CN112783949A - 人体数据预测方法、装置、电子设备和存储介质 - Google Patents

人体数据预测方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112783949A
CN112783949A CN202110125650.9A CN202110125650A CN112783949A CN 112783949 A CN112783949 A CN 112783949A CN 202110125650 A CN202110125650 A CN 202110125650A CN 112783949 A CN112783949 A CN 112783949A
Authority
CN
China
Prior art keywords
human body
user
body data
data
age stage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110125650.9A
Other languages
English (en)
Other versions
CN112783949B (zh
Inventor
董咨雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110125650.9A priority Critical patent/CN112783949B/zh
Publication of CN112783949A publication Critical patent/CN112783949A/zh
Application granted granted Critical
Publication of CN112783949B publication Critical patent/CN112783949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种人体数据预测方法、装置、电子设备和存储介质，涉及人工智能领域中的大数据技术领域和图像处理技术领域，其中方法包括：获取第一用户持续N天的人体数据，人体数据包括人体维度数据和人脸数据中的至少一项，N为正整数；将第一用户的人体数据在预先创建的人体数据挖掘模型中进行匹配，确定第一用户的人体数据在所述人体数据挖掘模型中的目标类别；所述人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据；根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据。本申请能够根据用户的人体数据来预测用户在任何年龄阶段的人体数据，从而能够实现对用户身体状况进行预测。

Description

人体数据预测方法、装置、电子设备和存储介质
技术领域
本申请涉及人工智能领域，具体涉及大数据技术领域和图像处理技术领域。
背景技术
随着社会生活节奏的加快，大多数人无暇关注自己的身体状况，以至过度损耗身体机能。随着时间的流逝，人们才逐渐意识到身体管理的重要性，然而，造成的身体机能的损耗可能无法挽回。
目前，缺乏对身体状况进行预测的相关方案，以至无法对用户身体状况进行预测。
发明内容
本申请提供了一种人体数据预测方法、装置、电子设备、存储介质和计算机程序产品。
根据第一方面，本申请提供了一种人体数据预测方法，包括：
获取第一用户持续N天的人体数据，所述人体数据包括人体维度数据和人脸数据中的至少一项，N为正整数；
将所述第一用户的人体数据在预先创建的人体数据挖掘模型中进行匹配，确定所述第一用户的人体数据在所述人体数据挖掘模型中的目标类别；所述人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据；
根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据。
根据第二方面，本申请提供了一种人体数据预测装置，包括：
获取模块，用于获取第一用户持续N天的人体数据，所述人体数据包括人体维度数据和人脸数据中的至少一项，N为正整数；
确定模块，用于将所述第一用户的人体数据在预先创建的人体数据挖掘模型中进行匹配，确定所述第一用户的人体数据在所述人体数据挖掘模型中的目标类别；所述人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据；
预测模块，用于根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据。
根据第三方面，本申请提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。
根据第四方面，本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行第一方面中的任一项方法。
根据第五方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面中的任一项方法。
根据本申请的技术，能够根据用户的人体数据来预测用户在任何年龄阶段的人体数据，从而能够实现对用户身体状况进行预测。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的人体数据预测方法的流程示意图；
图2是根据本申请第一实施例的人体数据预测装置的整体架构图；
图3是根据本申请第二实施例的人体数据预测装置的结构示意图；
图4是用来实现本申请实施例的人体数据预测方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
以下对本申请的示范性实施例进行说明。
如图1所示，人体数据预测方法，包括如下步骤：
步骤101：获取第一用户持续N天的人体数据，所述人体数据包括人体维度数据和人脸数据中的至少一项。
上述第一用户可理解为待预测的用户，上述人体维度数据例如可以是用于表征身高、三围、腰型、腿型等人体维度的数据，上述人脸数据可以理解为脸部特征数据，例如可以是用于表征脸型、眼型鼻型、嘴型、眉型等脸部特征的数据。除了人体维度数据和人脸数据之外，第一用户的人体数据还可以包括第一用户的年龄信息。
上述N为正整数，即，N既可以等于1，也可以为大于1的整数。本申请中，可以获取第一用户至少一天的人体数据，也可以获取第一用户持续多天的人体数据，例如持续半个月的人体数据、持续一个月的人体数据等等。
步骤102：将所述第一用户的人体数据在预先创建的人体数据挖掘模型中进行匹配，确定所述第一用户的人体数据在所述人体数据挖掘模型中的目标类别；所述人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据。
上述类别可以理解为根据用户的性别、年龄、身体部位的特征(例如眼型、鼻型等)等来分类而划分的类别，例如可以是女性杏眼类别、男性鹰钩鼻类别等等。
本申请中，为了实现人体数据的预测，需要预先创建人体数据挖掘模型，该人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据。本申请可以基于大数据统计分析来创建人体数据挖掘模型，以下对人体数据挖掘模型的创建过程进行简单地介绍：
数据采集：对各类人体数据进行数据采集，比如人体的所有眼型、鼻型等面部轮廓种类以及腰型、腿型等身材轮廓种类。数据采集的途径可以包括：其一，网络(web)数据采集，例如，借助网络爬虫和网站公开应用程序接口(Application Programming Interface，API)，获取web中非结构化或半结构化数据(data)，统一进行结构化(structuring)成本地数据；其二，可通过与医疗机构合作，获取人体各类典型数据。采集的人体数据可以预先存储于Hadoop分布式文件系统(Hadoop Distributed File System，HDFS)中。
数据清洗：可利用开源的数据仓库技术(Extract-Transform-Load，ETL)清洗工具，比如Kettle，对采集的人体数据进行清洗，对遗漏数据或噪音数据进行处理，抛弃无用的人体数据。清洗后的人体数据可以存储于非关系型的数据库(Not only SQL，NoSQL)中，ETL工具能够实现HDFS和NoSQL数据库之间的数据同步集成。
数据分析及分类：可利用Mahout数据挖掘工具包，创建人体数据挖掘模型，分析所有人体数据的性别、年龄、部位，进行数据分类，例如，可根据人体数据的脸部特征及人体特点进行风格归类，并保留不同性别的每个年龄阶段对应的人体部位数据。还可以用分析结果定义人体数据挖掘模型的参数，并应用于整个数据集合。其中，Mahout为开源项目，提供一些可扩展的机器学习领域经典算法的实现。
以上，实现了人体数据挖掘模型的创建。
在使用时，即可将步骤101中获取到的第一用户的人体数据在人体数据挖掘模型中进行匹配与归类，从而确定第一用户的人体数据在人体数据挖掘模型中的目标类别。
用户的人体数据在人体数据挖掘模型中进行匹配与归类可以使用K-近邻算法(K-Nearest Neighbor，K-NN)，根据样本空间距离来实现匹配与归类。具体的，每当一个新数据进入数据池后，与数据池训练数据里每一个点求距离，查看这个新数据近邻的K个点，根据这K个点的类型，基于少数服从多数的原则，对新数据进行匹配与归类。
步骤103：根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据。
该步骤中，通过第一用户的人体数据在人体数据挖掘模型中的目标类别的确定，即可通过人体数据挖掘模型来获取第一用户所在的目标类别的人体数据中，任何年龄阶段对应的人体数据，从而预测第一用户在其他年龄阶段的人体数据，例如，预测第一用户一年后的人体数据。
本申请中，通过以上步骤预测得到的第一用户在目标年龄阶段的人体数据，可以供第一用户清楚地了解自身人体数据的变化，也可以供第一用户的咨询主体，例如服务第一用户的医生或健康管理师，清楚地了解第一用户人体数据的变化。
根据本申请实施例的技术，能够根据用户的人体数据来预测用户在任何年龄阶段的人体数据，从而能够实现对用户身体状况进行预测。
可选的，所述根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据，包括：
根据所述人体数据挖掘模型中所述目标类别的人体数据，以及所述第一用户的人体数据在所述N天的走势，预测所述第一用户在目标年龄阶段的人体数据。
在第一用户的人体数据的持续天数大于1的情况下，还可以对第一用户在这N天内的人体数据进行对比，从而确定出第一用户的人体数据在N天的走势。这样，可以结合第一用户的人体数据在N天的走势以及人体数据挖掘模型中目标类别的人体数据，共同预测第一用户在目标年龄阶段的人体数据。
该实施方式中，由于考虑了第一用户自身人体数据的走势，能够提高预测的准确性。
可选的，所述获取第一用户持续N天的人体数据，包括：
接收所述第一用户持续N天上传的人体图像，所述人体图像包括所述第一用户的全身图像和所述第一用户的人脸图像中的至少一项；
通过深度卷积神经网络，从所述第一用户持续N天上传的人体图像中获取所述第一用户持续N天的人体数据。
该实施方式中，获取第一用户持续N天的人体数据可以通过第一用户持续N天上传人体图像(即第一用户的照片)，并利用人工智能(Artificial Intelligence，AI)图像处理技术对第一用户上传的人体图像进行处理而实现。
第一用户上传的人体图像包括第一用户的全身图像时，可通过深度卷积神经网络获取第一用户的人体维度数据；第一用户上传的人体图像包括第一用户的人脸图像时，可通过深度卷积神经网络获取第一用户的人脸数据。
本申请中，可以通过2D AI图像处理技术实现人体数据的获取。具体的，以人体图像包括全身图像和人脸图像为例，可以模仿瞳孔摄入像素Pixels，以深度卷积神经网络(Convolutional Neural Networks，CNN)为基础，CNN的卷积层提取人体图像中的全部人体维度数据及人脸数据(人脸的3D密集点)。
此外，CNN的池化层可将人体图像进行降维处理，对人体数据进行清洗，例如，对图像进行下采样，将其中75％的激活信息丢弃，去除一些噪声信息，CNN的全连接层可将所有处理过的信息整合连接到一起，将有用的信息都保存下来。
以上，实现了人体数据的获取，具体的，实现了第一用户的人体数据的获取。需要说明的是，在人体数据挖掘模型的创建过程中，也可以利用上述人体数据的获取过程来实现人体数据挖掘模型中的人体数据的获取。为避免重复，对此不作赘述。
该实施方式中，通过用户上传人体图像，并通过2D AI图像处理技术来获取人体数据，使得所获取的人体数据更加真实有效，更加具有参考价值，确保了数据采集的广泛性与数据分析的准确性。
可选的，在所述根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据之后，所述方法还包括：
根据所述第一用户在所述目标年龄阶段的人体数据，计算所述第一用户在所述目标年龄阶段的外形曲线。
具体的，可以通过matlab(matrix&laboratory，矩阵实验室)工具，将人体数据拟合成外形曲线。
该实施方式中，在预测得到第一用户在目标年龄阶段的人体数据的基础上，可以进一步地根据第一用户在目标年龄阶段的人体数据，计算第一用户在目标年龄阶段的外形曲线。
该实施方式中，通过预测并计算第一用户在目标年龄阶段的外形曲线，能够使第一用户或第一用户的咨询主体较清楚直观地知道第一用户未来的外形曲线，而不仅仅知道第一用户未来的人体数据。此外，通过预测并计算第一用户在目标年龄阶段的外形曲线，还能够较清楚直观地起到预警效果，有利于第一用户或第一用户的咨询主体适时地采取相关的应对措施。
可选的，在所述根据所述第一用户在目标年龄阶段的人体数据，计算所述第一用户在目标年龄阶段的外形曲线之后，所述方法还包括：
根据所述第一用户在所述目标年龄阶段的人体数据，以及所述第一用户在所述目标年龄阶段的外形曲线，模拟所述第一用户在所述目标年龄阶段的3D人体模型。
该实施方式中，在预测得到第一用户在目标年龄阶段的人体数据，并得到第一用户在目标年龄阶段的外形曲线的基础上，可以进一步地根据第一用户在目标年龄阶段的人体数据，以及第一用户在目标年龄阶段的外形曲线，模拟(或生成)第一用户在目标年龄阶段的3D人体模型。
具体的，可以根据第一用户在目标年龄阶段的人体数据和外形曲线，基于MSC.ADAMS或LifeMOD生物力学人体仿真软件，模拟出第一用户在目标年龄阶段的3D人体模型。
该实施方式中，通过预测并模拟第一用户在目标年龄阶段的3D人体模型，能够使第一用户或第一用户的咨询主体更加清楚直观地知道第一用户未来的样子，而不仅仅知道第一用户未来的人体数据和外形曲线。此外，通过预测并模拟第一用户在目标年龄阶段的3D人体模型，还能够更加清楚直观地起到预警效果，有利于第一用户或第一用户的咨询主体适时地采取相关的应对措施。
可选的，在所述根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据之后，所述方法还包括：
响应于所述第一用户在所述目标年龄阶段的人体数据符合预警条件，输出用于所述第一用户的预警方案。
该实施方式中，还可以对预测得到的第一用户在目标年龄阶段的人体数据进行分析，并判断第一用户在目标年龄阶段的人体数据是否符合预警条件，若第一用户在目标年龄阶段的人体数据符合预警条件，则可以输出(或推荐)适用于第一用户的预警方案。预警方案可以包括推荐食谱、健身方案、护肤方案、医疗方案、医美方案中的至少一项。
此外，除了输出用于第一用户的预警方案，还可以输出预警提示，例如，第一用户的腰围超过××厘米，第一用户有身材走样趋势，等等，以使第一用户或第一用户的咨询主体能够清楚直观地知道第一用户在目标年龄阶段的身体情况。
通过上述方案，能够帮助用户及时调整自身状态，帮助用户进行外形与健康管理。
作为示例，本申请可通过集大数据统计分析与AI图像处理于一体的人体数据预测装置实现，图2示出了该人体数据预测装置的整体架构。
图2中，人体数据预测装置具有如下的功能：
2D AI图像处理：通过CNN的卷积层从用户上传的人体图像中提取人体数据；
人体数据归类：涉及到数据采集、数据清洗、人体数据挖掘模型的创建以及人体数据的分类；
外形曲线计算；
3D人体模型生成；
预警方案推荐。
需要说明的是，本申请中的人体数据预测方法中的多种可选的实施方式，彼此可以相互结合实现，也可以单独实现，对此本申请不作限定。
本申请的上述实施例至少具有如下优点或有益效果：
根据本申请的技术，能够根据用户的人体数据来预测用户在任何年龄阶段的人体数据，从而能够实现对用户身体状况进行预测，更进一步的，能够帮助用户及时调整自身状态，帮助用户进行外形与健康管理。
如图3所示，本申请提供一种人体数据预测装置300，包括：
获取模块301，用于获取第一用户持续N天的人体数据，所述人体数据包括人体维度数据和人脸数据中的至少一项，N为正整数；
确定模块302，用于将所述第一用户的人体数据在预先创建的人体数据挖掘模型中进行匹配，确定所述第一用户的人体数据在所述人体数据挖掘模型中的目标类别；所述人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据；
预测模块303，用于根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据。
可选的，预测模块303具体用于：
根据所述人体数据挖掘模型中所述目标类别的人体数据，以及所述第一用户的人体数据在所述N天的走势，预测所述第一用户在目标年龄阶段的人体数据。
可选的，获取模块301包括：
接收单元，用于接收所述第一用户持续N天上传的人体图像，所述人体图像包括所述第一用户的全身图像和所述第一用户的人脸图像中的至少一项；
获取单元，用于通过深度卷积神经网络，从所述第一用户持续N天上传的人体图像中获取所述第一用户持续N天的人体数据。
可选的，人体数据预测装置300还包括：
计算模块，用于根据所述第一用户在所述目标年龄阶段的人体数据，计算所述第一用户在所述目标年龄阶段的外形曲线。
可选的，人体数据预测装置300还包括：
模拟模块，用于根据所述第一用户在所述目标年龄阶段的人体数据，以及所述第一用户在所述目标年龄阶段的外形曲线，模拟所述第一用户在所述目标年龄阶段的3D人体模型。
可选的，人体数据预测装置300还包括：
输出模块，用于响应于所述第一用户在所述目标年龄阶段的人体数据符合预警条件，输出用于所述第一用户的预警方案。
可选的，所述预警方案包括推荐食谱、健身方案、护肤方案、医疗方案、医美方案中的至少一项。
本申请实施例提供的人体数据预测装置300能够实现上述人体数据预测方法实施例中的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示，电子设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可以存储设备400操作所需的各种程序和数据。计算单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调整解调器、无线通信收发机等。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如人体数据预测方法。例如，在一些实施例中，人体数据预测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由计算单元401执行时，可以执行上文描述的人体数据预测方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方法(例如，借助于固件)而被配置为执行人体数据预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编辑语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (17)

1.一种人体数据预测方法，包括：
获取第一用户持续N天的人体数据，所述人体数据包括人体维度数据和人脸数据中的至少一项，N为正整数；
将所述第一用户的人体数据在预先创建的人体数据挖掘模型中进行匹配，确定所述第一用户的人体数据在所述人体数据挖掘模型中的目标类别；所述人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据；
根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据。
2.根据权利要求1所述的方法，其中，所述根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据，包括：
根据所述人体数据挖掘模型中所述目标类别的人体数据，以及所述第一用户的人体数据在所述N天的走势，预测所述第一用户在目标年龄阶段的人体数据。
3.根据权利要求1或2所述的方法，其中，所述获取第一用户持续N天的人体数据，包括：
接收所述第一用户持续N天上传的人体图像，所述人体图像包括所述第一用户的全身图像和所述第一用户的人脸图像中的至少一项；
通过深度卷积神经网络，从所述第一用户持续N天上传的人体图像中获取所述第一用户持续N天的人体数据。
4.根据权利要求1或2所述的方法，在所述根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据之后，所述方法还包括：
根据所述第一用户在所述目标年龄阶段的人体数据，计算所述第一用户在所述目标年龄阶段的外形曲线。
5.根据权利要求4所述的方法，在所述根据所述第一用户在目标年龄阶段的人体数据，计算所述第一用户在目标年龄阶段的外形曲线之后，所述方法还包括：
根据所述第一用户在所述目标年龄阶段的人体数据，以及所述第一用户在所述目标年龄阶段的外形曲线，模拟所述第一用户在所述目标年龄阶段的3D人体模型。
6.根据权利要求1或2所述的方法，在所述根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据之后，所述方法还包括：
响应于所述第一用户在所述目标年龄阶段的人体数据符合预警条件，输出用于所述第一用户的预警方案。
7.根据权利要求6所述的方法，其中，所述预警方案包括推荐食谱、健身方案、护肤方案、医疗方案、医美方案中的至少一项。
8.一种人体数据预测装置，包括：
获取模块，用于获取第一用户持续N天的人体数据，所述人体数据包括人体维度数据和人脸数据中的至少一项，N为正整数；
确定模块，用于将所述第一用户的人体数据在预先创建的人体数据挖掘模型中进行匹配，确定所述第一用户的人体数据在所述人体数据挖掘模型中的目标类别；所述人体数据挖掘模型中存储有不同类别的每个年龄阶段对应的人体数据；
预测模块，用于根据所述人体数据挖掘模型中所述目标类别的人体数据，预测所述第一用户在目标年龄阶段的人体数据。
9.根据权利要求8所述的装置，其中，所述预测模块具体用于：
根据所述人体数据挖掘模型中所述目标类别的人体数据，以及所述第一用户的人体数据在所述N天的走势，预测所述第一用户在目标年龄阶段的人体数据。
10.根据权利要求8或9所述的装置，其中，所述获取模块包括：
接收单元，用于接收所述第一用户持续N天上传的人体图像，所述人体图像包括所述第一用户的全身图像和所述第一用户的人脸图像中的至少一项；
获取单元，用于通过深度卷积神经网络，从所述第一用户持续N天上传的人体图像中获取所述第一用户持续N天的人体数据。
11.根据权利要求8或9所述的装置，还包括：
计算模块，用于根据所述第一用户在所述目标年龄阶段的人体数据，计算所述第一用户在所述目标年龄阶段的外形曲线。
12.根据权利要求11所述的装置，还包括：
模拟模块，用于根据所述第一用户在所述目标年龄阶段的人体数据，以及所述第一用户在所述目标年龄阶段的外形曲线，模拟所述第一用户在所述目标年龄阶段的3D人体模型。
13.根据权利要求8或9所述的装置，还包括：
输出模块，用于响应于所述第一用户在所述目标年龄阶段的人体数据符合预警条件，输出用于所述第一用户的预警方案。
14.根据权利要求13所述的装置，其中，所述预警方案包括推荐食谱、健身方案、护肤方案、医疗方案、医美方案中的至少一项。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1至7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1至7中任一项所述的方法。
CN202110125650.9A 2021-01-29 2021-01-29 人体数据预测方法、装置、电子设备和存储介质 Active CN112783949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110125650.9A CN112783949B (zh) 2021-01-29 2021-01-29 人体数据预测方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110125650.9A CN112783949B (zh) 2021-01-29 2021-01-29 人体数据预测方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112783949A true CN112783949A (zh) 2021-05-11
CN112783949B CN112783949B (zh) 2024-04-09

Family

ID=75759775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110125650.9A Active CN112783949B (zh) 2021-01-29 2021-01-29 人体数据预测方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112783949B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023236301A1 (zh) * 2022-06-10 2023-12-14 北京柏睿数据技术股份有限公司 一种数据挖掘控制方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780530A (zh) * 2016-12-15 2017-05-31 广州视源电子科技股份有限公司 一种体型预测方法及设备
CN109390056A (zh) * 2018-11-05 2019-02-26 平安科技（深圳）有限公司 健康预测方法、装置、终端设备及计算机可读存储介质
CN110321863A (zh) * 2019-07-09 2019-10-11 北京字节跳动网络技术有限公司 年龄识别方法及装置、存储介质
CN110662484A (zh) * 2018-04-20 2020-01-07 智能身型 用于全身测量结果提取的系统和方法
CN111192686A (zh) * 2020-03-20 2020-05-22 京东方科技集团股份有限公司 人体三维模型的预测方法、装置、设备及存储介质
CN112037883A (zh) * 2020-08-28 2020-12-04 海尔优家智能科技（北京）有限公司 运动方式的确定方法及装置、存储介质、电子装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780530A (zh) * 2016-12-15 2017-05-31 广州视源电子科技股份有限公司 一种体型预测方法及设备
CN110662484A (zh) * 2018-04-20 2020-01-07 智能身型 用于全身测量结果提取的系统和方法
CN109390056A (zh) * 2018-11-05 2019-02-26 平安科技（深圳）有限公司 健康预测方法、装置、终端设备及计算机可读存储介质
CN110321863A (zh) * 2019-07-09 2019-10-11 北京字节跳动网络技术有限公司 年龄识别方法及装置、存储介质
CN111192686A (zh) * 2020-03-20 2020-05-22 京东方科技集团股份有限公司 人体三维模型的预测方法、装置、设备及存储介质
CN112037883A (zh) * 2020-08-28 2020-12-04 海尔优家智能科技（北京）有限公司 运动方式的确定方法及装置、存储介质、电子装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023236301A1 (zh) * 2022-06-10 2023-12-14 北京柏睿数据技术股份有限公司 一种数据挖掘控制方法和系统

Also Published As

Publication number Publication date
CN112783949B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
US20220147822A1 (en) Training method and apparatus for target detection model, device and storage medium
CN113643412B (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
Juneja et al. Healthcare 4.0-digitizing healthcare using big data for performance improvisation
CN112784778B (zh) 生成模型并识别年龄和性别的方法、装置、设备和介质
WO2022160676A1 (zh) 热力图生成模型的训练方法、装置、电子设备和存储介质
US20190286889A1 (en) Lossy facial expression training data pipeline
CN113723530B (zh) 基于视频分析和电子心理沙盘的智能心理评估系统
CN112818227B (zh) 内容推荐方法、装置、电子设备及存储介质
US8977061B2 (en) Merging face clusters
CN112783949B (zh) 人体数据预测方法、装置、电子设备和存储介质
CN114579653A (zh) 基于数据集的cda文档生成方法、装置及电子设备
AU2021204470A1 (en) Benefit surrender prediction
CN113177466A (zh) 基于人脸图像的身份识别方法、装置、电子设备及介质
CN114783597B (zh) 多类疾病诊断的诊断方法及装置、电子设备和存储介质
CN112560848B (zh) 兴趣点poi预训练模型的训练方法、装置及电子设备
CN113704256B (zh) 数据识别方法、装置、电子设备及存储介质
Gaber et al. SVM classification of facial functions based on facial landmarks and animation Units
CN114419182A (zh) 图像处理方法和装置
CN114529649A (zh) 图像处理方法和装置
CN111767676A (zh) 用于预测容貌变化操作结果的方法和装置
CN112819767A (zh) 图像处理方法、装置、设备、存储介质以及程序产品
CN106778681B (zh) 一种人脸识别方法及人脸识别设备
Butner et al. Ghost hunting in the nonlinear dynamic machine
Costadopoulos et al. Data mining and knowledge discovery from physiological sensors
CN116364223B (zh) 特征处理方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant