[发明专利]一种BMI评测方法、装置及计算机可读存储介质

权利要求书

1.一种BMI评测方法，其特征在于，所述方法包括：

采集样本人脸图像数据，所述样本人脸图像数据包括BMI值；

采用卷积神经网络训练样本人脸图像数据，获得训练模型；

获取待检测的人脸图像，对所述待检测人脸图像的人脸关键特征点进行定位，获取人脸关键点；

根据人脸关键点，进行人脸轮廓提取，获取人脸轮廓；

对所述人脸轮廓根据透视视角进行等比例拉伸，获得预处理后人脸图像；

根据所述训练模型对所述预处理后人脸图像进行类别预测，得到待检测人脸图像的评测BMI值。

2.根据权利要求1所述的BMI评测方法，其特征在于，步骤对所述人脸轮廓根据透视视角进行等比例拉伸，获得预处理后人脸图像的同时，还包括步骤：

根据相机参数对人脸轮廓区域的每个像素的RGB色度分量，逐点进行色度校正和亮度校正。

3.根据权利要求1所述的BMI评测方法，其特征在于，步骤采用卷积神经网络训练样本人脸图像数据，获得训练模型，还包括步骤：

将人脸图像剪裁成大小为224*224的图像；

将所述剪裁后的图像转成leveldb格式；

用所述leveldb格式图像训练卷积神经网络VGG-16；

用softmax函数输出BMI极低、BMI正常、BMI极高三个类别值的概率值，输出值为最大概率值对应的类别值。

4.根据权利要求1所述的BMI评测方法，其特征在于，步骤获取待检测的人脸图像，对所述待检测人脸图像的人脸关键特征点进行定位，获取人脸关键点；根据人脸关键点，进行人脸轮廓提取，获取人脸轮廓；对所述人脸轮廓根据透视视角进行等比例拉伸，获得预处理后人脸图像；进一步包括步骤：

获取待检测的人脸图像，采用主动形状模型算法对所述待检测人脸图像的人脸关键特征点进行定位，获取人脸关键点；

根据人脸关键点，采用sobel算子进行人脸轮廓提取，剔除人脸区域之外的背景，获取人脸轮廓；

对所述人脸轮廓根据透视视角采用二维线性插值算法进行等比例拉伸，获得预处理后人脸图像。

5.根据权利要求1-4任意一项所述的BMI评测方法，其特征在于，所述根据所述训练模型对所述预处理后人脸图像进行类别预测，得到待检测人脸图像的评测BMI值的步骤之后，还包括步骤：

获取用户上传的实测BMI值；

将所述评测BMI值与所述实测BMI值采用卷积网络模型进行微调训练；

更新迭代所述训练模型。

6.一种BMI评测装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的BMI评测程序，所述BMI评测程序被所述处理器执行时实现如下步骤：

采集样本人脸图像数据，所述样本人脸图像数据包括BMI值；

采用卷积神经网络训练样本人脸图像数据，获得训练模型；

获取待检测的人脸图像，对所述待检测人脸图像的人脸关键特征点进行定位，获取人脸关键点；

根据人脸关键点，进行人脸轮廓提取，获取人脸轮廓；

对所述人脸轮廓根据透视视角进行等比例拉伸，获得预处理后人脸图像；

根据所述训练模型对所述预处理后人脸图像进行类别预测，得到待检测人脸图像的评测BMI值。

7.根据权利要求6所述的BMI评测装置，其特征在于，步骤对所述人脸轮廓根据透视视角进行等比例拉伸，获得预处理后人脸图像的同时，还包括步骤：

根据相机参数对人脸轮廓区域的每个像素的RGB色度分量，逐点进行色度校正和亮度校正。