[发明专利]基于人脸特征点的身体质量指数预测方法

权利要求书

1.一种基于人脸特征点的身体质量指数预测方法，其特征在于，将人脸照片和与之对应的身体质量指数所属类别关联，建立身体质量指数的回归模型，将人脸照片中的提取特征值和对应的BMI类别一起作为一个数据，采集数量级的数据组成了训练数据集和测试数据集，将训练数据集送入回归模型进行训练，从训练数据集中获得人脸特征和身体质量指数所属类别的回归关系，并将训练后回归关系运用在测试数据集上并检验效果，如验证达到效果要求，只要拍摄人脸送入训练后模型即可得到对应身体质量指数所属类别。

2.根据权利要求1所述基于人脸特征点的身体质量指数预测方法，其特征在于，所述人脸特征值提取实现的具体步骤如下：

1)通过摄像头并经过模型获取五官和脸颊轮廓的个人脸特征点，并记录特征点的2DXY坐标作为2维数据，或者特征点的3D XYZ坐标作为3维数据；

2)将获取的人脸特征点坐标的各个维度减去各个维度所有特征点的均值，再除以鼻子的长度或者两眼角内侧距离完成归一化，获取归一化后的人脸特征点值；将归一化后的人脸特征点值通过所有人脸中选定的模板进行对比矫正，获得矫正后人脸特征点值；

3)对步骤2)处理后的人脸特征点值进行特征组合获得特征值。

3.根据权利要求2所述基于人脸特征点的身体质量指数预测方法，其特征在于，所述步骤3)根据步骤2)获得的矫正后人脸特征点值进行计算，获取颧骨与颔骨的宽度、脸长与面积比、下脸与脸部高度比，选取一项或多项组合作为特征值；也可以直接将人脸每个特征点值数据矩阵作为特征值。

4.根据权利要求1至3任意一项所述基于人脸特征点的身体质量指数预测方法，其特征在于，所述身体质量指数类别：BMI＝18.5偏瘦、BMI＝18.5～24正常、BMI＝24偏重三类，在进行分类模型的输入的时候，是将人脸特征值和对应的BMI类别作为一个数据，训练数据集和测试数据集的比值为9:1。

5.根据权利要求2所述基于人脸特征点的身体质量指数预测方法，其特征在于，所述回归模型的结果是属于支持向量机回归的，二维数据模型选择线性核，三维数据模型选择多项式核。

6.根据权利要求2所述基于人脸特征点的身体质量指数预测方法，其特征在于，所述模板是从数据集中选取的一张脸数据作为模板，一旦选定此人脸数据作为训练的模板数据，所有人脸数据都通过此模板数据进行矫正；矫正是指先将需矫正人脸归一化后的特征点值存为一个矩阵A，再对A求伪逆，并与事先存储好的模板脸的点矩阵B相乘，得到关系ω，最后将A与ω相乘得到矫正后脸的数据矩阵A^*。