[发明专利]一种融合ZED视觉的人体健康特征大数据智慧计算方法与装置

权利要求书

1.一种融合ZED视觉的人体健康特征大数据智慧计算方法，其特征在于，包括以下步骤：

步骤1：构建人体健康特征数据库；

所述人体健康特征数据库包括人体自然体征数据库和人体极限运动数据库；

其中，所述人体自然体征数据库包括不同人的脸部图像和对应的身高，且所述脸部图像包括在不同光照强度下获得的各种正面图像、左脸图像以及右脸图像；

所述人体极限运动数据库包括人体健康特征数据库中每个人在不同极限运动的各种运动量情况下的健康数据，所述健康数据是指在运动过程中10s内采集的心率、血压和体温；

步骤2：依据搭载在无人机上的ZED相机获取的人体身高，筛选出待识别人体群并且获取对应的脸部图像数据块；

步骤3：基于Hadoop平台对待识别人体脸部图像数据块进行待识别人体的快速识别；

步骤3.1：将待识别人体的脸部图像数据块，利用MapReduce进行切片，并为每一个数据分片构造一个Map任务；

步骤3.2：利用Input Format类将每个数据分片转换成<key/value>对，以key记录每个数据分片起点的存储位置，以value记录每个数据分片的数据长度；

步骤3.3：对步骤3.2得到的所有<key/value>对对应的脸部图像数据进行Map操作；

所述Map操作是指对一个数据分片中的脸部图像依次进行预处理、Gabor特征提取、PCA降维处理后，采用在Hadoop平台训练得到的基于PID神经网络的脸部识别模型进行识别；

步骤3.4：利用Reduce函数融合所有Map操作输出的识别结果；

其中，所述在Hadoop平台训练得到的基于PID神经网络的脸部识别模型是指将脸部图像训练数据按照步骤3.1-3.2的过程利用MapReduce进行多次数据分片处理，并将每个数据分片对应的训练数据，训练基于PID神经网络的脸部识别模型，将所有训练完后的基于PID神经网络的脸部识别模型中的权值和阈值求平均，直到最终基于PID神经网络的脸部识别模型的精度满足设定的识别精度或者执行MapReduce次数达到设定的最大执行次数；

步骤4：利用识别结果，使得无人机跟踪待识别人体，并与待识别人体的穿戴设备进行通信，获取待识别人体的健康数据传输至远程服务器；

步骤5：将获取的待识别人体的健康数据和对应的眼部、嘴部特征输入基于深度置信网络DBN的数据融合模型，计算得到待识别人体的健康检测程度。

2.根据权利要求1所述的方法，其特征在于，所述基于PID神经网络脸部识别模型的构建过程如下：

步骤3.3.1：对每一幅训练图像进行预处理和Garbor特征提取，并对提取的图像Gabor特征进行PCA降维，得到降维矩阵；

步骤3.3.2：利用MapReduce对训练图像数据和对应的图像编号进行切片，依次将每个数据分片中所有训练图像的降维矩阵对应的特征向量作为输入层节点，输出层节点为数据分片中每个训练图像的编号，对PID神经网络进行训练，得到基于PID神经网络的脸部识别模型；

其中，最大迭代次数为100，训练学习率为0.1，在训练过程中，所述PID神经网络的权值和阈值采用自适应花授粉算法进行寻优获得。