(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210328076.1 (22)申请日 2022.03.30 (71)申请人 清华大学 地址 100084 北京市海淀区双清路3 0号清 华大学清华园北京 100084-82信箱 (72)发明人 孟春雷　刘洋　马为之　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 吴勇涛 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人脸图像的相对体重分析方法、 装置及 电子设备 (57)摘要 本发明提供一种基于人脸图像的相对体重 分析方法、 装置及电子设备， 所述方法包括： 获取 若干个人脸图像； 基于预先训练好的人脸检测模 型对若干个所述人脸图像分别进行检测， 以分别 获得相应的各个人脸面部信息； 基于各个所述人 脸面部信息和预先训练好的相对体重计算模型， 获得相对体重分析结果， 该方法可以各个人脸图 像对应的被监测人之间的相对体重分析结果， 能 够有效地实现了同一人在不同时期以及同一时 期不同人之间的相对体重分析比较， 且大大提升 了相对体 重分析结果的准确性。 权利要求书2页 说明书11页 附图7页 CN 114708634 A 2022.07.05 CN 114708634 A 1.一种基于人脸图像的相对体重分析 方法， 其特 征在于， 包括： 获取若干个人脸图像； 基于预先训练好的人脸检测模型对若干个所述人脸图像分别进行检测， 以分别获得相 应的各个人脸 面部信息； 基于各个所述人脸面部信 息和预先训练好的相对体重计算模型， 获得相对体重分析结 果。 2.根据权利要求1所述的基于人脸图像的相对体重分析方法， 其特征在于， 所述基于各 个所述人脸面部信息和预先训练好的相对体重计算模型， 获得相对体重分析结果， 具体包 括： 基于预先训练好的人脸关键区域面积计算子模型和各个所述人脸面部信 息， 以分别获 得相应的各个人脸关键区域 面积值； 基于相对体重监测子模型， 计算任意每两个人脸关键区域面积值之差的绝对值， 并基 于所述绝对值和预设取值区间获得 所述相对体重分析 结果； 其中， 所述预设取值区间为预设的且与体重 差异相关联的面部面积浮动取值区间。 3.根据权利要求1所述的基于人脸图像的相对体重分析方法， 其特征在于， 所述人脸检 测模型的预 先训练过程包括： 采集若干个人脸图像样本， 以作为人脸图像数据集； 基于通用人脸识别框架和预设的网络结构设置策略， 构建人脸检测 神经网络； 基于所述人脸检测神经网络对所述人脸图像数据集进行深度学习训练， 以获得所述人 脸检测模型。 4.根据权利要求3所述的基于人脸图像的相对体重分析方法， 其特征在于， 所述基于通 用人脸识别框架和预设的网络结构设置策略， 构建人脸检测 神经网络， 包括： 获取若干个人脸图像， 以作为第一训练数据集； 获取所述通用人脸识别框架的第 一全连接层中的多维向量， 将所述多维向量替换为预 设步长和预设池化大小的第一下采样层， 以获得 更新后的第一全连接层； 在所述通用人脸识别 框架的第 一卷积层中增加一个预设大小的残差网络， 以获得更新 后的第一卷积层； 基于所述第一训练数据集， 在所述通用人脸识别框架 的计算层中， 设置关键点坐标与 人脸图像中人脸关键点的对应匹配关系， 以获得 更新后的计算层； 基于所述更新后的第一全连接层、 所述更新后的第一卷积层和更新后的计算层， 获得 所述人脸检测 神经网络 。 5.根据权利要求2所述的基于人脸图像的相对体重分析方法， 其特征在于， 所述人脸关 键区域面积计算子模型的预 先训练过程包括： 获取若干个人脸图像， 以作为第二训练数据集； 基于卷积神经网络， 构建曲线拟合回归网络； 基于所述第 二训练数据集对所述曲线拟合 回归网络进行迭代训练， 以获得人脸关键点 间弧度回归曲线； 基于所述人脸关键点间弧度回归曲线和预设的人脸关键点坐标系， 获得人脸关键点间 弧度区域 面积值。权　利　要　求　书 1/2 页 2 CN 114708634 A 26.根据权利要求5所述的基于人脸图像的相对体重分析方法， 其特征在于， 所述基于所 述人脸关键点间弧度回归曲线和预设的人脸关键点坐标系， 获得人脸关键点间弧度区域面 积值， 具体包括： 基于所述人脸关键点间弧度回归曲线、 至少两个的人脸关键点的坐标值以及所述人脸 关键点坐标系中的横坐标轴， 获得第一区域 面积值； 基于所述至少两个的人脸关键点的坐标值， 以及所述至少两个的人脸关键点分别在所 述横坐标轴上的垂足点的坐标值， 获得第二区域 面积值； 基于所述第 一区域面积值和所述第 二区域面积值， 获得所述人脸关键点间弧度区域面 积值。 7.根据权利要求1所述的基于人脸图像的相对体重分析方法， 其特征在于， 在所述获取 若干个人脸图像之后， 所述方法还 包括图像预处 理步骤， 具体包括： 对若干个人脸图像进行 数据降噪处 理， 分别获得 各个降噪后人脸图像； 基于图像对齐法对各所述降噪后人脸图像进行人脸对齐处理， 分别获得各个对齐后的 人脸图像； 基于预设尺寸标准对各所述对齐后的人脸图像进行尺寸归一化处理， 分别获得各个标 准化人脸图像。 8.一种基于人脸图像的相对体重分析装置， 其特 征在于， 包括： 获取模块， 用于获取若干个人脸图像； 检测模块， 用于基于预先训练好的人脸检测模型对若干个所述人脸图像分别进行检 测， 以分别获得相应的各个人脸 面部信息； 计算模块， 用于基于各个所述人脸面部信息和预先训练好的相对体重计算模型， 获得 相对体重分析 结果。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所 述基于人脸图像的相对体重分析 方法的全部或部分步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处理器执行时实现如权利要求1至7任一项所述基于人脸图像的相对体重分析方 法的全部或部分步骤。权　利　要　求　书 2/2 页 3 CN 114708634 A 3