[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

说明书

本发明涉及健康检测技术领域，是一种用于身心状态检测的检测模型构建、检测方法及相关装置，该方法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；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，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。本发明利用三维以及RGB摄像机，对用户的脸部进行采样，再结合机器学习与深度学习，对用户的健康指标以及心理指标进行检测，简化了基础身心指标检测过程，为扩大基础身心指标定期检测提供便捷。

技术领域

本发明涉及健康检测技术领域，是一种用于身心状态检测的检测模型构建、检测方法及相关装置。

背景技术

传统健康检查及心理检查，需要预约时间、预约医生、预约体检中心。若只是简单的健康指标检查(如：血压，血糖等)和心理指标检查(如：焦虑，开心等)也依然需要执行上述进行检查，使得检查过程繁琐、成本高。

随着计算机技术的不断发展，人脸识别的应用也越来越广泛，人脸识别技术是基于人的脸部特征进行身份识别的一种生物识别技术，即用摄像机或摄像头采集含有人脸的图像或视频流，自动检测和跟踪人脸，并进行人脸识别。现有人脸识别主要应用于人脸匹配、证件识别等物理属性的判断，无法基于人脸识别对用户的健康指标或心理指标做进一步的预测。

发明内容

发明目的：本发明提供了一种用于身心状态检测的检测模型构建、检测方法及相关装置，用于通过人脸数据对人员生理指标和心理指标进行检测。

本发明解决该技术问题所采用的技术方案是：有鉴于此，本申请第一方面提供了一种用于身心状态检测的检测模型构建方法，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。

上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。。

上述利用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。