本申请公开了一种基于图像的健康状态识别方法、装置、设备及存储介质，属于人工智能领域，所述方法通过第一训练样本集训练初始特征识别模型，得到人脸特征识别模型；采集人脸特征识别模型的训练结果，并基于训练结果对初始关系识别模型进行训练，得到特征关系识别模型，并基于特征关系识别模型生成校正矩阵；获取待识别图像，并通过人脸特征识别模型对待识别图像进行识别，得到用户的脸部特征；基于校正矩阵对待识别图像的人脸特征进行校正，根据校正结果识别用户的健康状态。此外，本申请还涉及区块链技术，待识别图像可存储于区块链中。本申请可以显著提高人脸健康状态识别精度，同时适配性较强，方便部署于移动终端。方便部署于移动终端。方便部署于移动终端。
【技术实现步骤摘要】
基于图像的健康状态识别方法、装置、设备及存储介质
[0001]本申请属于人工智能
，具体涉及一种基于图像的健康状态识别方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着人工智能在金融领域中的广泛使用，在移动端开展金融行为的场景越来越常见，而在移动端开展金融行为一般涉及到一套较为严格的审批业务，其中判定用户是否是在健康、头脑清醒的情况下做出的判断与操作，是确保送用户操作资料是否具备法律意义的前提。
[0003]目前，人脸健康状态识别技术的实现大多集中在基于客户生理信号、全身图像、脸部图像、视频影响来做出客户是否健康、是否清醒的判断。比如基于便携性设备(比如手环)获得用户的身体参数，如血压等，基于用户的身体参数综合判断用户的健康状态；但是，通过身体参数判断用户的健康状态，需要借助额外的设备，客户体验感往往不佳，不利于系统集成，并且使用的条件比较严苛。而通过拍摄用户一段全身视频影像或者图像，然后分析全身视频影像或者图像来对客户健康状态进行判断。而目前通过影像或者图像来对客户健康状态进行判断时，需要拍摄用户带有特定动作或者姿态的全身视频影像或者图像才能实现，而要求用户做出特定动作或者姿态客户体验感往往不佳，并且无法适应于移动端业务。
技术实现思路
[0004]本申请实施例的目的在于提出一种基于图像的健康状态识别方法、装置、计算机设备及存储介质，以解决现有的人脸健康状态识别技术客户体验感不佳，且无法适应于移动端业务的技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种基于图像的健康状态识别方法，采用了如下所述的技术方案：
[0006]一种基于图像的健康状态识别方法，包括：
[0007]从预设数据库中获取第一训练样本集，通过第一训练样本集训练预设的初始特征识别模型，得到人脸特征识别模型；
[0008]采集人脸特征识别模型的训练结果，并基于训练结果对初始关系识别模型进行训练，得到特征关系识别模型，基于特征关系识别模型生成校正矩阵；
[0009]获取待识别图像，并通过人脸特征识别模型对待识别图像进行识别，得到待识别图像中用户的脸部特征；
[0010]基于校正矩阵对待识别图像的人脸特征进行校正，根据校正结果识别用户的健康状态。
[0011]进一步地，从预设数据库中获取第一训练样本集，通过第一训练样本集训练预设的初始特征识别模型，得到人脸特征识别模型的步骤，具体包括：
[0012]从预设数据库中获取样本数据，对样本数据进行标注；
[0013]对标注后的样本数据进行随机组合，得到第一训练样本集和第一验证数据集；
[0014]将第一训练样本集导入到初始特征识别模型中进行模型训练，得到初始人脸特征识别模型；
[0015]通过第一验证数据集对初始人脸特征识别模型进行验证，输出验证通过的人脸特征识别模型。
[0016]进一步地，通过第一验证数据集对初始人脸特征识别模型进行验证，输出验证通过的人脸特征识别模型的步骤，具体包括：
[0017]将第一验证数据集导入到初始人脸特征识别模型，输出识别结果；
[0018]基于识别结果与第一预设标准结果，使用反向传播算法进行拟合计算，获取识别误差；
[0019]将识别误差与第一预设误差阈值进行比较，若识别误差大于第一预设误差阈值，则对初始人脸特征识别模型进行迭代更新，直到识别误差小于或等于第一预设误差阈值为止，获取验证通过的人脸特征识别模型。
[0020]进一步地，采集人脸特征识别模型的训练结果，并基于训练结果对初始关系识别模型进行训练，得到特征关系识别模型，基于特征关系识别模型生成校正矩阵的步骤，具体包括：
[0021]采集人脸特征识别模型的训练结果，并对训练结果进行标注，得到健康状态标签；
[0022]统计健康状态标签的数量，并基于健康状态标签的数量计算每一个健康状态标签的联合分布概率；
[0023]基于联合分布概率对健康状态标签进行组合，得到第二训练样本集和第二验证数据集；
[0024]根据第二训练样本集对预设的初始关系识别模型进行训练，得到特征关系识别模型；
[0025]获取特征关系识别模型的输出结果，并基于输出结果生成校正矩阵。
[0026]进一步地，根据第二训练样本集对预设的初始关系识别模型进行训练，得到特征关系识别模型的步骤，具体包括：
[0027]将第二训练样本集导入到预设的初始关系识别模型进行进行训练，得到初始特征关系识别模型；
[0028]通过第二验证数据集对初始特征关系识别模型进行验证，输出预测结果；
[0029]基于预测结果与第二预设标准结果，使用反向传播算法进行拟合计算，获取预测误差；
[0030]将预测误差与第二预设误差阈值进行比较，若预测误差大于第二预设误差阈值，则对初始特征关系识别模型进行迭代更新，直到预测误差小于或等于第二预设误差阈值为止，获取验证通过的特征关系识别模型。
[0031]进一步地，对初始特征关系识别模型进行迭代更新，直到预测误差小于或等于第二预设误差阈值为止，获取验证通过的特征关系识别模型的步骤，具体包括：
[0032]设置初始特征关系识别模型的损失函数；
[0033]基于损失函数对初始特征关系识别模型进行迭代更新，直至损失函数的输出达到最小值；
[0034]获取损失函数的输出达到最小值的特征关系识别模型。
[0035]进一步地，获取待识别图像，并通过人脸特征识别模型对待识别图像进行识别，得到待识别图像中用户的脸部特征的步骤，具体包括：
[0036]获取待识别图像，并对待识别图像进行扫描，识别待识别图像中的人脸区域；
[0037]通过人脸特征识别模型对待识别图像中的人脸区域进行特征识别，得到待识别图像中用户的脸部特征。
[0038]为了解决上述技术问题，本申请实施例还提供一种基于图像的健康状态识别装置，采用了如下所述的技术方案：
[0039]一种基于图像的健康状态识别装置，包括：
[0040]第一模型训练模块，用于从预设数据库中获取第一训练样本集，通过第一训练样本集训练预设的初始特征识别模型，得到人脸特征识别模型；
[0041]第二模型训练模块，用于采集人脸特征识别模型的训练结果，并基于训练结果对初始关系识别模型进行训练，得到特征关系识别模型，基于特征关系识别模型生成校正矩阵；
[0042]脸部特征识别模块，用于获取待识别图像，并通过人脸特征识别模型对待识别图像进行识别，得到待识别图像中用户的脸部特征；
[0043]健康状态识别模块，用于基于校正矩阵对待识别图像的人脸特征进行校正，根据校正结果识别用户的健康状态。
[0044]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0045]一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，处理器执行计算机可读指令时实现如上本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于图像的健康状态识别方法，其特征在于，包括：从预设数据库中获取第一训练样本集，通过所述第一训练样本集训练预设的初始特征识别模型，得到人脸特征识别模型；采集所述人脸特征识别模型的训练结果，并基于所述训练结果对初始关系识别模型进行训练，得到特征关系识别模型，基于所述特征关系识别模型生成校正矩阵；获取待识别图像，并通过所述人脸特征识别模型对所述待识别图像进行识别，得到所述待识别图像中用户的脸部特征；基于所述校正矩阵对所述待识别图像的人脸特征进行校正，根据校正结果识别所述用户的健康状态。2.如权利要求1所述的基于图像的健康状态识别方法，其特征在于，所述从预设数据库中获取第一训练样本集，通过所述第一训练样本集训练预设的初始特征识别模型，得到人脸特征识别模型的步骤，具体包括：从所述预设数据库中获取样本数据，对所述样本数据进行标注；对标注后的样本数据进行随机组合，得到第一训练样本集和第一验证数据集；将所述第一训练样本集导入到所述初始特征识别模型中进行模型训练，得到初始人脸特征识别模型；通过所述第一验证数据集对所述初始人脸特征识别模型进行验证，输出验证通过的所述人脸特征识别模型。3.如权利要求2所述的基于图像的健康状态识别方法，其特征在于，所述通过所述第一验证数据集对所述初始人脸特征识别模型进行验证，输出验证通过的所述人脸特征识别模型的步骤，具体包括：将所述第一验证数据集导入到所述初始人脸特征识别模型，输出识别结果；基于所述识别结果与第一预设标准结果，使用反向传播算法进行拟合计算，获取识别误差；将所述识别误差与第一预设误差阈值进行比较，若所述识别误差大于第一预设误差阈值，则对所述初始人脸特征识别模型进行迭代更新，直到所述识别误差小于或等于所述第一预设误差阈值为止，获取验证通过的所述人脸特征识别模型。4.如权利要求1所述的基于图像的健康状态识别方法，其特征在于，所述采集所述人脸特征识别模型的训练结果，并基于所述训练结果对初始关系识别模型进行训练，得到特征关系识别模型，并基于所述特征关系识别模型生成校正矩阵的步骤，具体包括：采集所述人脸特征识别模型的训练结果，并对所述训练结果进行标注，得到健康状态标签；统计所述健康状态标签的数量，并基于所述健康状态标签的数量计算每一个所述健康状态标签的联合分布概率；基于所述联合分布概率对所述健康状态标签进行组合，得到第二训练样本集和第二验证数据集；根据所述第二训练样本集对预设的初始关系识别模型进行训练，得到特征关系识别模型；获取所述特征关系识别模型的输出结果，并基于所述输出结果生成校正矩阵。
5.如权利要求4所述的基于图像的健康状态识别方法，其特征在于，所述根据所述第二训练样本集对预设的初始关系...
【专利技术属性】
技术研发人员：陈昊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。