人体手背静脉注射是一种非常重要的临床治疗方法,迅速精准的找出静脉注射入针点的位置极其关键。对于缺乏经验的护士,在对一些因患病或体质原因导致静脉特征不突出的患者进行静脉注射时,快速准确的找出入针点往往比较困难。而现有的静脉注射辅助设备大多只针对手背静脉做增强显示,并不能直观的找出进行静脉注射的入针点。因此本文提出一种基于机器视觉的手背静脉入针点定位方法,主要研究内容如下:首先利用人体手背静脉组织对近红外光的吸收特性设计搭建了静脉图像采集平台,使用电子标定板对双目相机标定后,通过运用SGBM立体匹配算法进行视差图构建,以获取图像各像素点的深度信息。其次提出了基于DANet和改进YOLOv4的手背可穿刺静脉区域检测方法。该方法首先通过DANet模型进行手背前后背景分离,去除检测干扰;随后通过YOLOv4模型进行可穿刺静脉检测,并通过对YOLOv4中的先验框选取方式和损失函数进行改进来提高检测精度。最终对四种类型的检测模块进行对比实验,得出本文所采用的检测方法能够较好的适用于可穿刺静脉区域检测。随后再通过利用图像处理手段进行手背静脉入针点定位。提出了一种改进CLAHE的算法用于静脉图像对比度增强,该算法通过在图像对比度增强处理中调整明暗区域比重来强调静脉特征;在对静脉图像分割操作中,提出了改进的OTSU图像分割算法,其主要根据静脉图像中静脉组织与非静脉组织灰度差的差异特征对静脉图像进行分割。最终通过分析适合静脉穿刺的静脉特点成功定位并标注出适合手背静脉穿刺的建议入针点部分。最后利用搭建的静脉图像采集平台进行可穿刺静脉检测及建议入针点定位实验。最终实验结果表明本文算法能够成功检测出手背可穿刺静脉区域,且检测成功率高达92.5%;在静脉入针点定位中也发挥出了良好的效果,定位成功率高达94.5%,定位点相对于实际点在XY平面坐标偏差不超过1毫米,空间坐标偏差不超过1.6毫米,且本文整套算法的运行时间不超过0.9秒,具有较高的检测效率。