体质识别方法、装置、存储介质及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114098640A(43)申请公布日2022.03.01(21)申请号202111371929.1(22)申请日2021.11.18(71)申请人北京鹰之眼智能健康科技有限公司地址100097北京市海淀区正福寺路10号西区1幢1层3号(72)发明人孙林林王乐平付家为崔德琪(74)专利代理机构北京德崇智捷知识产权代理有限公司11467代理人邢飞飞(51)Int.Cl.A61B5/00(2006.01)权利要求书2页说明书10页附图9页(54)发明名称体质识别方法、装置、存储介质及设备(57)摘要本申请公开了一种体质识别方法、装置、存储介质及设备，属于中医诊疗技术领域。所述方法包括：获取目标对象的面部的红外图像；将所述红外图像输入预先训练好的神经网络模型中，得到所述红外图像中每个像素所属的面部区域，所述面部区域是对所述面部进行分割得到的；对所述红外图像中属于同一面部区域的像素的红外数据进行统计，得到每个面部区域的统计数据；根据每个面部区域的统计数据识别所述目标对象的体质。本申请能够根据红外图像自动识别目标对象的体质，从而能够快速准确地识别目标对象的体质。CN114098640ACN114098640A权利要求书1/2页1.一种体质识别方法，其特征在于，所述方法包括：获取目标对象的面部的红外图像；将所述红外图像输入预先训练好的神经网络模型中，得到所述红外图像中每个像素所属的面部区域，所述面部区域是对所述面部进行分割得到的；对所述红外图像中属于同一面部区域的像素的红外数据进行统计，得到每个面部区域的统计数据；根据每个面部区域的统计数据识别所述目标对象的体质。2.根据权利要求1所述的方法，其特征在于，所述神经网络模型中包括ResNet模型、Transformer模型和上采样算法模块。3.根据权利要求2所述的方法，其特征在于，所述将所述红外图像输入预先训练好的神经网络模型中，得到所述红外图像中每个像素所属的面部区域，包括：利用所述ResNet模型对所述红外图像进行处理，得到第一特征图和多个第二特征图；利用所述Transformer模型对所述第一特征图进行处理，得到第三特征图；利用上采样算法模块对所述第三特征图和多个第二特征图进行处理，得到所述红外图像中每个像素所属的面部区域。4.根据权利要求3所述的方法，其特征在于，所述利用所述ResNet模型对所述红外图像进行处理，得到第一特征图和多个第二特征图，包括：当所述ResNet模型中包括顺序连接的m个卷积模块和池化层时，将所述红外图像输入所述ResNet模型进行卷积处理和残差处理，m为正整数；将前m‑1个卷积模块中的n个卷积模块的输出结果作为所述第二特征图，n为正整数且n＜m；将第m个卷积模块的输出结果输入所述池化层中，得到所述第二特征图。5.根据权利要求3所述的方法，其特征在于，所述利用所述Transformer模型对所述第一特征图进行处理，得到第三特征图，包括：当所述Transformer模型中包括顺序连接的k个编码模块时，将所述第一特征图输入所述Transformer模型中，利用所述编码模块中的多头自注意力机制对所述第一特征图进行处理，k为正整数；将第k个编码模块的输出结果作为所述第三特征图。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据每个面部区域的统计数据识别所述目标对象的体质，包括：将每个面部区域的统计数据输入预先训练好的长短时记忆网络中，得到所述目标对象的体质。7.根据权利要求6所述的方法，其特征在于，所述将每个面部区域的统计数据输入预先训练好的长短时记忆网络中，包括：将各个面部区域的统计数据按照预定顺序进行连接，得到组合向量；将所述组合向量输入所述长短时记忆网络中。8.一种体质识别装置，其特征在于，所述装置包括：获取模块，用于获取目标对象的面部的红外图像；计算模块，用于将所述红外图像输入预先训练好的神经网络模型中，得到所述红外图2CN114098640A权利要求书2/2页像中每个像素所属的面部区域，所述面部区域是对所述面部进行分割得到的；统计模块，用于对所述红外图像中属于同一面部区域的像素的红外数据进行统计，得到每个面部区域的统计数据；识别模块，用于根据每个面部区域的统计数据识别所述目标对象的体质。9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至7任一所述的体质识别方法。10.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至7任一所述的体质识别方法。3CN114098640A说明书1/10页体质识别方法、装置、存储