[發明專利]一種BMI評測方法、裝置及計算機可讀存儲介質

在審

• 申請號: 201811384493.8
• 申請日: 2018-11-20
• 公開（公告）號: CN109637664A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 石磊;馬進;王健宗;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06K9/00;G06K9/62
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種BMI評測方法，其特征在于，所述方法包括：

采集樣本人臉圖像數據，所述樣本人臉圖像數據包括BMI值；

采用卷積神經網絡訓練樣本人臉圖像數據，獲得訓練模型；

獲取待檢測的人臉圖像，對所述待檢測人臉圖像的人臉關鍵特征點進行定位，獲取人臉關鍵點；

根據人臉關鍵點，進行人臉輪廓提取，獲取人臉輪廓；

對所述人臉輪廓根據透視視角進行等比例拉伸，獲得預處理后人臉圖像；

根據所述訓練模型對所述預處理后人臉圖像進行類別預測，得到待檢測人臉圖像的評測BMI值。

2.根據權利要求1所述的BMI評測方法，其特征在于，步驟對所述人臉輪廓根據透視視角進行等比例拉伸，獲得預處理后人臉圖像的同時，還包括步驟：

根據相機參數對人臉輪廓區域的每個像素的RGB色度分量，逐點進行色度校正和亮度校正。

3.根據權利要求1所述的BMI評測方法，其特征在于，步驟采用卷積神經網絡訓練樣本人臉圖像數據，獲得訓練模型，還包括步驟：

將人臉圖像剪裁成大小為224*224的圖像；

將所述剪裁后的圖像轉成leveldb格式；

用所述leveldb格式圖像訓練卷積神經網絡VGG-16；

用softmax函數輸出BMI極低、BMI正常、BMI極高三個類別值的概率值，輸出值為最大概率值對應的類別值。

4.根據權利要求1所述的BMI評測方法，其特征在于，步驟獲取待檢測的人臉圖像，對所述待檢測人臉圖像的人臉關鍵特征點進行定位，獲取人臉關鍵點；根據人臉關鍵點，進行人臉輪廓提取，獲取人臉輪廓；對所述人臉輪廓根據透視視角進行等比例拉伸，獲得預處理后人臉圖像；進一步包括步驟：

獲取待檢測的人臉圖像，采用主動形狀模型算法對所述待檢測人臉圖像的人臉關鍵特征點進行定位，獲取人臉關鍵點；

根據人臉關鍵點，采用sobel算子進行人臉輪廓提取，剔除人臉區域之外的背景，獲取人臉輪廓；

對所述人臉輪廓根據透視視角采用二維線性插值算法進行等比例拉伸，獲得預處理后人臉圖像。

5.根據權利要求1-4任意一項所述的BMI評測方法，其特征在于，所述根據所述訓練模型對所述預處理后人臉圖像進行類別預測，得到待檢測人臉圖像的評測BMI值的步驟之后，還包括步驟：

獲取用戶上傳的實測BMI值；

將所述評測BMI值與所述實測BMI值采用卷積網絡模型進行微調訓練；

更新迭代所述訓練模型。

6.一種BMI評測裝置，其特征在于，所述裝置包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的BMI評測程序，所述BMI評測程序被所述處理器執行時實現如下步驟：

采集樣本人臉圖像數據，所述樣本人臉圖像數據包括BMI值；

采用卷積神經網絡訓練樣本人臉圖像數據，獲得訓練模型；

獲取待檢測的人臉圖像，對所述待檢測人臉圖像的人臉關鍵特征點進行定位，獲取人臉關鍵點；

根據人臉關鍵點，進行人臉輪廓提取，獲取人臉輪廓；

對所述人臉輪廓根據透視視角進行等比例拉伸，獲得預處理后人臉圖像；

根據所述訓練模型對所述預處理后人臉圖像進行類別預測，得到待檢測人臉圖像的評測BMI值。

7.根據權利要求6所述的BMI評測裝置，其特征在于，步驟對所述人臉輪廓根據透視視角進行等比例拉伸，獲得預處理后人臉圖像的同時，還包括步驟：

根據相機參數對人臉輪廓區域的每個像素的RGB色度分量，逐點進行色度校正和亮度校正。