本发明属于计算机图像处理，更具体地，涉及一种应用于机械刺激颌面部疼痛评价方法、装置及介质。
背景技术：
1、脸谱疼痛评分是一种新型自发痛行为学评估方法，同时适用于大鼠和小鼠实验。该方法通过高清电子摄像头捕捉并分析受试动物的面部表情特征，例如：眼眶的大小，眼、鼻的突出程度，耳的位置和胡须的变化，面部肌肉的收缩等，从而精确判断实验动物的疼痛程度。
2、实验小鼠被广泛应用于探索分子生物机制方面。而在针对疼痛机制与镇痛药的研究，疼痛模型的预测和准确测量是避免高消耗及提高转化成果的关键途径之一。因此，对实验小鼠的面部表情进行精准识别，有非常重要的研究意义。
3、但目前的方式还是在采集到相应图像后，利用人工对动物目标的疼痛进行识别，极其依赖于经验，且在有大量实验的情况下，人工识别效率较慢，不利于颌面部自发疼痛实验的进行。因此，如何快速对的颌面部自发疼痛进行精准评价，以确定疼痛阈值或疼痛等级是当下亟需要解决的技术问题。
技术实现思路
1、提供了本发明以解决现有技术中存在的上述问题。因此，需要一种应用于机械刺激颌面部疼痛评价方法、装置及介质。
2、根据本发明的第一方案，提供了一种应用于机械刺激颌面部疼痛评价方法，所述方法包括：
3、获取目标颌面部自发疼痛前后的面部特征，所述面部特征包括眼部特征、鼻部特征、口部特征、头部特征以及胡须特征；
4、根据目标颌面部自发疼痛前后的眼部特征、鼻部特征、口部特征、头部特征以及胡须特征计算出眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征；
5、根据眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征确定疼痛阈值。
6、进一步地，所述眼部特征包括第一眼部特征和第二眼部特征，所述第一眼部特征为左眼眼瞳的面积，所述第二眼部特征为右眼眼瞳的面积，所述鼻部特征为目标的鼻部面积，所述口部特征为目标的口部面积，所述头部特征为目标的头部面积，所述胡须特征为目标的胡须长度。
7、进一步地，根据目标颌面部自发疼痛前后的眼部特征、鼻部特征、口部特征、头部特征以及胡须特征计算出眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征，包括：
8、通过如下公式(1)计算眼部变化特征：
9、y1＝a(| x11-x12|)+b(| x13- x14|) (1)
10、其中，a和b表示权重参数，此处a和b的值确定为0.5；y1表示眼部变化特征，x11表示目标颌面部自发疼痛前的第一眼部特征，x12表示目标颌面部自发疼痛后的第一眼部特征，x13表示目标颌面部自发疼痛前的第二眼部特征，x14表示目标颌面部自发疼痛后的第二眼部特征；
11、通过如下公式(2)计算鼻部变化特征：
12、y2＝ | x21-x22 | (2)
13、其中，y2表示鼻部变化特征，x21表示目标颌面部自发疼痛前的鼻部特征，x22表示目标颌面部自发疼痛后的鼻部特征；
14、通过如下公式(3)计算口部变化特征：
15、y3＝ | x31-x32 | (3)
16、其中，y3表示口部变化特征，x31表示目标颌面部自发疼痛前的口部特征，x32表示目标颌面部自发疼痛后的口部特征；
17、通过如下公式(4)计算头部变化特征：
18、y4＝ | x41-x42 | (4)
19、其中，y4表示头部变化特征，x41表示目标颌面部自发疼痛前的头部特征，x42表示目标颌面部自发疼痛后的头部特征；
20、通过如下公式(5)计算胡须变化特征：
21、y5＝ | x51-x52 | (5)
22、其中，y5表示胡须变化特征，x51表示目标颌面部自发疼痛前的胡须特征，x52表示目标颌面部自发疼痛后的胡须特征；
23、进一步地，根据眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征确定疼痛阈值，包括：
24、通过如下公式(6)确定疼痛阈值：
25、c＝w1y1+w2y2+w3y3+w4y4+w5y5 (6)
26、其中，w1、w2、w3、w4、w5为权重因子，w1+w2+w3+w4+w5＝1，c为疼痛阈值。
27、进一步地，在根据目标颌面部自发疼痛前后的眼部特征、鼻部特征、口部特征、头部特征以及胡须特征计算出眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征之后，所述方法还包括：
28、根据眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征确定疼痛阈值等级。
29、进一步地，根据眼部变化特征、鼻部变化特征以及口部变化特征确定疼痛阈值等级，包括：
30、获取多组眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征得到训练数据，并对训练数据中各组眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征分配一个疼痛阈值等级，其中各组眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征所对应的疼痛阈值等级采用人工标注；
31、构建随机森林模型，利用所述训练数据，以眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征作为模型输入，疼痛等级作为输出，对所述随机森林模型进行训练，得到疼痛分类模型；
32、基于所述疼痛分类模型实现对颌面部自发疼痛的评价。
33、进一步地，构建随机森林模型，利用所述训练数据，以眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征作为模型输入，疼痛等级作为输出，对所述随机森林模型进行训练，得到疼痛分类模型，包括：
34、确定所述训练数据的大小为n，特征数目为m，随机森林模型的大小为k；
35、遍历随机森林的大小k次，
36、基于所述训练数据，采用有放回的抽样，取样n次得到子训练集d；
37、随机选择m个特征，其中m＜m；
38、使用所述子训练集d和m个特征，学习出一个完整的决策树。
39、根据本发明的第二技术方案，提供一种应用于机械刺激颌面部疼痛评价装置，所述装置包括：
40、特征获取模块，被配置为获取目标颌面部自发疼痛前后的面部特征，所述面部特征包括眼部特征、鼻部特征、口部特征、头部特征以及胡须特征；
41、特征计算模块，被配置为根据目标颌面部自发疼痛前后的眼部特征、鼻部特征、口部特征、头部特征以及胡须特征计算出眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征；
42、疼痛确定模块，被配置为根据眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征确定疼痛阈值。
43、进一步地，所述眼部特征包括第一眼部特征和第二眼部特征，所述第一眼部特征为左眼眼瞳的面积，所述第二眼部特征为右眼眼瞳的面积，所述鼻部特征为目标的鼻部面积，所述口部特征为目标的口部面积，所述头部特征为目标的头部面积，所述胡须特征为目标的胡须长度。
44、根据本发明的第三技术方案，提供一种可读存储介质，所述可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的方法。
45、本发明至少具有以下有益效果：
46、本发明基于图像处理技术，对动物目标颌面部自发疼痛前后的眼部、鼻部以及口部特征进行提取，并计算机颌面部自发疼痛前后的各个特征的变化，根据各个变化特征来评价疼痛阈值，在疼痛阈值的评价过程中考虑到了多个评价因子，在一定程度上保证了疼痛阈值的准确评价。特别是在有大量的实验图像数据的情况下，可高效且精确地评价颌面部自发疼痛前后的疼痛，降低人工投入，提升相关实验的推进效率。
1.一种应用于机械刺激颌面部疼痛评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述眼部特征包括第一眼部特征和第二眼部特征，所述第一眼部特征为左眼眼瞳的面积，所述第二眼部特征为右眼眼瞳的面积，所述鼻部特征为目标的鼻部面积，所述口部特征为目标的口部面积，所述头部特征为目标的头部面积，所述胡须特征为目标的胡须长度。
3.根据权利要求2所述的方法，其特征在于，根据目标颌面部自发疼痛前后的眼部特征、鼻部特征、口部特征、头部特征以及胡须特征计算出眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征，包括：
4.根据权利要求3所述的方法，其特征在于，根据眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征确定疼痛阈值，包括：
5.根据权利要求1所述的方法，其特征在于，在根据目标颌面部自发疼痛前后的眼部特征、鼻部特征、口部特征、头部特征以及胡须特征计算出眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征之后，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，根据眼部变化特征、鼻部变化特征以及口部变化特征确定疼痛阈值等级，包括：
7.根据权利要求6所述的方法，其特征在于，构建随机森林模型，利用所述训练数据，以眼部变化特征、鼻部变化特征、口部变化特征、头部变化特征以及胡须变化特征作为模型输入，疼痛等级作为输出，对所述随机森林模型进行训练，得到疼痛分类模型，包括：
8.一种应用于机械刺激颌面部疼痛评价装置，其特征在于，所述装置包括：
9.根据权利要求8所述的装置，其特征在于，所述眼部特征包括第一眼部特征和第二眼部特征，所述第一眼部特征为左眼眼瞳的面积，所述第二眼部特征为右眼眼瞳的面积，所述鼻部特征为目标的鼻部面积，所述口部特征为目标的口部面积，所述头部特征为目标的头部面积，所述胡须特征为目标的胡须长度。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的方法。
