CN112017756A - 一种基于人脸识别自助打餐系统的饮食营养分析方法 - Google Patents

Abstract

本发明公开一种基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于，包括以下步骤：步骤一：在设备端开启摄像头后，藉由人脸识别算法模块，实时检测视频流中的人脸，并对当前检测到的人脸持续跟踪，动态定位当前视频流中最大人脸轮廓，标定为当前最有可能产生人机交互的目标，并根据轮廓对当前帧进行截取，方便保存为.jpg或.png等格式的图片。本发明涉及人工智能领域，具体地讲，涉及一种基于人脸识别自助打餐系统的饮食营养分析方法。本发明提出了一种融合了质量检测、实时比对和云端支持的人脸防重方法，适用于各类服务机器人，能够实现更加精确、客户体验更好的人脸识别功能。

Description

一种基于人脸识别自助打餐系统的饮食营养分析方法

技术领域

本发明涉及人工智能领域，具体地讲，涉及一种基于人脸识别自助打餐系统的饮食营养分析方法。

背景技术

为积极推动“互联网+营养健康”服务和促进大数据应用，带动以营养健康为导向的信息技术产业发展，同时我国青少年健康数据不容乐观：80％学生早餐营养质量较差，青春期贫血的发病率达38％，全国肥胖儿童中脂肪肝发生率40％-50％。目前中国预防医学科学院调查显示目前中国近2.7亿在校生的蛋白摄入量仅为标准量的65％，钙、铁、锌严重不足，维生素摄入量仅为标准的15％，另外全国肥胖儿童中，II型糖尿病发病率在20年间增长了11-33倍。我国老年人健康数据也不容忽视：老年人骨质疏松已跃居常见病、多发病的第七位，全世界阿尔兹海默症患者达24000多万，中国约占世界病例总数的1/4，平均每年增加30万新发病例。

国民的饮食习惯存在如下问题：

①脂肪类饮食已超过标准30％；

②猪肉摄入量明显增加；

③奶类、水果类摄入不足；

④大豆类食物消费量比重较低。

居民身高体重情况-成年男性平均身高167.1cm，成年男性平均体重66.2kg，成年女性平均身高155.8cm，成年女性平均体重57.3kg，成年超重率30.1％，儿童超重率9.6％，成年肥胖率11.9％，儿童肥胖率6.4％。

当今社会人类膳食结构三大特点：

①“空热量食品”(精制糖、精炼脂肪油、牛肉等的消耗增多)；

②大量摄入肉类蛋白；

③卡路里摄入过量；

随着人们健康管理意识加强，面对这么多不健康饮食习惯和无法管控饮食的前提下，人们想知道自己营养是否均衡，目前没有合适的工具来计算，因为每种菜品所含有的食物种类过多不容易计算，无法获得准确的数据，摄入了多少营养成分是无从入手的。此为，现有技术的不足之处。

发明内容

本发明要解决的技术问题是提供一种基于人脸识别自助打餐系统的饮食营养分析方法，提出了一个基于AI大数据+健康管理+边缘计算的人脸识别打餐系统，完善的打餐系统加上人脸识别技术无感支付，使得支付方式更干净、更有效率，避免了直接交易现金或者刷卡等方式。打餐系统的结算台按克自动称重、精准计量，服务器通过大数据计算推送营养分析，实时提醒人们摄入是否均衡合理，通过微信推送给人们饮食健康指导和建议。

本发明采用如下技术方案实现发明目的：

一种基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于，包括以下步骤：

步骤一：菜品营养成分信息数据存储，步骤二：就餐用户个人数据信息设置保存，步骤三：就餐用户人脸注册、就餐时人脸识别与支付账户绑定，步骤四：按需自助取餐，精准计量，步骤五：无感支付：系统自动在人脸注册绑定的支付账户中按照称重的重量*菜品固定单价进行扣费，步骤六：营养分析。

作为本技术方案的进一步限定，所述步骤一具体步骤如下：

步骤一一：根据《食物营养成分表》将菜品中的各种物料的营养成分全部保存，然后将每种菜品含有各种物料的配比存储在数据库中，用来计算各种菜品的热量和各种营养成分；

步骤一二：计算菜品净含量：

单一食物的净含量为＝单一食物的重量*单一可食部分占总重良的百分比；

菜品净含量为所有单一食物的净含量相加；

步骤一三：计算菜品中各种营养成分含量：

单一食物的营养成分含量为＝单一食物的重量/标准重量*标准重量下相应营养成分含量；

菜品营养成分的含量为所述单一食物的营养成分含量相加。

作为本技术方案的进一步限定，所述步骤二具体步骤如下：

根据个人每餐食用的菜品重量，结合菜品的原料信息等数据，计算本次就餐的营养信息；

步骤二一：计算三餐能量比并评价：

计算方法：各餐能量比＝各餐能量/全天总能量*100％；

合理的三餐能量比是：早餐占全天总能量30％，午餐占40％，晚餐占30％；

步骤二二：碳水化合物、脂肪及蛋白质三大营养素供能比：

计算方法：供能比(％)＝营养素的克数*产热系数/总能量；

步骤二三：计算热量和其余营养素的摄入量；

营养元素包括蛋白质，脂肪，碳水化合物，膳食纤维，维生素A、B1、B2、C、E，钾，钠，镁，钙，铁，锌。

作为本技术方案的进一步限定，所述步骤三具体步骤如下：

步骤三一：前期人像库创建；

步骤三二：前期人脸注册，单人图片导入人像库，要求每张图片中只有一个人脸，将全部需要注册的人脸注册完毕，完成整个人像库的注册；

步骤三三：就餐前人脸库检索，就餐前，刷脸绑定餐盘，检索此人脸在人像库中对应的基本信息，将基本信息写入餐盘中。

作为本技术方案的进一步限定，所述步骤四具体步骤如下：

自助取餐时，客户按照自己的食量与喜好，自由选取菜品，精准计量结算台按克计算自动称重计量，普通的秤和普通的算法做不到精准计量，现通过精准计量公式计算：

F＝X-M(式1)

其中：

F为取餐重量；

X为菜品总重量；

M为客户取餐后菜品剩下重量；

步骤四一：当客户没有放置餐盘时：

当前秤的称重序列：y₁、y₂、……、y_n

每在设定的时间内取一次菜品总重量，放入重量堆栈队列中，预设重量堆栈队列的长度为n，堆栈保持先进先出，取堆栈最前面n个重量值，取平均数得到X：

步骤四二：当客户放置餐盘时，多标签读卡器读取餐盘IC卡芯片，餐台上显示用户信息，此时盛菜：

步骤四二一：用户盛菜到自己餐盘中后，菜品总重量减少：从重量堆栈队列中连续取n次计算：

当M值不大于阈值m(m为用户设定值，例如：5g)时，表示客户盛菜完毕，此时计算客户取餐精准重量F＝X-M；

步骤四二二：当有第二个客户放盘盛菜时，此时立即结束前一个客户的取值计算，当前值即为最后取菜值；

步骤四三：当厨师加菜时计算总重量：

厨师放菜后，读取菜品总重量为W，菜品原重量为X，当W-X>z(z为用户设定一次加菜最少重量值)时，并且加菜持续时间T>t(t为用户设置一次加菜最少时间)，满足这两个条件时即为加菜；

步骤四四：防止偷菜：

当没有客户放置餐盘，从重量堆栈队列中连续取n次计算：

当M值大于阈值m(m为用户设定值，例如：5g)时，表示有客户偷菜，系统报警，液晶显示警报。

作为本技术方案的进一步限定，所述步骤六具体步骤如下：

能量和营养素的摄入量如果达到国标的80％-100％，说明摄入量适宜；

如果低于国标的80％，则标示这种营养素“摄入不足”；

如果低于国标的60％，则标示这种营养素“缺乏”，给出建议增加这种营养素摄入的具体建议；

根据评价结果，结合影响膳食的主要关联因素，比如年龄、性别、身高、体重、体力劳动类型等，有针对性的给予膳食指导建议，对膳食能量摄入过高者提出增加运动的指导建议。

与现有技术相比，本发明的优点和积极效果是：

(1)人脸识别技术、打餐过程中无感支付提高支付效率、菜品精准计量结合食物营养成分计算表、实时采集个人的就餐数据、通过智慧餐饮终端利用边缘计算模组计算个人当餐营养素摄入量及能量转化数据、按照科学营养分析计算后由微信推送营养分析图表和饮食建议，整个系统可让我们的就餐可量化、可分析、可评估、可追踪。

(2)本发明采用对就餐人群按不同年龄段设计，根据比对各个年龄段对应每天能量消耗和个人每餐食用的菜品重量，结合菜品的原料信息等数据，计算本次就餐的营养信息，包括计算三餐能量比并评价、三大营养素供能比、热量和营养素(蛋白质，脂肪，碳水化合物，膳食纤维，维生素A、B1、B2、C、E，钾，钠，镁，钙，铁，锌)的摄入量。从健康角度上能够改善就餐人员的营养需求，根据就餐人员的健康状况，引导就餐人员合理地摄入食品，提高健康水平、避免三高，也为食堂管理部门提出更好的合理化建议。

(3)完善的打餐系统加上人脸识别技术无感支付，使得支付方式更干净、更有效率，避免了直接交易现金或者刷卡等方式。打餐系统的结算台按克自动称重、精准计量，服务器通过大数据计算推送营养分析，实时提醒人们摄入是否均衡合理，通过微信推送给人们饮食健康指导和建议。

附图说明

图1为本发明的结构流程图。

具体实施方式

下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

如图1所示，本发明包括以下步骤：

步骤一：菜品营养成分信息数据存储，步骤二：就餐用户个人数据信息设置保存，步骤三：就餐用户人脸注册、就餐时人脸识别与支付账户绑定，步骤四：按需自助取餐，精准计量，步骤五：无感支付：系统自动在人脸注册绑定的支付账户中按照称重的重量*菜品固定单价进行扣费，步骤六：营养分析。

所述步骤一具体步骤如下：

步骤一一：根据《食物营养成分表》将菜品中的各种物料的营养成分全部保存，然后将每种菜品含有各种物料的配比存储在数据库中，用来计算各种菜品的热量和各种营养成分；

步骤一二：计算菜品净含量：

单一食物的净含量为＝单一食物的重量*单一可食部分占总重良的百分比；

菜品净含量为所有单一食物的净含量相加；

步骤一三：计算菜品中各种营养成分含量：

单一食物的营养成分含量为＝单一食物的重量/标准重量*标准重量下相应营养成分含量；

菜品营养成分的含量为所述单一食物的营养成分含量相加。

所述《食物营养成分表》选自《中国食物成分表(第一册)》第2版北京大学医学出版社及《中国食物成分表(第二册)》第2版北京大学医学出版社。

所述步骤二具体步骤如下：

根据个人每餐食用的菜品重量，结合菜品的原料信息等数据，计算本次就餐的营养信息；

步骤二一：计算三餐能量比并评价：

计算方法：各餐能量比＝各餐能量/全天总能量*100％；

合理的三餐能量比是：早餐占全天总能量30％，午餐占40％，晚餐占30％；

步骤二二：碳水化合物、脂肪及蛋白质三大营养素供能比：

计算方法：供能比(％)＝营养素的克数*产热系数/总能量；

表1能量来源与供能比

能量的国际单位是焦耳(J)，常用单位是千卡(Kcal)，换算公式：1Kcal＝4.184KJ。

步骤二三：计算热量和其余营养素的摄入量；

营养元素包括蛋白质，脂肪，碳水化合物，膳食纤维，维生素A、B1、B2、C、E，钾，钠，镁，钙，铁，锌。

表2中国居民膳食能量需要量(EER)

表2摘自中国营养学会《中国居民膳食营养素参考摄入量(2013版)》，未曾定参考数值用—表示，“+”表示在同龄人参考数值基础上额外增加的量。

表3成年人维持理想体重的能量推荐摄入量标准[kJ(kcal)/kg]

如果不知道身高体重，以表2的能量为标准。如果知道身高体重，可以按表3的能量值计算，计算公式:能量值＝表格中数值*理想体重。

理想体重(kg)＝身高-105

体型判断标准：BMI＝体重(kg)/身高2(m²)

正常体型：BMI18.5-23.9

消瘦：BMI<18.5

超重：24≤BMI＜28

肥胖：BMI≥28

如果按身高体重计算的能量摄入量标准，那么蛋白质、脂肪、碳水化合物的摄入量标准应按照表1分别计算。

表4体力活动水平分级表

所述步骤三具体步骤如下：

步骤三一：前期人像库创建；

步骤三二：前期人脸注册，单人图片导入人像库，要求每张图片中只有一个人脸，将全部需要注册的人脸注册完毕，完成整个人像库的注册；

步骤三三：就餐前人脸库检索，就餐前，刷脸绑定餐盘，检索此人脸在人像库中对应的基本信息，将基本信息写入餐盘中。

所述步骤四具体步骤如下：

自助取餐时，客户按照自己的食量与喜好，自由选取菜品，精准计量结算台按克计算自动称重计量，普通的秤和普通的算法做不到精准计量，现通过精准计量公式计算：

F＝X-M (式1)

其中：

F为取餐重量；

X为菜品总重量；

M为客户取餐后菜品剩下重量；

步骤四一：当客户没有放置餐盘时：

当前秤的称重序列：y₁、y₂、……、y_n

每在设定的时间内取一次菜品总重量，放入重量堆栈队列中，预设重量堆栈队列的长度为n，堆栈保持先进先出，取堆栈最前面n个重量值，取平均数得到X：

步骤四二：当客户放置餐盘时，多标签读卡器读取餐盘IC卡芯片，餐台上显示用户信息，此时盛菜：

步骤四二一：用户盛菜到自己餐盘中后，菜品总重量减少：从重量堆栈队列中连续取n次计算：

当M值不大于阈值m(m为用户设定值，例如：5g)时，表示客户盛菜完毕，此时计算客户取餐精准重量F＝X-M；

步骤四二二：当有第二个客户放盘盛菜时，此时立即结束前一个客户的取值计算，当前值即为最后取菜值；

步骤四三：当厨师加菜时计算总重量：

厨师放菜后，读取菜品总重量为W，菜品原重量为X，当W-X>z(z为用户设定一次加菜最少重量值)时，并且加菜持续时间T>t(t为用户设置一次加菜最少时间)，满足这两个条件时即为加菜；

步骤四四：防止偷菜：

当没有客户放置餐盘，从重量堆栈队列中连续取n次计算：

当M值大于阈值m(m为用户设定值，例如：5g)时，表示有客户偷菜，系统报警，液晶显示警报。

所述步骤六具体步骤如下：

能量和营养素的摄入量如果达到国标的80％-100％，说明摄入量适宜；

如果低于国标的80％，则标示这种营养素“摄入不足”；

如果低于国标的60％，则标示这种营养素“缺乏”，给出建议增加这种营养素摄入的具体建议；

根据评价结果，结合影响膳食的主要关联因素，比如年龄、性别、身高、体重、体力劳动类型等，有针对性的给予膳食指导建议，对膳食能量摄入过高者提出增加运动的指导建议。

用餐时，微信推送消费记录以及营养分析，提醒摄入平衡，并给出饮食健康指导和运动建议：绘制能量营养摄入图表，让就餐者了解自己的能量营养摄入情况是否达到健康标准。给出饮食计划：实行个性化营养配餐，就餐者摄入营养均衡。搭配健康档案：针对就餐人员的体检结果进行分析，对患有慢性病人群进行特殊营养配餐调节。

根据评价结果，结合影响膳食的主要关联因素，比如年龄、性别、身高、体重、体力劳动类型等，有针对性的给予膳食指导建议。对膳食能量摄入过高者提出增加运动的指导建议，如表5所示。

表5饮食建议表

本发明的工作流程为：

菜品营养成分信息数据存储：根据《食物营养成分表》将菜品中的各种物料的营养成分全部保存，然后将每种菜品含有各种物料的配比存储在数据库中，用来计算各种菜品的热量和各种营养成分。计算菜品净含量。计算菜品中各种营养成分含量。例如菜品：西红柿炒鸡蛋100g：需要西红柿50g，鸡蛋45g，食用油3g，盐2g。100g西红柿炒鸡蛋中含有西红柿的可食部分＝西红柿重量50g*可食部分(％)，依次算出来所有食物的净含量。例如碳水化合物含量计算：100g西红柿炒鸡蛋中西红柿部分的碳水化合物重量A＝西红柿的重量/标准重量*标准重量下相应营养成分含量；鸡蛋的碳水化合物也是这样计算，最后累加就是这个菜品中碳水化合物的含量，然后依次算出来所有营养成分的含量。

就餐用户个人数据信息设置保存：根据个人每餐食用的菜品重量，结合菜品的原料信息等数据，计算本次就餐的营养信息。

计算三餐能量比并评价：各餐能量比＝各餐能量/全天总能量*100％。

合理的三餐能量比是：早餐占全天总能量30％，午餐占40％，晚餐占30％。

碳水化合物、脂肪及蛋白质三大营养素供能比：供能比(％)＝营养素的克数*产热系数/总能量，依据表1中提供的产热系数计算。

计算热量和其余营养素的摄入量：营养元素包括蛋白质，脂肪，碳水化合物，膳食纤维，维生素A、B1、B2、C、E，钾，钠，镁，钙，铁，锌。

例如：赵某，男，46岁，身高170cm，体重80kg,办公室职员。

能量需要量：标准体重＝170－105＝65(kg)，目前体重为80kg，超过标准体重23.1％，属于肥胖体型。能量供给量＝65×25＝1625(kcal/d)。

碳水化合物供给量＝1625×(50-65％)÷4(g/d)。

脂肪供给量：因体型肥胖，脂肪摄入量不宜太多，按总能量的25％计算，脂肪供给量＝1500×(20-30％)÷9(g/d)。

蛋白质供给量：蛋白质供给量＝1500×(10-20％)÷4(g/d)。

以上步骤计算出三大营养总量后，作为阈值，早餐占全天总能量30％，午餐占40％，晚餐占30％，再算出每餐的热量值作为基础热量。

每餐比对基础热量，得出营养分析和建议推荐给用户。

就餐用户人脸注册、就餐时人脸识别与支付账户绑定：前期人像库创建。前期人脸注册，单人图片导入人像库，要求每张图片中只有一个人脸，将全部需要注册的人脸注册完毕，完成整个人像库的注册。就餐前人脸库检索，就餐前，刷脸绑定餐盘，检索此人脸在人像库中对应的基本信息，将基本信息写入餐盘中。

按需自助取餐，精准计量：自助取餐时，客户按照自己的食量与喜好，自由选取菜品，精准计量结算台按克计算自动称重计量。

无感支付：系统自动在人脸注册绑定的支付账户中按照称重的重量*菜品固定单价进行扣费。

营养分析：能量和营养素的摄入量如果达到国标的80％-100％，说明摄入量适宜；如果低于国标的80％，则标示这种营养素“摄入不足”；如果低于国标的60％，则标示这种营养素“缺乏”，给出建议增加这种营养素摄入的具体建议；根据评价结果，结合影响膳食的主要关联因素，比如年龄、性别、身高、体重、体力劳动类型等，有针对性的给予膳食指导建议，对膳食能量摄入过高者提出增加运动的指导建议。

用餐时，微信推送消费记录以及营养分析，提醒摄入平衡，并给出饮食健康指导和运动建议：绘制能量营养摄入图表，让就餐者了解自己的能量营养摄入情况是否达到健康标准。给出饮食计划：实行个性化营养配餐，就餐者摄入营养均衡。搭配健康档案：针对就餐人员的体检结果进行分析，对患有慢性病人群进行特殊营养配餐调节。

根据评价结果，结合影响膳食的主要关联因素，比如年龄、性别、身高、体重、体力劳动类型等，有针对性的给予膳食指导建议。对膳食能量摄入过高者提出增加运动的指导建议。

以上公开的仅为本发明的具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (6)

1.一种基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于，包括以下步骤：

步骤一：菜品营养成分信息数据存储；

步骤二：就餐用户个人数据信息设置保存；

步骤三：就餐用户人脸注册、就餐时人脸识别与支付账户绑定；

步骤四：按需自助取餐，精准计量；

步骤五：无感支付：系统自动在人脸注册绑定的支付账户中按照称重的重量*菜品固定单价进行扣费；

步骤六：营养分析。

2.根据权利要求1所述的基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于：所述步骤一具体步骤如下：

步骤一一：根据《食物营养成分表》将菜品中的各种物料的营养成分全部保存，然后将每种菜品含有各种物料的配比存储在数据库中，用来计算各种菜品的热量和各种营养成分；

步骤一二：计算菜品净含量：

单一食物的净含量为＝单一食物的重量*单一可食部分占总重良的百分比；

菜品净含量为所有单一食物的净含量相加；

步骤一三：计算菜品中各种营养成分含量：

单一食物的营养成分含量为＝单一食物的重量/标准重量*标准重量下相应营养成分含量；

菜品营养成分的含量为所述单一食物的营养成分含量相加。

3.根据权利要求1所述的基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于：所述步骤二具体步骤如下：

根据个人每餐食用的菜品重量，结合菜品的原料信息等数据，计算本次就餐的营养信息；

步骤二一：计算三餐能量比并评价：

计算方法：各餐能量比＝各餐能量/全天总能量*100％；

合理的三餐能量比是：早餐占全天总能量30％，午餐占40％，晚餐占30％；

步骤二二：碳水化合物、脂肪及蛋白质三大营养素供能比：

计算方法：供能比(％)＝营养素的克数*产热系数/总能量；

步骤二三：计算热量和其余营养素的摄入量；

营养元素包括蛋白质，脂肪，碳水化合物，膳食纤维，维生素A、B1、B2、C、E，钾，钠，镁，钙，铁，锌。

4.根据权利要求1所述的基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于：所述步骤三具体步骤如下：

步骤三一：前期人像库创建；

步骤三二：前期人脸注册，单人图片导入人像库，要求每张图片中只有一个人脸，将全部需要注册的人脸注册完毕，完成整个人像库的注册；

步骤三三：就餐前人脸库检索，就餐前，刷脸绑定餐盘，检索此人脸在人像库中对应的基本信息，将基本信息写入餐盘中。

5.根据权利要求1所述的基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于：所述步骤四具体步骤如下：

自助取餐时，客户按照自己的食量与喜好，自由选取菜品，精准计量结算台按克计算自动称重计量，普通的秤和普通的算法做不到精准计量，现通过精准计量公式计算：

F＝X-M (式1)

其中：

F为取餐重量；

X为菜品总重量；

M为客户取餐后菜品剩下重量；

步骤四一：当客户没有放置餐盘时：

当前秤的称重序列：y₁、y₂、……、y_n

每在设定的时间内取一次菜品总重量，放入重量堆栈队列中，预设重量堆栈队列的长度为n，堆栈保持先进先出，取堆栈最前面n个重量值，取平均数得到X：

步骤四二：当客户放置餐盘时，多标签读卡器读取餐盘IC卡芯片，餐台上显示用户信息，此时盛菜：

步骤四二一：用户盛菜到自己餐盘中后，菜品总重量减少：从重量堆栈队列中连续取n次计算：

当M值不大于阈值m时，表示客户盛菜完毕，此时计算客户取餐精准重量F＝X-M；

步骤四二二：当有第二个客户放盘盛菜时，此时立即结束前一个客户的取值计算，当前值即为最后取菜值；

步骤四三：当厨师加菜时计算总重量：

厨师放菜后，读取菜品总重量为W，菜品原重量为X，当W-X>z(z为用户设定一次加菜最少重量值)时，并且加菜持续时间T>t，满足这两个条件时即为加菜；

步骤四四：防止偷菜：

当没有客户放置餐盘，从重量堆栈队列中连续取n次计算：

当M值大于阈值m时，表示有客户偷菜，系统报警，液晶显示警报。

6.根据权利要求1所述的基于人脸识别自助打餐系统的饮食营养分析方法，其特征在于：所述步骤六具体步骤如下：

能量和营养素的摄入量如果达到国标的80％-100％，说明摄入量适宜；

如果低于国标的80％，则标示这种营养素“摄入不足”；

如果低于国标的60％，则标示这种营养素“缺乏”，给出建议增加这种营养素摄入的具体建议；

根据评价结果，结合影响膳食的主要关联因素，比如年龄、性别、身高、体重、体力劳动类型等，有针对性的给予膳食指导建议，对膳食能量摄入过高者提出增加运动的指导建议。

Images