申请/专利权人：赣南师范大学

申请日：2023-12-26

公开（公告）日：2024-03-01

公开（公告）号：CN117636444A

主分类号：G06V40/16

分类号：G06V40/16;G06V40/18;G06V40/20;G06N3/044;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明涉及数据集成技术领域，尤其涉及一种应用于智能镜子的健康状况数字化集成方法及系统。该方法包括以下步骤：基于智能镜子内嵌摄像头获取用户面部图像及全身运动图像；对用户面部图像进行细节增强，以生成细节增强面部图像；对细节增强面部图像进行面部结构分析，以生成面部结构数据；基于面部结构数据对细节增强面部图像进行微表情识别，生成用户情绪数据；对细节增强面部图像进行用户视觉特征分析，以生成用户视觉特征数据；根据用户视觉特征数据对细节增强面部图像进行瞳孔形态变化分析，以生成瞳孔形态特征数据；对瞳孔形态特征数据进行光差灵敏性分析，以生成用户眼部生理信号数据。本发明实现了高效、准确的健康状况数字化集成。

主权项：1.一种应用于智能镜子的健康状况数字化集成方法，其特征在于，包括以下步骤：步骤S1：基于智能镜子内嵌摄像头获取用户面部图像及全身运动图像；对用户面部图像进行细节增强，以生成细节增强面部图像；对细节增强面部图像进行面部结构分析，以生成面部结构数据；基于面部结构数据对细节增强面部图像进行微表情识别，生成用户情绪数据；步骤S2：对细节增强面部图像进行用户视觉特征分析，以生成用户视觉特征数据；根据用户视觉特征数据对细节增强面部图像进行瞳孔形态变化分析，以生成瞳孔形态特征数据；对瞳孔形态特征数据进行光差灵敏性分析，以生成用户眼部生理信号数据；步骤S3：基于用户情绪数据对细节增强面部图像进行面部细微肌肤分析，生成面部细微肌肤特征数据；对用户眼部生理信号数据及面部细微肌肤特征数据进行用户面部画像构建，以构建数字面部模型；步骤S4：对全身运动图像进行动态特征识别，以生成用户动态特征数据；根据用户动态特征数据对全身运动图像进行肌群形态结构分析，以生成肌群形态结构数据；对肌群形态结构数据进行肌肉健康状况分析，以生成肌肉健康状况数据；步骤S5：对全身运动图像进行用户三维骨骼重建，以生成用户三维骨骼模型；对用户三维骨骼模型进行骨骼结构特征分析，以生成骨骼结构特征数据；对骨骼结构特征数据进行异常部位分析，以生成骨骼异常结构数据；步骤S6：利用深度学习算法对肌肉健康状况数据及骨骼异常结构数据进行即时融合分析，以生成用户动态肌骨数据；对用户动态肌骨数据进行潜在风险趋势分析，以生成肌骨风险趋势数据；利用循环卷积算法对肌骨风险趋势数据及数字面部模型进行全息视觉建模，构建动态全息视觉模型，以执行健康状况数字化集成作业。

全文数据：

权利要求：

百度查询： 赣南师范大学 一种应用于智能镜子的健康状况数字化集成方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD