本发明涉及3d建模和图像处理领域，更具体地，涉及一种婴幼儿偏头检测方法。
背景技术：
1、“扁头“也称为扁头综合征(flat head syndrome)，指早产儿颅骨在发育期间受到不平衡的外力作用，导致头部形状不对称，表现为颅顶或头颅高度与前后左右宽度不对称，并伴有面部器官不对称(如双眼、双耳的不对称)。而严重的扁头综合征会给宝宝带来一些不良影响。包括婴幼儿神经发育迟缓，如智力发育迟缓、运动功能障碍以及视野范围缺陷等，与颅形正常儿相比，扁头综合征的患儿往往更需要特殊性教育的帮助。其中早产儿由于胎龄小、体质量轻、头颅可塑性强、住院时间相对长、体位固定、睡姿不当等原因，更容易发生体位性扁头综合征。因此，对早产儿进行早期干预，预防并降低扁头综合征的发生率和严重程度，减少其对外形和神经发育的影响尤为重要。
2、但是目前很多家庭并不重视，对于一些不明显的偏头，非专业的护理人员和家长，很难进行判断。目前的研究中，最经典的评估方法是采用观察量表，该量表要求观察者须从4个角度观察：正前方、俯看、正后方和侧面。此方法虽直观方便，但易受观察者主观偏见的影响。而测量法，即用卡尺测量婴儿的头长、头宽、经颅斜径等指标，计算头颅指数(cranialindex，ci)、头颅不对称指数(cranial vault asymmetry index，cvai)虽然可获得更客观的数据，但是操作起来较为复杂，且需要专业培训。随着人工智能的飞速发展，现在ai识图的能力已经得到了，飞跃的提升，例如使用手机拍一段视频就可以知道，花的类别，动物的类别等。偏头的早期判断同样可以通过图像的方式进行检测。
技术实现思路
1、本发明针对现有技术中存在的技术问题，提供一种婴幼儿偏头检测方法，可基于此算法进行便携工具的研发，以供医护和家庭照护人员早期识别和防治借鉴。
2、一种婴幼儿偏头检测方法，包括：
3、基于3d建模软件绘制婴幼儿头部3d轮廓图，所述婴幼儿头部3d轮廓图包括正常的婴幼儿头部3d轮廓图和婴幼儿偏头3d轮廓图；
4、对所述婴幼儿头部3d轮廓图进行贴图渲染以及多角度旋转；
5、对渲染和旋转后的所述婴幼儿头部3d轮廓图进行截图，并对每一张婴幼儿头部图片标记头部类型标签和视角标签；
6、基于每一张婴幼儿头部图片，通过分割工具生成婴幼儿头部的轮廓图片，对婴幼儿头部的轮廓图进行模糊处理，对生成的婴幼儿头部轮廓图片标记位置标签和模糊度标签，所述位置标签基于矩形框表示婴幼儿头部在图片中的位置坐标；
7、获取训练数据集，所述训练数据集中包括多个样本数据，每一个样本数据包括婴幼儿头部图片和对应的标签集，所述标签集包括头部类型标签、视角标签、模糊度标签和位置标签；
8、基于所述训练数据集对偏头检测模型进行训练；
9、将婴幼儿头部图片输入训练后的偏头检测模型，获取婴幼儿的头部类型和位置。
10、在上述技术方案的基础上，本发明还可以作出如下改进。
11、可选的，所述基于3d建模软件绘制婴幼儿头部3d轮廓图，包括：
12、根据医学资料库中已知的偏头和头部畸形的尺寸数据，通过3dmarks绘制对应的婴幼儿头部3d轮廓图；
13、以及将婴幼儿头部的经颅斜径差作为异常尺寸的参考依据，根据异常尺寸，通过3dmarks绘制对应的婴幼儿头部3d轮廓图。
14、可选的，所述婴幼儿头部的经颅斜径差的计算公式为：
15、婴幼儿头部的经颅斜径差(cva)＝婴幼儿头部的最大斜径/婴幼儿头部的最小斜径；
16、通过调大婴幼儿头部的经颅斜径差得到婴幼儿头部的异常尺寸。
17、可选的，所述对所述婴幼儿头部3d轮廓图进行贴图渲染以及多角度旋转，包括：
18、使用多种肤色、发色、眼睛、嘴巴和鼻子对所述婴幼儿头部3d轮廓图进行贴图渲染；
19、对贴图渲染后的所述婴幼儿头部3d轮廓图进行各个角度的旋转。
20、可选的，所述头部类型标签包括正常、扁头、舟装头，偏头和其它异常五种头部类型标签，所述视角标签包括前视、后视、俯视、仰视、左视、右视和其它视角七种视角标签。
21、可选的，所述对婴幼儿头部的轮廓图进行模糊处理，包括：
22、基于运动模糊算法对每一张婴幼儿头部的轮廓图进行随机模糊，并标记模糊标签，所述模糊标签的取值范围为[0,1]。
23、可选的，所述偏头检测模型包括特征提取网络和分类处理网络，所述特征提取网络包括依次连接的输入层、第一二维卷积层、7个瓶颈层、第二二维卷积层、池化层、第三二维卷积层和输出层，每一个瓶颈层包括扩展层、第一归一化层、激活函数、深度卷积层、第二归一化层、激活函数、隐藏层、激活函数和残差叠加层；
24、所述特征提取网络，用于提取输入的婴幼儿头部图片中的特征；
25、所述分类处理网络，用于根据提取的所述特征，输出婴幼儿头部类型和位置。
26、可选的，所述分类处理网络包括六个检测任务，分别为图片中每一个婴幼儿头部类别的检测任务、中心度的检测任务、每一个婴幼儿头部位置的检测任务、每一个婴幼儿头部轮廓的检测任务、每一个婴幼儿头部视角的检测任务和模糊度的检测任务；
27、在婴幼儿头部轮廓的检测任务中，采用交叉熵损失函数计算损失值；
28、在婴幼儿头部视角的检测任务中，对于七维度的视角，基于交叉熵损失函数计算损失值；
29、在模糊度的检测任务中，基于l1损失函数计算损失值。
30、可选的，所述偏头检测模型的总损失为：
31、total_loss＝classification loss+centerness loss+bboxregression loss+maskloss+viewside loss+blur loss；
32、其中，classification loss表示头部类型损失，centerness loss表示中心度损失，bboxregression表示头部位置损失，maskloss表示头部轮廓损失，viewside loss表示视角损失，blur loss表示模糊度损失。
33、可选的，所述将婴幼儿头部图片输入训练后的偏头检测模型，获取婴幼儿的头部类型和位置，包括：
34、对婴幼儿的整个头部进行多角度拍摄，得到多角度的婴幼儿头部图片；
35、对多角度的婴幼儿头部图片进行初步分析，找出大概出问题的所在区域，对大概出问题的所在区域进行详细拍摄，获得详细拍摄的婴幼儿头部图片；
36、详细拍摄的婴幼儿头部图片输入训练后的偏头检测模型，获取婴幼儿的头部类型和位置。
37、本发明提供的一种婴幼儿偏头检测方法，基于数据不足的问题，基于3d建模软件生成婴幼儿偏头图片，并基于婴幼儿偏头图片训练偏头检测模型，基于偏头检测模型和图像的方式去识别婴幼儿偏头、扁头和斜头畸形等问题，用户只需要在手机上安装偏头检测软件，然后通过手机对婴儿头部进行多角度拍摄视频，或者对关键位置进行连续拍照即可，软件的处理全部都是实时的，因此在拍摄任务完成后，经过短暂的数据统计分析，就可以得到婴儿偏头检测结果。
1.一种婴幼儿偏头检测方法，其特征在于，包括：
2.根据权利要求1所述的婴幼儿偏头检测方法，其特征在于，所述基于3d建模软件绘制婴幼儿头部3d轮廓图，包括：
3.根据权利要求2所述的婴幼儿偏头检测方法，其特征在于，所述婴幼儿头部的经颅斜径差的计算公式为：
4.根据权利要求1所述的婴幼儿偏头检测方法，其特征在于，所述对所述婴幼儿头部3d轮廓图进行贴图渲染以及多角度旋转，包括：
5.根据权利要求1所述的婴幼儿偏头检测方法，其特征在于，所述头部类型标签包括正常、扁头、舟装头，偏头和其它异常五种头部类型标签，所述视角标签包括前视、后视、俯视、仰视、左视、右视和其它视角七种视角标签。
6.根据权利要求1所述的婴幼儿偏头检测方法，其特征在于，所述对婴幼儿头部的轮廓图进行模糊处理，包括：
7.根据权利要求1所述的婴幼儿偏头检测方法，其特征在于，所述偏头检测模型包括特征提取网络和分类处理网络，所述特征提取网络包括依次连接的输入层、第一二维卷积层、7个瓶颈层、第二二维卷积层、池化层、第三二维卷积层和输出层，每一个瓶颈层包括扩展层、第一归一化层、激活函数、深度卷积层、第二归一化层、激活函数、隐藏层、激活函数和残差叠加层；
8.根据权利要求7所述的婴幼儿头部检测方法，其特征在于，所述分类处理网络包括六个检测任务，分别为图片中每一个婴幼儿头部类别的检测任务、中心度的检测任务、每一个婴幼儿头部位置的检测任务、每一个婴幼儿头部轮廓的检测任务、每一个婴幼儿头部视角的检测任务和模糊度的检测任务；
9.根据权利要求8所述的婴幼儿偏头检测方法，其特征在于，所述偏头检测模型的总损失为：
10.根据权利要求1所述的婴幼儿偏头检测方法，其特征在于，所述将婴幼儿头部图片输入训练后的偏头检测模型，获取婴幼儿的头部类型和位置，包括：
