间同手术空间的映射关系，这就要求分别提取医学图像某些解剖特征点和真实人体对应位置的特征点进行空间配准。由于无论是粗略配准还是精细配准算法都需要充分利用配准对象和被配准对象对应特征点的空间一致性和位置收敛性，因此配准算法的效果同特征点提取的质量密切相关。
在无框架脑外科立体定向机器人的研究中，随着系统自动化和智能化的要求越来越高，人体头面部空间数据的自动获取、模型重建和关键特征识别的技术变得越来越重要，如何有效的在三维人脸曲面上提取头颈拐点等高判别性的，包含独有信息的特征已逐渐成为目前三维人脸识别研究的热点。
但是，由于不同人群头颈部形态有着较大差异，如采用普通的模板匹配或基于形态的弯曲识别算法，识别的精度较低。
技术实现要素：
本发明的目的在于提供一种头颈拐点的检测方法、装置以及计算机设备，以解决头颈拐点的识别精度较低的技术问题。
第一方面，本申请实施例提供了一种头颈拐点的检测方法，所述方法包括：
确定初始中心侧影线的第一数据点集，所述初始中心侧影线是人体头面部点云对象在三维欧式空间中校正后的侧影线；
将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集；所述二维平面与所述三维欧式空间中的x轴垂直；
基于所述第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集；
计算所述第三数据点集中的每个数据点在所述二维平面上的斜率和方差，并根据所述斜率和所述方差从所述第三数据点集中确定头颈拐点。
在一个可能的实现中，将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集的步骤之前，还包括：
建立与所述三维欧式空间中的x轴垂直的二维直角坐标系，得到与所述x轴垂直的二维平面。
在一个可能的实现中，将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集的步骤，包括：
通过降维将所述第一数据点集中的所有数据点映射为所述二维平面上的数据点，得到所述二维平面上的二维的第二数据点集。
在一个可能的实现中，基于所述第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集的步骤，包括：
按照所述二维平面中的x轴坐标值的大小顺序，对所述第二数据点集中的数据点进行排序；
基于排序后的所述第二数据点集生成所述二维平面的直方图；
将所述直方图的组距作为滑动窗口的窗宽，通过滑动窗口算法对所述直方图的数据进行平滑处理，得到三维的第三数据点集。
在一个可能的实现中，根据所述斜率和所述方差从所述第三数据点集中确定头颈拐点的步骤，包括：
针对所述第三数据点集中的所有数据点，将所述斜率大于零且所述方差大于预设值的位置对应的目标数据点，确定为头颈拐点。
在一个可能的实现中，所述方法还包括：
将所述目标数据点的坐标值确定为所述头颈拐点的坐标值，并输出所述头颈拐点的坐标值。
第二方面，提供了一种头颈拐点的检测装置，包括：
确定模块，用于确定初始中心侧影线的第一数据点集，所述初始中心侧影线是人体头面部点云对象在三维欧式空间中校正后的侧影线；
投影模块，用于将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集；所述二维平面与所述三维欧式空间中的x轴垂直；
处理模块，用于基于所述第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集；
计算模块，用于计算所述第三数据点集中的每个数据点在所述二维平面上的斜率和方差，并根据所述斜率和所述方差从所述第三数据点集中确定头颈拐点。
在一个可能的实现中，所述处理模块具体用于：
按照所述二维平面中的x轴坐标值的大小顺序，对所述第二数据点集中的数据点进行排序；
基于排序后的所述第二数据点集生成所述二维平面的直方图；
将所述直方图的组距作为滑动窗口的窗宽，通过滑动窗口算法对所述直方图的数据进行平滑处理，得到三维的第三数据点集。
第三方面，本申请实施例又提供了一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的第一方面所述方法。
第四方面，本申请实施例又提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述的第一方面所述方法。
本申请实施例带来了以下有益效果：
本申请实施例提供的一种头颈拐点的检测方法、装置以及计算机设备，能够确定初始中心侧影线的第一数据点集，其中的初始中心侧影线为人体头面部点云对象在三维欧式空间中校正后的侧影线，然后将该第一数据点集中的所有数据点投影至与三维欧式空间中的x轴相垂直的二维平面，从而得到二维的第二数据点集，之后基于该第二数据点集通过滑动窗口算法进行平滑处理从而得到三维的第三数据点集，最后计算该第三数据点集中的每个数据点在二维平面上的斜率和方差，再根据该斜率和该方差从该第三数据点集中确定头颈拐点。通过将第一数据点集中的所有数据点投影至与三维欧式空间中的x轴相垂直的二维平面，基于该第二数据点集通过滑动窗口算法进行平滑处理从而得到三维的第三数据点集，再根据斜率和方差从该第三数据点集中确定头颈拐点，能够更加准确、精确的检测出实际的头颈拐点。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的头颈拐点的检测方法的流程图示意图；
图2为本申请实施例提供的头颈拐点的检测方法的另一流程图；
图3为本申请实施例提供的平面s3上的直方图；
图4为本申请实施例提供的y轴截面与点云的交线点集的示意图；
图5中的图a和图b为本申请实施例提供的水平校正的效果图；
图6为本申请实施例提供的x轴截面与点云的交线点集条带的示意图；
图7为本申请实施例提供的一种头颈拐点的检测装置的结构示意图；
图8为示出了本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，在医学图像处理、手术导航技术领域，由三维扫描仪获取的人体头颅表面空间数据中，定位人体头部与颈部连接部位。人脸特征点识别算法包括如下步骤：人脸预处理(降采样、滤噪、数据格式转换等)、预对齐、感兴趣区域检测和特征提取。其中感兴趣区域检测中定义识别起始点是十分重要的计算环节。
由于三维人脸数据的方位、朝向、范围、点云密度在识别之前都是未知的，因此在缺乏指引信息的情况下介入数据识别的范围，针对人脸数据中最容易明确的特定区域进行定位的技术，即起始点检测技术，是关键技术之一。
特征点提取的流程为：将检测到的点作为识别起始点，再通过人体固有的空间解剖位置关系，定位出待识别特征点的大致位置(即建立识别基准线)，然后从起始点出发，逐步提取出全部的特征点。从以上提取流程可以看出，好的起始点选取可以大大提高特征点提取的质量和效率。
本申请采用头面部正面的头颅和颈部连接拐点作为识别起始点。由于不同人群头颈部形态有着较大差异，如采用普通的模板匹配或基于形态的弯曲识别算法，识别的精度和适应性都比较差。
基于此，本申请实施例提供了一种头颈拐点的检测方法、装置以及计算机设备，通过该方法可以解决头颈拐点的识别精度较低的技术问题。
下面结合附图对本发明实施例进行进一步地介绍。
图1为本申请实施例提供的一种头颈拐点的检测方法的流程示意图。
如图1所示，该方法包括：
步骤s110，确定初始中心侧影线的第一数据点集。
其中，初始中心侧影线是人体头面部点云对象在三维欧式空间中校正后的侧影线。人体头面部点云对象是通过三维扫描仪扫描得到的人体头面部的三维面绘制数据即三角面片数据而得到。
步骤s120，将第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集。
需要说明的是，其中的二维平面与三维欧式空间中的x轴垂直。本步骤中，可以将初始中心侧影线区域中的所有数据点投影到某一与该x轴垂直的平面上。
步骤s130，基于第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集。
本申请实施例中提供的头颈拐点的检测算法利用的方法为滑动窗口计算法。
其中，滑动窗口(slidingwindow)是坐标轴上可自由移动的、具有一定长度的区间，使用起来相当于一个长度指定的滑块正在刻度尺上面滑动，每滑动一个单位即可动态获取滑块内的数据。
步骤s140，计算第三数据点集中的每个数据点在二维平面上的斜率和方差，并根据斜率和方差从第三数据点集中确定头颈拐点。
本步骤中，也可以利用上述的滑动窗口法计算第三数据点集中的数据点的斜率与方差。
本申请实施例中，针对人体颈部曲线到头部曲线固有的曲率变化特征，对传统的基于模板的拐点检测算法进行了改进，在识别过程中引入简单滑动平均模型(如sma模型)和累积和模型(如cusum模型)的拐点检测方法，提供了一种基于滑动窗口法的拐点计算方法，在一定程度上提高了头颈拐点识别的效率和准确度，填补了三维人体头面部数据特征点提取方向上的一些技术空白。
通过提供基于滑动窗口法的头颈部拐点检测算法，利用向量代数中的子空间投影法和时间序列中的自回归滑动平均模型对待测曲线进行格化、平滑、回归，拟合，得到含有统计特征的待测曲线数据点集，最后通过序贯分析从待测曲线中获取头颈拐点。该方法同传统拐点检测算法相比，具有设计精简、运行高效、提取部位精确、受噪声干扰小的优点，一定程度上克服了当前算法复杂度较大、效率不高、受数据信息缺损影响明显的缺陷。而且，在三维人体头颈部拐点识别中有较好的适用性和鲁棒性。
下面对上述步骤进行详细介绍。
在一些实施例中，在步骤s110之前，如图2所示，可以先输入初始中心侧影线数据点集：
mx＝{(mi1，mi2，mi3)|i＝1，2，...，n}(1)；
其中，mx表示初始中心侧影线数据点集。
在一些实施例中，在步骤s120之前，该方法还可以包括以下步骤：
建立与三维欧式空间中的x轴垂直的二维直角坐标系，得到与x轴垂直的二维平面。
例如，可以将上述初始中心侧影线数据点集mx作为随机向量(m1，m2，m3)，如图2所示，计算m1的均值em1＝inf1；然后，建立s3：x＝em1，并在s3上以三维空间y轴负向为二维空间x轴正向，三维空间z轴正向为二维空间y轴正向建立二维直角坐标系(xoy)′。
在一些实施例中，上述步骤s120可以包括如下步骤：
通过降维将第一数据点集中的所有数据点映射为二维平面上的数据点，得到二维平面上的二维的第二数据点集。
在实际应用中，可以将三维欧式空间中的数据点集mx看作带有二维特质的平稳时间序列，实际上对数据进行了降维处理。对于将mx中的点映射到(xoy)'进而生成二维点集mx'的具体过程，由上述(1)式可知：
令s3:x＝em1，记线性映射
其中，
在一些实施例中，上述步骤s130可以包括如下步骤：
按照二维平面中的x轴坐标值的大小顺序，对第二数据点集中的数据点进行排序；
基于排序后的第二数据点集生成二维平面的直方图；
将直方图的组距作为滑动窗口的窗宽，通过滑动窗口算法对直方图的数据进行平滑处理，得到三维的第三数据点集。
在实际应用中，可以在s3对初始中心侧影线进行重新分段、插值、校正，生成s3的直方图模型，将该直方图的组距设为滑动窗口的窗宽，通过滑动窗口法对直方图数据进行平滑处理，即通过简单滑动平均模型对点集序列进行平滑，进而计算出待处理数据点集mx”。
本申请实施例中，可以先将mx'按x坐标从小到大排序；将mx'平滑处理；用滑动窗口法将mx'重建为三维坐标点列mx”。其具体的过程可以如下述步骤。
先在s3上对mx'进行x值从小到大排序，排好序后设置x轴上直方图的组距，记为l1，计算整个点集mx'在x轴投影的宽度w1，最终计算出直方图的格数：
利用l1，g1建立s3上直方图h数据结构，其中的直方图数据结构如图3所示。
设h的划分为{x0，x1，...，xg1}，
其中δi＝|xi-xi-1|＝l1，i＝1，…，g1。
对直方图
下面采用滑动窗口法对该维度上的直方图数据进行进一步格化、等分和平滑处理，最终生成易于计算和分析的数据点列mx”。
令滑动窗的半径为1，此时对任一区间δi，计算邻接区间上的样本均值：
通过对
在一些实施例中，上述步骤s140可以包括如下步骤：
针对第三数据点集中的所有数据点，将斜率大于零且方差大于预设值的位置对应的目标数据点，确定为头颈拐点。
对于在mx”中进行头颈拐点搜索的具体搜索方法，可以根据人体头颈部形态的先验知识，在s3内按某一给定朝向对mx”进行搜索，直到找到满足给定特征的第一个点为止，该点即为所求头颈拐点。具体的，可以先计算出每个数据点在s3上的统计特性(方差)和几何特性(斜率)，然后利用方差和斜率作为判别条件进行拐点判别。
首先，令滑动窗半径为：d(d＞1)，对于任意m″i(i＝d 1，d 2，...，g1-d)，取左右各d邻接窗格进行曲线拟合和方差估计，求取mi”在s3上的斜率和方差；然后，在点集构成的曲线mx”上按既定方向进行游动，当游动到的位置上的斜率大于0，方差大于某阈值时，该位置的数据点即为所求头颈拐点。
基于此，该方法还可以包括以下步骤：
将目标数据点的坐标值确定为头颈拐点的坐标值，并输出头颈拐点的坐标值。
在本申请实施例中，输入为初始中心侧影线数据点集，即上述式(1)；输出则为头颈拐点坐标：
ptinflection＝(inf1，inf2，fnf3)(10)；
通过在mx”中进行头颈拐点搜索可以输出头颈拐点坐标ptinflection。
需要说明的是，在执行本申请实施例提供的基于头颈拐点的检测方法之前，可以先对通过三维扫描仪扫描得到的人体头面部的三维面绘制数据(三角面片数据)进行水平校正和垂直校正(第1步)。然后再执行本申请实施例提供的基于头颈拐点的检测方法，即基于滑动窗口法提取面部初始中心侧影线和头颈拐点(第2步)。之后，还可以通过头颈拐点进行特征点有效区域分割(第3步)。
在从获取人体头面部数据到头颈拐点提取成功的整个操作流程中，上述第1步属于数据采集和数据预处理部分，目的是为本头颈拐点检测方法提供有效的数据支持；上述第2步是本申请提供的头颈拐点检测方法的主体部分，即提取头颈拐点；上述第3步属于应用部分，即运用获取到的头颈拐点对头面部数据的颈部以下身体部分和颈部后面的背景部分进行裁剪，以达到对算法有效范围进行更精确定位的目的，从而提高后续特征点识别与配准算法的执行效率。
对于上述第1步中的数据预处理过程，具体实现方式可以如下述内容。
数据预处理包括水平校正和垂直校正，执行图形校正算法的目的是为了调整人体头面部点云对象(设为c)的在三维欧式空间中的位姿，使得人体正向与三维空间坐标标架正交，由此得到最佳的识别效果。
水平校正是通过针对y轴对点云进行一维子空间投影，同时在y维空间上将数据点格化，建立y维度上的直方图，最终获取点云对象在y轴某一刻度上投影点数最多的截面s1，平面方程不妨记为y＝a，易知s1⊥y，然后利用s1对点云数据进行切割，求取s1与c的交线点集my。如图4所示，其中线段为截面s1，该线段上的点为交线点集my，该线段之外的点为点云其余部分，如果不考虑计算精度误差，图4中获取到的my基本处于与y轴垂直的同一平面s1上。
然后，将my进行线性拟合，计算出相对于xoy平面的偏转角，利用该角度对点云数据c的水平位姿进行校正。
如图5所示，其中，图a中的点云数据执行水平校正之前的状态，图b是执行水平校正以后的效果。图a中的曲线即为截面与点云的交线，从图b可以看出利用该交线进行水平校正后点云水平方向已经比图a更接近正前向。
同理，可以对点云对象进行垂直校正，在水平方向对齐的基础上，对点云对象进行x维子空间投影，建立x维直方图，分别算出每个直方图区间对应的交线点集。
需要说明的是，垂直校正定义的截面(记为s2)并非如同水平校正一样是一个平面，而是一个平面区间，记为a1＜x≤a2，其中a1，a2分别为对应直方图区间的两个端点。截面分割出的交线点集实际上是一个交线点集条带，如图6所示，两条线段中的点为a1＜x≤a2，分割出的交线点集条带，其中线段分别为s2的上限x＝a2和下限x＝a1，与图3中my不同的是，mx有明显的宽度。
需要说明的是，这里选出距离原点最近交点所在的交线点集条带(记为mx)进行垂直校正，同时将mx作为初始中心侧影线的定位区域。
本申请提供的方法中，为了能够提高效率，针对头面部特征点提取这一需求进行了某些定制，对点云对象的位姿有一定要求，因此需要与特定场景下3d扫描仪采集到的人体数据配合使用。
对于头颈拐点区域分割的过程，属于头颈拐点后处理部分，可以包括如下步骤。
在得到头颈拐点位置后，头面部与拐点的相对位置是固定的，因此利用头颈拐点可以定位出用于面部轮廓特征点提取和点云配准的感兴趣区域(roi)，而其它区域均属于可以被剔除的无关区域，例如头颈拐点之下的身体部分、头颈拐点之后的颅脑后半部分和与人体完全无关的背景部分。
拐点区域分割算法即在遍历数据点集时进行roi区域判别，对不属于roi区域进行裁切，在尽量舍弃与后续业务无关部分的同时最大程度的保留有关部分，从而在之后工作中可以大大降低需要访问的数据点数量，提高特征点识别和点云配准算法的运行速度。
图7提供了一种头颈拐点的检测装置的结构示意图。如图7所示，头颈拐点的检测装置700包括：
确定模块701，用于确定初始中心侧影线的第一数据点集，初始中心侧影线是人体头面部点云对象在三维欧式空间中校正后的侧影线；
投影模块702，用于将第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集；二维平面与三维欧式空间中的x轴垂直；
处理模块703，用于基于第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集；
计算模块704，用于计算第三数据点集中的每个数据点在二维平面上的斜率和方差，并根据斜率和方差从第三数据点集中确定头颈拐点。
在一些实施例中，该装置还包括：
建立模块，用于建立与三维欧式空间中的x轴垂直的二维直角坐标系，得到与x轴垂直的二维平面。
在一些实施例中，投影模块702具体用于：
通过降维将第一数据点集中的所有数据点映射为二维平面上的数据点，得到二维平面上的二维的第二数据点集。
在一些实施例中，处理模块703具体用于：
按照二维平面中的x轴坐标值的大小顺序，对第二数据点集中的数据点进行排序；
基于排序后的第二数据点集生成二维平面的直方图；
将直方图的组距作为滑动窗口的窗宽，通过滑动窗口算法对直方图的数据进行平滑处理，得到三维的第三数据点集。
在一些实施例中，计算模块704还用于：
针对第三数据点集中的所有数据点，将斜率大于零且方差大于预设值的位置对应的目标数据点，确定为头颈拐点。
在一些实施例中，该装置还包括：
输出模块，用于将目标数据点的坐标值确定为头颈拐点的坐标值，并输出头颈拐点的坐标值。
本申请实施例提供的头颈拐点的检测装置，与上述实施例提供的头颈拐点的检测方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
如图8所示，本申请实施例提供的一种计算机设备800，包括：处理器801、存储器802和总线，所述存储器802存储有所述处理器801可执行的机器可读指令，当计算机设备运行时，所述处理器801与所述存储器802之间通过总线通信，所述处理器801执行所述机器可读指令，以执行如上述头颈拐点的检测方法的步骤。
具体地，上述存储器802和处理器801能够为通用的存储器和处理器，这里不做具体限定，当处理器801运行存储器802存储的计算机程序时，能够执行上述头颈拐点的检测方法。
其中，处理器801可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现成可编程门阵列(field-programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器802，处理器801读取存储器802中的信息，结合其硬件完成上述方法的步骤。
对应于上述头颈拐点的检测方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述头颈拐点的检测方法的步骤。
本申请实施例所提供的头颈拐点的检测装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述头颈拐点的检测方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
1.一种头颈拐点的检测方法，其特征在于，所述方法包括：
确定初始中心侧影线的第一数据点集，所述初始中心侧影线是人体头面部点云对象在三维欧式空间中校正后的侧影线；
将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集；所述二维平面与所述三维欧式空间中的x轴垂直；
基于所述第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集；
计算所述第三数据点集中的每个数据点在所述二维平面上的斜率和方差，并根据所述斜率和所述方差从所述第三数据点集中确定头颈拐点。
2.根据权利要求1所述的方法，其特征在于，将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集的步骤之前，还包括：
建立与所述三维欧式空间中的x轴垂直的二维直角坐标系，得到与所述x轴垂直的二维平面。
3.根据权利要求1所述的方法，其特征在于，将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集的步骤，包括：
通过降维将所述第一数据点集中的所有数据点映射为所述二维平面上的数据点，得到所述二维平面上的二维的第二数据点集。
4.根据权利要求1所述的方法，其特征在于，基于所述第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集的步骤，包括：
按照所述二维平面中的x轴坐标值的大小顺序，对所述第二数据点集中的数据点进行排序；
基于排序后的所述第二数据点集生成所述二维平面的直方图；
将所述直方图的组距作为滑动窗口的窗宽，通过滑动窗口算法对所述直方图的数据进行平滑处理，得到三维的第三数据点集。
5.根据权利要求1所述的方法，其特征在于，根据所述斜率和所述方差从所述第三数据点集中确定头颈拐点的步骤，包括：
针对所述第三数据点集中的所有数据点，将所述斜率大于零且所述方差大于预设值的位置对应的目标数据点，确定为头颈拐点。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
将所述目标数据点的坐标值确定为所述头颈拐点的坐标值，并输出所述头颈拐点的坐标值。
7.一种头颈拐点的检测装置，其特征在于，包括：
确定模块，用于确定初始中心侧影线的第一数据点集，所述初始中心侧影线是人体头面部点云对象在三维欧式空间中校正后的侧影线；
投影模块，用于将所述第一数据点集中的所有数据点投影至二维平面，得到二维的第二数据点集；所述二维平面与所述三维欧式空间中的x轴垂直；
处理模块，用于基于所述第二数据点集通过滑动窗口算法进行平滑处理，得到三维的第三数据点集；
计算模块，用于计算所述第三数据点集中的每个数据点在所述二维平面上的斜率和方差，并根据所述斜率和所述方差从所述第三数据点集中确定头颈拐点。
8.根据权利要求7所述的装置，其特征在于，所述处理模块具体用于：
按照所述二维平面中的x轴坐标值的大小顺序，对所述第二数据点集中的数据点进行排序；
基于排序后的所述第二数据点集生成所述二维平面的直方图；
将所述直方图的组距作为滑动窗口的窗宽，通过滑动窗口算法对所述直方图的数据进行平滑处理，得到三维的第三数据点集。
9.一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
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存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至6任一项所述的方法。
技术总结