基于人脸图像的健康状态预估方法和装置制造方法及图纸

本发明专利技术提供基于人脸图像的健康状态预估方法和装置，包括：采集目标用户的人脸图像；利用预存的人脸检测模型，框定人脸图像中的人脸区域；裁剪人脸区域，得到第一人脸图像；基于第一人脸图像和预存的健康状态评估模型，确定目标用户在每一类健康状态下的概率值；利用目标用户在每一类健康状态下的概率值，计算目标用户的健康状态预估值。本发明专利技术对裁剪出的人脸图像进行各类健康状态发生概率预估，以得到综合各类健康状态发生概率的人体健康状态预估值，使得健康状态预估更为细致和精确。使得健康状态预估更为细致和精确。使得健康状态预估更为细致和精确。

【技术实现步骤摘要】
基于人脸图像的健康状态预估方法和装置


[0001]本专利技术涉及风险评估
，尤其涉及基于人脸图像的健康状态预估方法和装置。

技术介绍

[0002]人类社会生产力的发展带来了科学技术的发展和物质生活水平的提高，人体健康状态自动辨识日益受到关注。
[0003]目前，现有技术提出了基于人脸图像的健康状态动态辨识方案，该方案侧重于人脸检测算法，利用人脸检测算法获取到人脸各部位的各种特征信息，然后再与健康状态下的人脸特征信息对比得到健康状态。
[0004]但是，因为一幅人脸图像很有可能因为拍摄时的光线、角度等影响人脸面部的情况，单纯的只依赖人脸检测进行健康评估不太严谨、实用性较低。

技术实现思路

[0005]本专利技术提供基于人脸图像的健康状态预估方法和装置，用以解决现有技术中只依赖人脸检测进行健康评估不太严谨的缺陷，提高健康状态预估的准确性。
[0006]第一方面，本专利技术提供了一种基于人脸图像的健康状态预估方法，包括：
[0007]采集目标用户的人脸图像；
[0008]利用预存的人脸检测模型，框定所述人脸图像中的人脸区域；
[0009]裁剪所述人脸区域，得到第一人脸图像；
[0010]基于所述第一人脸图像和预存的健康状态评估模型，确定所述目标用户在每一类健康状态下的概率值；
[0011]利用所述目标用户在每一类健康状态下的概率值，计算所述目标用户的健康状态预估值。
[0012]根据本专利技术提供的基于人脸图像的健康状态预估方法，所述利用预存的人脸检测模型，框定所述人脸图像中的人脸区域之前，还包括：对所述人脸图像进行预处理；
[0013]所述预处理包括下述中一种或几种的组合：
[0014]图像尺寸标准化；图像格式标准化。
[0015]根据本专利技术提供的基于人脸图像的健康状态预估方法，所述人脸检测模型包括：图像分割层、人脸像素点提取层和人脸区域框定层；
[0016]所述利用预存的人脸检测模型，框定所述人脸图像中的人脸区域，包括：
[0017]将所述人脸图像输入至所述图像分割层中，实现基于实体对象轮廓线的实体对象分割；
[0018]在所述人脸像素点提取层中，计算每一个实体对象囊括的像素点与已知人脸五官部位像素点的匹配程度，并认定匹配程度高于预设阈值的实体对象囊括的像素点为人脸像素点；
[0019]利用人脸区域框定层，在所述人脸图像中框定所述人脸像素点。
[0020]根据本专利技术提供的基于人脸图像的健康状态预估方法，所述健康状态评估模型包括：特征计算层、向量转换层和健康状态分类层；
[0021]所述基于所述第一人脸图像和预存的健康状态评估模型，得到所述目标用户在每一类健康状态下的概率值，包括：
[0022]利用所述特征计算层，对所述第一人脸图像进行多维特征学习，得到每一维特征对应的特征信息图谱；
[0023]在所述向量转换层中，将每一维特征对应的特征信息图谱转换为每一维特征对应的特征向量，并通过通道叠加方式叠加所有维度特征对应的特征向量，得到整合特征向量；
[0024]将所述整合特征向量输入至所述健康状态分类层中，得到所述健康状态分类层输出的所述目标用户在每一类健康状态下的概率值。
[0025]根据本专利技术提供的基于人脸图像的健康状态预估方法，所述多维特征包括下述中一种或几种的组合：
[0026]图像纹理特征；图像颜色特征；图像大小特征；图像边缘特征。
[0027]根据本专利技术提供的基于人脸图像的健康状态预估方法，所述人脸检测模型，是利用第一人脸图像数据集训练的；
[0028]所述健康状态评估模型，是利用第二人脸图像数据集训练的；
[0029]其中，所述第一人脸图像数据集中每一张人脸图像，为携带人脸区域标注的人脸采集图像；所述第二人脸图像数据集中每一张人脸图像，仅包含人脸区域且携带健康状态类型标注。
[0030]根据本专利技术提供的基于人脸图像的健康状态预估方法，所述利用所述目标用户在每一类健康状态下的概率值，计算所述目标用户的健康状态预估值，包括：对所述目标用户在每一类健康状态下的概率值进行数值归一化处理，得到所述目标用户的健康状态预估值；
[0031]其中，所述健康状态的类别包括正常状态、非健康状态和不确定状态；所述对所述目标用户在每一类健康状态下的概率值进行数值归一化处理，得到所述目标用户的健康状态预估值，包括：
[0032]当正常状态下的概率值大于等于非健康状态下的概率值时，所述健康状态预估值等于正常状态下的概率值与不确定状态下的概率值的加和；
[0033]当正常状态下的概率值小于非健康状态下的概率值时，所述健康状态预估值等于1和非健康状态下的概率值的差值与不确定状态下的概率值之间的加和。
[0034]第二方面，本专利技术提供一种基于人脸图像的健康状态预估装置，包括：
[0035]采集模块，用于采集目标用户的人脸图像；
[0036]框定模块，用于利用预存的人脸检测模型，框定所述人脸图像中的人脸区域；
[0037]裁剪模块，用于裁剪所述人脸区域，得到第一人脸图像；
[0038]确定模块，用于基于所述第一人脸图像和预存的健康状态评估模型，确定所述目标用户在每一类健康状态下的概率值；
[0039]计算模块，用于利用所述目标用户在每一类健康状态下的概率值，计算所述目标用户的健康状态预估值。
[0040]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在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程序时实现如第一方面所述的基于人脸图像的健康状态预估方法。
[0041]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的基于人脸图像的健康状态预估方法。
[0042]本专利技术提供的基于人脸图像的健康状态预估方法和装置，采集目标用户的人脸图像；利用预存的人脸检测模型框定所述人脸图像中的人脸区域；裁剪所述人脸区域得到第一人脸图像；将所述第一人脸图像输入健康状态评估模型中进行图像信息的深度学习，以预估目标用户在每一类健康状态下的概率值；利用目标用户在每一类健康状态下的概率值，更加准确的分析出目标用户的健康状态评估值。该方案能够高效的通过人脸图像实现健康状态的实时分析判断，具有较好的准确性、高效性和便捷性。
附图说明
[0043]为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图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。
[0044]图1是本专利技术提供的基于人脸图像的健康状态预估方法的流程示意图；
[0045]图2是本专利技术提供的基于人脸图像的健康状态预估装置的结构示意图；
[0046]图3是本专利技术提供的实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸图像的健康状态预估方法，其特征在于，包括：采集目标用户的人脸图像；利用预存的人脸检测模型，框定所述人脸图像中的人脸区域；裁剪所述人脸区域，得到第一人脸图像；基于所述第一人脸图像和预存的健康状态评估模型，确定所述目标用户在每一类健康状态下的概率值；利用所述目标用户在每一类健康状态下的概率值，计算所述目标用户的健康状态预估值。2.根据权利要求1所述的基于人脸图像的健康状态预估方法，其特征在于，所述利用预存的人脸检测模型，框定所述人脸图像中的人脸区域之前，还包括：对所述人脸图像进行预处理；所述预处理包括下述中一种或几种的组合：图像尺寸标准化；图像格式标准化。3.根据权利要求2所述的基于人脸图像的健康状态预估方法，其特征在于，所述人脸检测模型包括：图像分割层、人脸像素点提取层和人脸区域框定层；所述利用预存的人脸检测模型，框定所述人脸图像中的人脸区域，包括：将所述人脸图像输入至所述图像分割层中，实现基于实体对象轮廓线的实体对象分割；在所述人脸像素点提取层中，计算每一个实体对象囊括的像素点与已知人脸五官部位像素点的匹配程度，并认定匹配程度高于预设阈值的实体对象囊括的像素点为人脸像素点；利用人脸区域框定层，在所述人脸图像中框定所述人脸像素点。4.根据权利要求1～3任一项所述的基于人脸图像的健康状态预估方法，其特征在于，所述健康状态评估模型包括：特征计算层、向量转换层和健康状态分类层；所述基于所述第一人脸图像和预存的健康状态评估模型，得到所述目标用户在每一类健康状态下的概率值，包括：利用所述特征计算层，对所述第一人脸图像进行多维特征学习，得到每一维特征对应的特征信息图谱；在所述向量转换层中，将每一维特征对应的特征信息图谱转换为每一维特征对应的特征向量，并通过通道叠加方式叠加所有维度特征对应的特征向量，得到整合特征向量；将所述整合特征向量输入至所述健康状态分类层中，得到所述健康状态分类层输出的所述目标用户在每一类健康状态下的概率值。5.根据权利要求4所述的基于人脸图像的健康状态预估方法，其特征在于，所述多维特征包括下述中一种或几种的组合：图像纹理特征；图像颜色特征；图像大小特征；图像边缘特...

【专利技术属性】
技术研发人员：孟春雷，刘洋，马为之，
申请(专利权)人：清华大学，
类型：发明
国别省市：