胖瘦程度识别方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种胖瘦程度识别方法、装置、计算机设备及存储介质，所述方法包括：获取待识别图像；将待识别图像输入头像检测模型，获取待识别图像的头像照；将待识别图像的头像照进行灰度处理，得到头像照的灰度图像；将灰度图像输入预设的深度神经网络模型，通过深度神经网络模型中的预设增强卷积增强灰度图像的脖子特征和人脸特征；通过对灰度图像增强之后的脖子特征和人脸特征进行提取，并获取深度神经网络模型输出的根据脖子特征和人脸特征得出的胖瘦程度的识别结果；其中，深度神经网络模型包括预设增强卷积，识别结果包括胖瘦程度为胖、中、瘦。实现了快速地、有效地、便捷地识别出人物的胖瘦程度，也提高了识别准确率，节省了运营成本。

Identification method, device, equipment and medium of fat and thin degree

【技术实现步骤摘要】
胖瘦程度识别方法、装置、设备及介质
本专利技术涉及图像分类领域，尤其涉及一种胖瘦程度识别方法、装置、计算机设备及存储介质。
技术介绍
目前，身体质量指数(BMI，BodyMassIndex)是国际上常用的衡量人体胖瘦程度和是否健康的重要标准，如果需要提供身体质量指数(比如胖瘦程度)对个人的健康状况进行风险评估，则需要客户进行复杂、冗长和繁琐的传统体检流程，就得需要在正规医院中获取体检报告，之后再对体检报告中的身体质量指数进行相应处理之后才能继续进行，如此，大大加长了处理周期，造成成本浪费，而且根据身体质量指数判断胖瘦程度在很多应用场景中存在局限性。
技术实现思路
本专利技术提供一种胖瘦程度识别方法、装置、计算机设备及存储介质，实现了快速地、有效地、便捷地识别出人物的胖瘦程度，也提高了识别准确率，缩短了处理周期，极大提高了效率，节省了运营成本。一种胖瘦程度识别方法，包括：获取待识别图像；将所述待识别图像输入头像检测模型，获取所述待识别图像中的头像照；其中，所述头像照包括脖子和人脸；<br>将所述待识别图本文档来自技高网...

【技术保护点】
1.一种胖瘦程度识别方法，其特征在于，包括：/n获取待识别图像；/n将所述待识别图像输入头像检测模型，获取所述待识别图像中的头像照；其中，所述头像照包括脖子和人脸；/n将所述待识别图像的头像照进行灰度处理，得到所述头像照的灰度图像；/n将所述头像照的灰度图像输入预设的深度神经网络模型，通过所述深度神经网络模型中的预设增强卷积增强所述灰度图像的脖子特征和人脸特征，得到最终特征图；/n通过所述深度神经网络模型对所述最终特征图进行提取增强之后的所述脖子特征和所述人脸特征，并获取所述深度神经网络模型输出的根据所述脖子特征和人脸特征得出的胖瘦程度的识别结果；其中，所述深度神经网络模型包括预设增强卷积，所...

【技术特征摘要】
1.一种胖瘦程度识别方法，其特征在于，包括：
获取待识别图像；
将所述待识别图像输入头像检测模型，获取所述待识别图像中的头像照；其中，所述头像照包括脖子和人脸；
将所述待识别图像的头像照进行灰度处理，得到所述头像照的灰度图像；
将所述头像照的灰度图像输入预设的深度神经网络模型，通过所述深度神经网络模型中的预设增强卷积增强所述灰度图像的脖子特征和人脸特征，得到最终特征图；
通过所述深度神经网络模型对所述最终特征图进行提取增强之后的所述脖子特征和所述人脸特征，并获取所述深度神经网络模型输出的根据所述脖子特征和人脸特征得出的胖瘦程度的识别结果；其中，所述深度神经网络模型包括预设增强卷积，所述识别结果包括胖瘦程度为胖、中、瘦。


2.如权利要求1所述的胖瘦程度识别方法，其特征在于，所述将所述待识别图像输入头像检测模型，获取所述待识别图像中的头像照，包括：
通过所述头像检测模型中的mtcnn算法检测所述待识别图像中是否包含脖子和人脸；
在所述待识别图像中包含脖子和人脸时，则确定所述待识别图像中包含头像照的头像区域，并提取所述头像区域中的头像照。


3.如权利要求1所述的胖瘦程度识别方法，其特征在于，所述将所述待识别图像的头像照进行灰度处理，得到所述头像照的灰度图像，包括：
获取所述头像照的每个像素点的RGB分量值；
根据所述每个像素点的RGB分量值，按照加权平均法的公式得出每个像素点的灰度值，并生成所述头像照的灰度图像。


4.如权利要求3所述的胖瘦程度识别方法，其特征在于，所述加权平均法的公式为：
A＝0.299R+0.587G+0.114B
其中，
A为每个像素点的灰度值；
R为每个像素点中的R分量值；
G为每个像素点中的G分量值；
B为每个像素点中的B分量值。


5.如权利要求1所述的胖瘦程度识别方法，其特征在于，所述将所述头像照的灰度图像输入预设的深度神经网络模型，通过所述深度神经网络模型中的预设增强卷积增强所述灰度图像的脖子特征和人脸特征，得到最终特征图，包括：
将所述头像照的灰度图像输入所述深度神经网络模型中的第一级卷积，得到第一原始特征图；
将所述第一原始特征图分别输入所述深度神经网络模型中的所述预设增强卷积和第二级卷积，分别得到第一增强特征图和第二原始特征图；
将所述第一增强特征图和所述第二原始特征图进行拼接，得到第一拼接特征图；
将所述第一拼接特征图输入所述深度神经网络模型中的所述预设增强卷积，得到第二增强特征图；
将所述第一拼接特征图输入所述深度神经网络模型中的第三级卷积，得到第三原始特征图；
将所述第二增强特征图和所述第三原始特征图进行拼接，得到第二拼接特征...

【专利技术属性】
技术研发人员：喻晨曦，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东;44