[发明专利]BMI预测方法、装置、计算机设备和存储介质

权利要求书

1.一种BMI预测方法，其特征在于，包括：

获取投保人的当前人脸特征；

将所述当前人脸特征输入到预设的基于神经网络模型训练完成的BMI区间判定模型中进行运算；其中，所述BMI区间判定模型基于人脸特征，以及与所述人脸特征关联的BMI类别组成的样本数据训练而成；

输出所述投保人的BMI结果。

2.根据权利要求1所述的BMI预测方法，其特征在于，所述获取投保人的当前人脸特征的步骤，包括：

获取所述投保人的当前人脸图片，并提取出所述当前人脸图片中的人脸区域图片；

对所述人脸区域图片进行扩充处理；

对扩充后的所述人脸区域图片进行特征提取，得到所述当前人脸特征。

3.根据权利要求1所述的BMI预测方法，其特征在于，所述BMI区间判定模型的获取方法，包括：

获取指定量的样本数据，并将样本数据分成训练集和测试集；其中，所述样本数据包括人脸特征，以及与所述人脸特征对应的BMI；

将训练集的样本数据输入到神经网络模型中进行训练；其中，训练的过程中采用随机梯度下降法，利用反向传导法则更新所述神经网络模型各层的参数，得到结果训练模型；

利用所述测试集的样本数据验证所述结果训练模型；

如果验证通过，则将所述结果训练模型记为所述BMI区间判定模型。

4.根据权利要求3所述的BMI预测方法，其特征在于，所述将训练集的样本数据输入到神经网络模型中进行训练的步骤之前，包括：

对所述训练集的样本数据进行数据增强。

5.根据权利要求3所述的BMI预测方法，其特征在于，所述将训练集的样本数据输入到神经网络模型中进行训练的步骤，包括：

调用对应所述神经网络模型的已经训练完成的已知神经网络模型的各层权重参数；

将各层的所述权重参数初始化为所述神经网络模型的各层权重参数；

通过初始化后的所述神经网络模型训练得到所述结果训练模型。

6.根据权利要求1所述的BMI预测方法，其特征在于，所述BMI区间判定模型包括男性BMI区间判定模型、女性BMI区间判定模型；所述将所述当前人脸特征输入到预设的基于神经网络模型训练完成的BMI区间判定模型中进行运算的步骤，包括：

根据所述当前人脸特征判断所述投保人的性别；

根据判断结果调用对应性别的BMI区间判定模型，并将所述当前人脸特征输入到对应性别的BMI区间判定模型中进行运算。

7.根据权利要求1所述的BMI预测方法，其特征在于，所述BMI区间判定模型包括不同年龄段的BMI区间判定模型；所述将所述当前人脸特征输入到预设的基于神经网络模型训练完成的BMI区间判定模型中进行运算的步骤，包括：

根据所述当前人脸特征判断所述投保人的年龄段；

根据判断结果调用对应年龄段的BMI区间判定模型，并将所述当前人脸特征输入到对应年龄段的BMI区间判定模型中进行运算。

8.一种BMI预测装置，其特征在于，包括：

获取单元，用于获取投保人的当前人脸特征；

输入运算单元，用于将所述当前人脸特征输入到预设的基于神经网络模型训练完成的BMI区间判定模型中进行运算；其中，所述BMI区间判定模型基于人脸特征，以及与所述人脸特征关联的BMI类别组成的样本数据训练而成；

输出单元，用于输出所述投保人的BMI结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。