[发明专利]用于身心状态检测的检测模型构建、检测方法及相关装置

权利要求书

1.一种用于身心状态检测的检测模型构建方法，其特征在于，包括：

获取训练集和测试集，其中训练集和测试集中每个样本均包括人脸模型特征和真实检测指标，人脸模型特征包括uv-map和人脸vtx数据，真实检测指标包括真实生理指标和真实心理指标；

利用训练集对预设的检测模型进行训练，输出训练后的检测模型，其中检测模型包括用于生理指标检测的XYZ深度学习模型和用于生理指标及心理指标检测的XYZ+RGB深度学习模型；

利用测试集对检测模型进行评估，根据评估结果反向调节检测模型，输出最终的检测模型。

2.根据权利要求1所述的用于身心状态检测的检测模型构建方法，其特征在于，所述训练集和测试集中每个样本的人脸模型特征，包括：

获得样本人脸的三维信息obj文件和二维信息jpg文件；

利用face3d算法对三维信息obj文件和二维信息jpg文件进行处理，输出uv-map和人脸vtx数据；

对人脸vtx数据进行预处理，其中预处理包括归一化和降维。

3.根据权利要求2所述的用于身心状态检测的检测模型构建方法，其特征在于，所述利用face3d算法对三维信息obj文件和二维信息jpg文件进行处理，包括：

利用二维信息jpg文件寻找对应的6个关键特征点和11个次要特征点，重构获得参考脸，其中6个关键特征点为四个眼角加两个嘴角，11个次要特征点为两个鼻翼点，一个鼻尖点；一个鼻梁点，嘴唇中央点，嘴唇上边缘中央点，嘴唇下边缘中央点，下巴中央点，两个耳垂点；

利用三维信息obj文件寻找对应的6个关键特征点和11个次要特征点，确定目标脸，其中6个关键特征点为四个眼角加两个嘴角，11个次要特征点为两个鼻翼点，一个鼻尖点；一个鼻梁点，嘴唇中央点，嘴唇上边缘中央点，嘴唇下边缘中央点，下巴中央点，两个耳垂点；

利用参考脸对目标脸进行配准，获得与参考脸配准之后的目标脸；

利用GPA算法对与参考脸配准之后的目标脸进行归一化处理；

输出归一化处理后目标脸的uv-map和人脸vtx数据。

4.根据权利要求1或2或3所述的用于身心状态检测的检测模型构建方法，其特征在于，所述XYZ深度学习模型为基于MLP多层神经网络构建的模型。

5.根据权利要求1或2或3所述的用于身心状态检测的检测模型构建方法，其特征在于，所述XYZ+RGB深度学习模型为基于Inception-Resnet神经网络构建的模型。

6.根据权利要求4所述的用于身心状态检测的检测模型构建方法，其特征在于，所述XYZ+RGB深度学习模型为基于Inception-Resnet神经网络构建的模型。

7.一种身心状态检测方法，其特征在于，包括：

采集待测用户的人脸模型特征，其中人脸模型特征包括uv-map和人脸vtx数据；

将所述待测用户的人脸模型特征输入检测模型，得到检测指标，检测指标包括真实生理指标和真实心理指标；其中，所述检测模型是采用如权利要求1至6中任意一项所述的用于身心状态检测的检测模型构建方法所构建的检测模型。

8.一种检测模型构建装置，其特征在于，包括：

样本建立单元，获取训练集和测试集，其中，所述训练集和测试集中每个样本均包括人脸模型特征和真实检测指标，人脸模型特征包括uv-map和人脸vtx数据，真实检测指标包括真实生理指标和真实心理指标；

模型训练单元，利用训练集对预设的检测模型进行训练，输出训练后的检测模型，其中，所述检测模型包括用于生理指标检测的XYZ深度学习模型和用于生理指标及心理指标检测的XYZ+RGB深度学习模型；

模型评估单元，利用测试集对检测模型进行评估，根据评估结果反向调节检测模型，输出最终的检测模型。