体脂率的测量方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种体脂率的测量方法、装置及计算机可读存储介质，方法包括：在接收到测量指令时，获取目标对象对应的第一身体数据，第一身体数据包括预设的身高、年龄、性别以及体态标签；测量目标对象的第二身体数据，第二身体数据包括体重以及下肢阻抗数据；根据第一身体数据以及第二身体数据确定目标对象对应的体脂率。本发明专利技术降低了体脂率的测量成本。本发明专利技术降低了体脂率的测量成本。本发明专利技术降低了体脂率的测量成本。

Measurement method, device and computer readable storage medium of body fat ratio

【技术实现步骤摘要】
体脂率的测量方法、装置及计算机可读存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种体脂率的测量方法、装置及计算机可读存储介质。

技术介绍

[0002]随着学习算法的不断发展优化，现有八电极体脂称通过BIA算法已经可以拟合出与DEXA测量体脂率接近的结果。但四电极体脂称相比于八电极体脂称，其对于人体阻抗的检测只有下肢部分，缺少上肢和躯干部分的阻抗。由于检测数据的不足，导致四电极BIA无法像八电极BIA算法一样高度拟合DEXA检测结果。若是想要得到上半身的阻抗数据，无疑需要增加额外的设备来对上肢进行测量，这将导致体脂率的测量成本升高。

技术实现思路

[0003]本专利技术实施例通过提供一种体脂率的测量方法、装置及计算机可读存储介质，旨在解决如何降低体脂率的测量成本的技术问题。
[0004]本专利技术实施例提供一种体脂率的测量方法，所述体脂率的测量方法包括以下步骤：
[0005]在接收到测量指令时，获取目标对象对应的第一身体数据，所述第一身体数据包括预设的身高、年龄、性别以及体态标签；
[0006]测量所述目标对象的第二身体数据，所述第二身体数据包括体重以及下肢阻抗数据；
[0007]根据所述第一身体数据以及所述第二身体数据确定所述目标对象对应的体脂率。
[0008]在一实施例中，所述根据所述第一身体数据以及所述第二身体数据确定所述目标对象对应的体脂率的步骤包括：
[0009]将所述第一身体数据以及所述第二身体数据作为预先训练的体脂率测量模型的输入参数，其中，所述体脂率测量模型根据所述第一身体数据以及所述第二身体数据输出所述体脂率。
[0010]在一实施例中，所述将所述第一身体数据以及所述第二身体数据作为预先训练的体脂率测量模型的输入参数的步骤之前，所述方法还包括：
[0011]获取训练集以及测试集，所述训练集以及所述测试集包括输入集以及输出集，所述输入集的特征属性包括下肢阻抗、体重、身高、年龄、性别以及体态标签，所述输出集的特征属性包括体脂率；
[0012]根据所述训练集以及所述测试集进行模型训练，以得到所述体脂率测量模型。
[0013]在一实施例中，所述获取训练集以及测试集的步骤包括：
[0014]获取预先采集的多个用户的身体数据样本，所述身体数据样本的特征属性包括下肢阻抗、体重、身高、年龄、性别以及体脂率；
[0015]对所述身体数据样本进行标记，以使得所述身体数据样本对应有体态标签属性；
[0016]将标记有体态标签属性的各个所述身体数据样本划分为所述训练集以及所述测试集。
[0017]在一实施例中，所述根据所述训练集以及所述测试集进行模型训练的步骤包括：
[0018]确定损失函数，并将所述训练集代入模型进行训练；
[0019]在所述损失函数的损失值收敛至最佳数值时，判定所述模型训练完成；
[0020]将所述测试集代入所述模型进行测试，得到所述模型的性能指标；
[0021]确定所述性能指标是否大于等于预设性能指标；
[0022]在所述性能指标大于所述预设性能指标，将所述模型作为所述体脂率测量模型。
[0023]在一实施例中，所述在接收到测量指令时，获取目标对象对应的第一身体数据的步骤包括：
[0024]在接收到测量指令时，获取当前登录账号关联的身体数据作为所述目标对象对应的所述第一身体数据。
[0025]在一实施例中，所述在接收到测量指令时，获取当前登录账号关联的身体数据作为所述目标对象对应的所述第一身体数据的步骤包括：
[0026]在接收到所述测量指令时，确定所述目标对象是否已登录；
[0027]在所述目标对象已登录时，执行所述获取当前登录账号关联的身体数据作为所述目标对象对应的所述第一身体数据的步骤；
[0028]在所述目标对象未登录时，输出需要登录的提示信息。
[0029]在一实施例中，所述测量所述目标对象的第二身体数据的步骤包括：
[0030]控制测量装置测量所述目标对象的下肢阻抗以及体重，得到所述第二身体数据。
[0031]本专利技术实施例还提供一种体脂率的测量装置，所述体脂率的测量装置包括：存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的体脂率的测量方法的各个步骤。
[0032]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的体脂率的测量方法的各个步骤。
[0033]在本实施例的技术方案中，体脂率的测量装置在接收到测量指令时，获取目标对象对应的第一身体数据，所述第一身体数据包括预设的身高、年龄、性别以及体态标签；测量所述目标对象的第二身体数据，所述第二身体数据包括体重以及下肢阻抗数据；根据所述第一身体数据以及所述第二身体数据确定所述目标对象对应的体脂率。由于体脂率的测量装置将预设的第一身体数据与实测的第二身体数据进行结合以实现体脂率的测量，目标对象在测量过程中，只需要配合测量部分第二身体数据即可，相对于常规技术手段中需要使用昂贵的设备获取全量数量进行测量，本专利技术降低了体脂率测量的成本。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术实施例涉及的体脂率的测量装置的硬件构架示意图；
[0036]图2为本专利技术体脂率的测量方法第一实施例的流程示意图；
[0037]图3为本专利技术体脂率的测量方法第一实施例的参考图；
[0038]图4为本专利技术体脂率的测量方法第一实施例的参考图；
[0039]图5为本专利技术体脂率的测量方法第二实施例的流程示意图；
[0040]图6为本专利技术体脂率的测量方法第二实施例的参考图；
[0041]图7为本专利技术体脂率的测量方法第二实施例的参考图；
[0042]图8为本专利技术体脂率的测量方法第二实施例的参考图；
[0043]图9为本专利技术体脂率的测量方法第三实施例的流程示意图。
具体实施方式
[0044]为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0045]本专利技术的主要解决方案是：体脂率的测量装置在接收到测量指令时，获取目标对象对应的第一身体数据，所述第一身体数据包括预设的身高、年龄、性别以及体态标签；测量所述目标对象的第二身体数据，所述第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种体脂率的测量方法，其特征在于，所述体脂率的测量方法包括以下步骤：在接收到测量指令时，获取目标对象对应的第一身体数据，所述第一身体数据包括预设的身高、年龄、性别以及体态标签；测量所述目标对象的第二身体数据，所述第二身体数据包括体重以及下肢阻抗数据；根据所述第一身体数据以及所述第二身体数据确定所述目标对象对应的体脂率。2.如权利要求1所述的体脂率的测量方法，其特征在于，所述根据所述第一身体数据以及所述第二身体数据确定所述目标对象对应的体脂率的步骤包括：将所述第一身体数据以及所述第二身体数据作为预先训练的体脂率测量模型的输入参数，其中，所述体脂率测量模型根据所述第一身体数据以及所述第二身体数据输出所述体脂率。3.如权利要求2所述的体脂率的测量方法，其特征在于，所述将所述第一身体数据以及所述第二身体数据作为预先训练的体脂率测量模型的输入参数的步骤之前，所述方法还包括：获取训练集以及测试集，所述训练集以及所述测试集包括输入集以及输出集，所述输入集的特征属性包括下肢阻抗、体重、身高、年龄、性别以及体态标签，所述输出集的特征属性包括体脂率；根据所述训练集以及所述测试集进行模型训练，以得到所述体脂率测量模型。4.如权利要求3所述的体脂率的测量方法，其特征在于，所述获取训练集以及测试集的步骤包括：获取预先采集的多个用户的身体数据样本，所述身体数据样本的特征属性包括下肢阻抗、体重、身高、年龄、性别以及体脂率；对所述身体数据样本进行标记，以使得所述身体数据样本对应有体态标签属性；将标记有体态标签属性的各个所述身体数据样本划分为所述训练集以及所述测试集。5.如权利要求3所述的体脂率的测量方法，其特征在于，所述根据所述训练集以及所述测试集进行模...

【专利技术属性】
技术研发人员：游志鹏，赵学良，
申请(专利权)人：深圳市伊欧乐科技有限公司，
类型：发明
国别省市：