[发明专利]基于人脸特征点的身体质量指数预测方法

说明书

本发明涉及一种基于人脸特征点的身体质量指数预测方法，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类别一起作为数据，送入回归模型进行训练，获得人脸特征和身体质量指数所属类别的回归关系，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。这种测量方法缩短了流程，减少了不必要的时间；所需的硬件设备的要求只需要具备摄像头和处理器(CPU)，换言之，此技术通过手机就可达成目的，而从现在社会发展来看，手机几乎成为每个人的标配工具，这无疑会将身体健康测量变得更加的便携和普适化，从而引起人们对自身健康更多的关注。

技术领域

本发明涉及一种识别技术，特别涉及一种基于人脸特征点的身体质量指数预测方法。

背景技术

目前较为普遍的身体质量指数(BMI)测量，都是用体重公斤数除以身高米数平方得出的数值，即是以参与者身高和体重作为输入，经过公式计算得来。此方法容易受到测量设备的限制以及场地等外界因素干扰，而且需要逐个测量、记录与计算的过程十分繁琐，因此无法快速完成对人群的测算。根据先前的研究表明，成年的参与者往往会高估自己升高或者低估自己体重，导致BMI测量不准确。

发明内容

克服身体质量指数测量因外界因素导致的测量不准确的问题，提出了一种基于人脸特征点的身体质量指数预测方法，排除外界因素，仅通过人脸识别预测身体质量指数。

本发明的技术方案为：一种基于人脸特征点的身体质量指数预测方法，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。

优选的，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2D XY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。

优选的，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。

优选的，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。

优选的，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。

优选的，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相乘得到矫正后的脸的矩阵A^*。