皮质醇含量的测评方法、装置、计算机设备及计算机存储介质制造方法及图纸

本申请公开了一种皮质醇含量的测评方法、装置、计算机设备及计算机存储介质，涉及人工智能技术领域，不仅降低了皮质醇含量的测量难度，还能实时监控用户的身体健康状况。所述方法包括：获取人脸图像特征样本数据，所述人脸图像特征样本数据携带有各种皮质醇含量等级标签；将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型，所述皮质醇含量模型记录有人脸图像特征与皮质醇含量等级的映射关系；将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。

【技术实现步骤摘要】
皮质醇含量的测评方法、装置、计算机设备及计算机存储介质
本专利技术涉及人工智能
，尤其是涉及到皮质醇含量的测评方法、装置、计算机设备及计算机存储介质。
技术介绍
皮质醇是由肾上腺皮质分泌的糖皮质激素，皮质醇在操控情绪和健康、免疫细胞和炎症、血管和血压间联系，以及维护结缔组织等方面具有重要的功效，在长期压力下，皮质醇水平会长期偏高，导致血糖升高、肥胖、易疲劳等生理负面反映，过多皮质醇会导致库欣综合征，也就是皮质醇增多症。目前，常用的皮质醇含量的测量方法有尿检、血检、口服地塞米松或其他药物、CT等方式，然而，这几种皮质醇含量的测量方法均需要特定的医疗设备进行测量，并且使用程序繁琐耗时耗力，测量缓慢，给待测病人的生活带来诸多不便，无法实时快捷有效地测量皮质醇。
技术实现思路
本专利技术实施例提供了皮质醇含量的测评方法、装置、计算机设备及计算机存储介质，解决了相关技术中无法实时有效的测量皮质醇含量的问题。根据本专利技术实施例的第一方面，提供一种皮质醇含量的测评方法，所述方法包括：获取人脸图像特征样本数据，所述人脸图像特征样本数据携带有各种皮质醇含量等级标签；将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型，所述皮质醇含量模型记录有人脸图像特征与皮质醇含量等级的映射关系；将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。进一步地，所述获取人脸图像样本数据包括：收集符合预设条件的人脸图像；对所述符合预设条件的人脸图像进行预处理，获取人脸图像特征样本数据。进一步地，所述对所述符合预设条件的人脸图像进行预处理，获取人脸图像特征样本数据包括：对所述符合预设条件的人脸图像进行定位，确定人脸图像关键点；根据所述人脸图像关键点提取人脸图像轮廓区域；通过对所述人脸图像轮廓区域内的像素点参数进行调整，得到人脸图像特征样本数据。进一步地，所述获取人脸图像特征样本数据还包括：根据皮质醇测评标准对所述人脸图像特征样本数据进行标记，得到携带各种皮质醇含量等级标签的人脸图像特征样本数据。进一步地，所述卷积神经网络为多层结构的网络模型，所述将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型包括：通过所述卷积神经网络模型的卷积层提取各种皮质醇含量等级的人脸图像样本特征数据的局部人脸特征信息；通过所述卷积神经网络模型的全连接层将提取到的局部人脸特征信息进行连接，得到各种皮质醇含量等级的多维度局部人脸特征信息矩阵；通过所述卷积神经网络模型的池化层对各种皮质醇含量等级的多维度局部人脸特征信息矩阵进行融合，输出携带有各种皮质醇含量等级标签的人脸图像特征矩阵；通过所述卷积神经网络模型的分类层对携带有各种皮质醇含量等级标签人脸图像特征矩阵进行分类，构建皮质醇含量测评模型。进一步地，在所述将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级之后，所述方法还包括：将所述待测评用户的皮质醇含量等级发送至待测评用户，以便于用户实时监控健康状态。进一步地，在所述将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级之后，所述方法还包括：根据待测评用户对测评皮质醇含量等级结果的反馈信息，调整预设皮质醇含量等级的人脸图像特征样本数据在所述人脸图像特征样本数据中的比重；将调整比重后的人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建调整后的皮质醇含量测评模型；将待测评用户人脸图像特征数据输入至所述调整后的皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。根据本专利技术实施例的第二方面，提供一种皮质醇含量的测评装置，所述装置包括：获取单元，用于获取人脸图像特征样本数据，所述人脸图像特征样本数据携带有各种皮质醇含量等级标签；第一训练单元，用于将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型，所述皮质醇含量模型记录有人脸图像特征与皮质醇含量等级的映射关系；第一测评单元，用于将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。进一步地，所述获取单元包括：收集模块，用于收集符合预设条件的人脸图像；获取模块，用于对所述符合预设条件的人脸图像进行预处理，获取人脸图像特征样本数据。进一步地，所述获取模块，具体用于对所述符合预设条件的人脸图像进行定位，确定人脸图像关键点；所述获取模块，具体还用于根据所述人脸图像关键点提取人脸图像轮廓区域；所述获取模块，具体还用于通过对所述人脸图像轮廓区域内的像素点参数进行调整，得到人脸图像特征样本数据。进一步地，所述获取单元还包括：标记模块，用于根据皮质醇测评标准对所述人脸图像特征样本数据进行标记，得到携带各种皮质醇含量等级标签的人脸图像特征样本数据。进一步地，所述卷积神经网络为多层结构的网络模型，所述第一训练单元包括：提取模块，用于通过所述卷积神经网络模型的卷积层提取各种皮质醇含量等级的人脸图像样本特征数据的局部人脸特征信息；连接模块，用于通过所述卷积神经网络模型的全连接层将提取到的局部人脸特征信息进行连接，得到各种皮质醇含量等级的多维度局部人脸特征信息矩阵；融合模块，用于通过所述卷积神经网络模型的池化层对各种皮质醇含量等级的多维度局部人脸特征信息矩阵进行融合，输出携带有各种皮质醇含量等级标签的人脸图像特征矩阵；分类模块，用于通过所述卷积神经网络模型的分类层对携带有各种皮质醇含量等级标签人脸图像特征矩阵进行分类，构建皮质醇含量测评模型。进一步地，所述装置还包括：发送单元，用于在所述将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级之后，将所述待测评用户的皮质醇含量等级发送至待测评用户，以便于用户实时监控健康状态。进一步地，所述装置还包括：调整单元，用于在所述将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级之后，根据待测评用户对测评皮质醇含量等级结果的反馈信息，调整预设皮质醇含量等级的人脸图像特征样本数据在所述人脸图像特征样本数据中的比重；第二训练单元，用于将调整比重后的人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建调整后的皮质醇含量测评模型；第二测评单元，用于将待测评用户人脸图像特征数据输入至所述调整后的皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。根据本专利技术实施例的第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述皮质醇含量的测评方法的步骤。根据本专利技术实施例的第四方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述皮质醇含量的测评方法的步骤。通过本专利技术，获取人脸图像样本数据，并将携带各种皮质醇含量等级标签的人脸图像特征样本数据输入至卷积神经网络进行训练，构建皮质醇含量测评模型，通过皮质醇含量测评模型来识别每个输入用户人脸图像的皮质醇含量等级。与现有技术的皮质醇量测评的方法相比，本专利技术实施例基于深度学习识别面容图像来对皮质醇含量进行测评，能够及时检测出不同面容图像用户对应的皮质醇含量等级，无需特定医疗设备即可实现本文档来自技高网...

【技术保护点】
1.一种皮质醇含量的测评方法，其特征在于，所述方法包括：获取人脸图像特征样本数据，所述人脸图像特征样本数据携带有各种皮质醇含量等级标签；将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型，所述皮质醇含量模型记录有人脸图像特征与皮质醇含量等级的映射关系；将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。

【技术特征摘要】
1.一种皮质醇含量的测评方法，其特征在于，所述方法包括：获取人脸图像特征样本数据，所述人脸图像特征样本数据携带有各种皮质醇含量等级标签；将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型，所述皮质醇含量模型记录有人脸图像特征与皮质醇含量等级的映射关系；将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。2.根据权利要求1所述的方法，其特征在于，所述获取人脸图像特征样本数据包括：收集符合预设条件的人脸图像；对所述符合预设条件的人脸图像进行预处理，获取人脸图像特征样本数据。3.根据权利要求2所述的方法，其特征在于，所述对所述符合预设条件的人脸图像进行预处理，获取人脸图像特征样本数据包括：对所述符合预设条件的人脸图像进行定位，确定人脸图像关键点；根据所述人脸图像关键点提取人脸图像轮廓区域；通过对所述人脸图像轮廓区域内的像素点参数进行调整，得到人脸图像特征样本数据。4.根据权利要求1所述的方法，其特征在于，所述获取人脸图像特征样本数据还包括：根据皮质醇测评标准对所述人脸图像特征样本数据进行标记，得到携带各种皮质醇含量等级标签的人脸图像特征样本数据。5.根据权利要求4所述的方法，其特征在于，所述卷积神经网络为多层结构的网络模型，所述将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型包括：通过所述卷积神经网络模型的卷积层提取各种皮质醇含量等级的人脸图像样本特征数据的局部人脸特征信息；通过所述卷积神经网络模型的全连接层将提取到的局部人脸特征信息进行连接，得到各种皮质醇含量等级的多维度局部人脸特征信息矩阵；通过所述卷积神经网络模型的池化层对各种皮质醇含量等级的多维度局部人脸特征信息矩阵进行融合，输出携带有各种皮质醇含量等级标签的人脸图像特征矩阵；通过所...

【专利技术属性】
技术研发人员：石磊，马进，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44