[发明专利]身体健康状态检测方法、装置、可读存储介质及终端设备

权利要求书

1.一种身体健康状态检测方法，其特征在于，包括：

获取待检测用户的人脸图像，并从所述待检测用户的人脸图像中提取用于进行身体健康状态检测的目标图像；

使用预设的身体健康状态检测模型对所述待检测用户的目标图像进行处理，得到所述待检测用户的身体健康状态检测值；其中，所述身体健康状态检测模型为经过预设的训练样本集合训练得到的神经网络模型，所述训练样本集合中的每个训练样本均包括一个历史用户的目标图像以及身体健康状态标签值；

根据所述待检测用户的身体健康状态检测值确定所述待检测用户的身体健康状态。

2.根据权利要求1所述的身体健康状态检测方法，其特征在于，所述训练样本集合的设置过程包括：

从预设的数据库中获取选定用户的人脸图像以及身体健康状态标签值，所述选定用户为所述数据库中存储的任意一个历史用户；

从所述选定用户的人脸图像中提取所述选定用户的第一目标图像，并以所述选定用户的第一目标图像为基准拓展出各个第二目标图像；

根据所述选定用户的第一目标图像、各个第二目标图像以及身体健康状态标签值构造与所述选定用户对应的训练样本子集；

将与所述选定用户对应的训练样本子集添加入所述训练样本集合。

3.根据权利要求2所述的身体健康状态检测方法，其特征在于，所述以所述选定用户的第一目标图像为基准拓展出各个第二目标图像，包括：

按照预设的各个旋转角度分别对所述选定用户的第一目标图像进行旋转，得到各个第二目标图像。

4.根据权利要求2所述的身体健康状态检测方法，其特征在于，所述以所述选定用户的第一目标图像为基准拓展出各个第二目标图像，包括：

计算所述第一目标图像的色彩分布概率密度；

使用预设的变换函数对所述色彩分布概率密度进行变换，得到变换后的色彩分布概率密度；

根据所述变换后的色彩分布概率密度计算所述第一目标图像的色彩分量数值；

根据所述色彩分量数值对所述第一目标图像进行调整，得到与所述变换函数对应的第二目标图像。

5.根据权利要求1所述的身体健康状态检测方法，其特征在于，所述身体健康状态检测模型包括卷积层、激励层和全连接层；

所述使用预设的身体健康状态检测模型对所述待检测用户的目标图像进行处理，得到所述待检测用户的身体健康状态检测值，包括：

使用所述卷积层对所述待检测用户的目标图像进行卷积处理，得到卷积层输出结果；

使用所述激励层对所述卷积层输出结果进行非线性映射，得到激励层输出结果；

使用所述全连接层对所述激励层输出结果进行处理，得到所述待检测用户的身体健康状态检测值。

6.根据权利要求1至5中任一项所述的身体健康状态检测方法，其特征在于，所述身体健康状态检测模型的训练过程包括：

将所述训练样本集合中的各个训练样本中的目标图像输入所述身体健康状态检测模型中进行处理，得到各个训练样本的模型输出值；

使用预设的损失函数评估各个训练样本的模型输出值与身体健康状态标签值之间的差异度；

若所述差异度大于预设的误差阈值，则对所述身体健康状态检测模型的模型参数进行调整，并返回执行所述将所述训练样本集合中的各个训练样本中的目标图像输入所述身体健康状态检测模型中进行处理的步骤；

若所述差异度小于或等于所述误差阈值，则结束对所述身体健康状态检测模型的训练过程。

7.根据权利要求6所述的身体健康状态检测方法，其特征在于，所述使用预设的损失函数评估各个训练样本的模型输出值与身体健康状态标签值之间的差异度，包括：

使用如下所示的损失函数评估各个训练样本的模型输出值与身体健康状态标签值之间的差异度：

其中，i为训练样本的序号，1≤i≤N，N为所述训练样本集合中的训练样本总数，p_i为第i个训练样本的模型输出值，y_i为第i个训练样本的身体健康状态标签值，Loss为所述差异度。