CN110543607A - 页面数据生成方法、装置、计算机设备及存储介质 - Google Patents
页面数据生成方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110543607A CN110543607A CN201910715800.4A CN201910715800A CN110543607A CN 110543607 A CN110543607 A CN 110543607A CN 201910715800 A CN201910715800 A CN 201910715800A CN 110543607 A CN110543607 A CN 110543607A
- Authority
- CN
- China
- Prior art keywords
- health
- user
- information
- page data
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000036541 health Effects 0.000 claims abstract description 226
- 230000001815 facial effect Effects 0.000 claims abstract description 60
- 238000013475 authorization Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 description 15
- 230000036772 blood pressure Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 7
- 238000002372 labelling Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 230000003862 health status Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000035488 systolic blood pressure Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
- G06F16/986—Document structures and storage, e.g. HTML extensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种页面数据生成方法、装置、计算机设备及存储介质,在获取到用户的触发请求之后,根据触发请求获取用户的面部图像;接着对所述面部图像进行识别,得到用户的状态信息;若所述状态信息为存在风险,则发送健康数据获取请求至客户端;获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;再根据所述健康数据进行计算,得到所述用户的健康分值;最后根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。通过对用户的面部图像进行识别和检测之后,对状态信息存在风险的用户进行进一步的健康状态的检测,并且形成对应的页面数据,以形成更有针对性的页面数据呈现,实现更精确的页面数据呈现。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种页面数据生成方法、装置、计算机设备及存储介质。
背景技术
随着大数据技术的不断发展,目前很多网站或者应用程序会为用户智能匹配页面,以更好地便于用户的操作和使用。但是随着目标用户的普及,很多中老年人也开始成为目标用户。然而互联网中各种数据较为繁杂,例如视频数据,很多带有暴力、血腥或者惊悚因素的视频数据明显不适合呈现给部分用户。如果带有这部分内容的页面数据直接呈现给部分不适合的用户不仅会影响着部分用户的使用体验,更严重地甚至会影响用户的身心健康。基于此,为用户提供合适的页面数据成为一个亟待解决的问题。
发明内容
本发明实施例提供一种页面数据生成方法、装置、计算机设备及存储介质,以解决页面数据的生成不够精确的问题。
一种页面数据生成方法,包括:
获取用户的触发请求,根据所述触发请求获取用户的面部图像;
对所述面部图像进行识别,得到用户的状态信息;
若所述状态信息为存在风险,则发送健康数据获取请求至客户端;
获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;
根据所述健康数据进行计算,得到所述用户的健康分值;
根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
一种页面数据生成装置,包括:
面部图像获取模块,用于获取用户的触发请求,根据所述触发请求获取用户的面部图像;
面部图像识别模块,用于对所述面部图像进行识别,得到用户的状态信息;
第一获取请求发送模块,用于在所述状态信息为存在风险时,则发送健康数据获取请求至客户端;
健康数据获取模块,用于获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;
第一健康分值计算模块,用于根据所述健康数据进行计算,得到所述用户的健康分值;
第一页面数据发送模块,用于根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述页面数据生成方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述页面数据生成方法。
上述页面数据生成方法、装置、计算机设备及存储介质中,在获取到用户的触发请求之后,根据触发请求获取用户的面部图像;接着对所述面部图像进行识别,得到用户的状态信息;若所述状态信息为存在风险,则发送健康数据获取请求至客户端;获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;再根据所述健康数据进行计算,得到所述用户的健康分值;最后根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。通过对用户的面部图像进行识别和检测之后,对状态信息存在风险的用户进行进一步的健康状态的检测,并且形成对应的页面数据,以形成更有针对性的页面数据呈现,也保证了用户的健康,实现更精确的页面数据呈现。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中页面数据生成方法的一应用环境示意图;
图2是本发明一实施例中页面数据生成方法的一流程图;
图3是本发明一实施例中页面数据生成方法的另一流程图;
图4是本发明一实施例中页面数据生成方法的另一流程图;
图5是本发明一实施例中页面数据生成方法的另一流程图;
图6是本发明一实施例中页面数据生成方法的另一流程图;
图7是本发明一实施例中页面数据生成装置的一原理框图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的页面数据生成方法,可应用在如图1的应用环境中,其中,客户端(计算机设备)通过网络与服务端进行通信。服务端从客户端获取用户的触发请求,根据所述触发请求获取用户的面部图像;对所述面部图像进行识别,得到用户的状态信息;若所述状态信息为存在风险,则发送健康数据获取请求至客户端;获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;根据所述健康数据进行计算,得到所述用户的健康分值;根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。其中,客户端(计算机设备)可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种页面数据生成方法,以该方法应用在图1中的服务端为例进行说明,包括如下步骤:
S10:获取用户的触发请求,根据所述触发请求获取用户的面部图像。
其中,用户的触发请求可以为客户端响应用户对某一平台、网站或者应用程序的登录、注册或者打开行为而触发的请求。客户端生成该触发请求之后将触发请求发送至服务端。服务端在获取到触发请求之后,再根据所述触发请求获取用户的面部图像。具体地,服务端可以发送图像采集的指令至客户端,客户端通过图像采集工具对用户的面部区域进行图像采集,得到面部图像,再将面部图像发送至服务端。
S20:对所述面部图像进行识别,得到用户的状态信息。
状态信息为反映用户健康状态的信息,可以根据面部图像对用户的年龄和/或健康状况进行识别,以得出该用户的状态信息。示例性地,可以对面部图像进行用户的年龄识别,判断用户的年龄信息,若判断出用户的年龄信息超过一预设的年龄阈值,则可以认为用户的状态信息为存在风险。具体地,可以预先通过大量的样本数据训练出一个年龄识别模型,再通过这个年龄识别模型对上述面部图像进行年龄识别,再根据识别得到的年龄信息来进一步得到用户的状态信息。例如,可以预先设置一年龄阈值(60、65、70或者75等),再判断年龄识别模型识别出来的年龄信息和年龄阈值的关系,若年龄大于年龄阈值,则可以认为该用户的状态信息为存在风险。
进一步地,还可以直接将面部图像通过预设的健康识别模型对用户的健康状态进行识别,根据识别的结果得到用户的状态信息。具体地,健康识别模型可以通过以下步骤训练得到:获取训练样本集合,训练样本包括面部样本图像以及对面部样本图像的标注信息,其中,标注信息用于指示预设健康状况信息类别集合中各类别的健康状况信息以及与各类别的健康状况信息对应的概率;将训练样本集合中的每个训练样本的面部样本图像作为输入,将与输入的面部样本图像对应的标注信息作为输出,对神经网络进行训练,得到健康识别模型。
优选地,可以综合年龄信息和健康状态两个信息对用户的状态信息进行确定。具体地,可先确定用户的年龄信息,若年龄信息超过一预设阈值,则对用户的健康状态进行进一步的确定,进而得出用户的状态信息。或者可先确定用户的健康状态,若健康状态超过一预设阈值,则对用户的年龄信息进行进一步的确定,进而得出用户的状态信息。或者,对用户的年龄信息和健康状态均进行识别,再综合两者的识别结果确定用户的状态信息。
S30:若所述状态信息为存在风险,则发送健康数据获取请求至客户端。
健康数据为反映用户跟健康相关的各类数据,例如:体温、血压、脉搏、心电图、氧浓度、肺活量、血糖或者呼吸频率。服务端在获悉该用户的状态信息为存在风险的情况下,发送健康数据获取请求至客户端,以获取该用户的健康数据。
S40:获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据。
在发送健康数据获取请求至客户端之后,经过用户的同意指令之后,客户端返回授权信息。服务端根据该授权信息获取所述用户的健康数据。具体地,该健康数据可以是通过智能终端(例如:智能手环、智能手机或者智能血压仪等)的数据获取,或者是通过第三方应用程序中获得。示例性地,该第三方应用程序可以为平安好医生、春雨医生或者华为运动健康等APP。
S50:根据所述健康数据进行计算,得到所述用户的健康分值。
根据健康数据进行该用户的健康分值的计算。具体地,可以预先设定一个基准的健康参数表。根据健康数据中每一项参数和对应的健康参数表进行匹配,根据匹配程度得到每一项的分数,在对每一项的分数进行综合,即得到该用户的健康分值。具体地,在健康参数表中包括参数项和每一参数项对应的标准数据。例如,若一项参数项为心率,则该参数项(心率)对应的标准数据为60~100次/分钟。在该步骤中,将健康数据中用户的心率数据和健康参数表中心率的标准数据进行比对,若用户的心率数据在标准数据(60-100次/分钟)之内,该项健康数据的分数就较高,若用户的心率数据不在标准数据(60-100次/分钟)之内,则该项健康数据的分数就较低。进一步地,可以根据具体的健康数据和对应的基准区间值的偏离程度设置不同的分数层级,偏离程度越高,则对应地分数就会越低,具体可以根据不同的参数项进行适配和调整,在此不再赘述。
具体地,若用户的健康数据包括血压和脉搏。则可以根据预设的血压和脉搏的标准数据来对用户的血压和脉搏进行评测,从而得出用户此时的血压和脉搏对应的分值。最后将血压和脉搏对应的分值进行直接或间接地相加,即得到健康分值。其中间接地相加可以体现为预先为不同的健康数据设置不同的权值,将每一健康数据的分值乘以对应的权值之后再进行叠加。
示例性地,假定血压和脉搏的标准数据为:
血压:收缩压100-140mmHg,舒张压60-90mmHg;
脉搏:60-100次/分钟。
若用户的健康数据中血压值和脉搏值分别为:收缩压为150mmHg,舒张压为100mmHg,脉搏为90。则此时该用户的血压值是偏离正常值的,属于高血压的情况,因此用户此时健康数据中血压值对应的分值会比较低,而脉搏值对应的分值属于正常。可选地,可以预设一个正常分值和异常分值,例如:正常分值为1,异常分值为0。则此时该用户的健康分值为1+0=1。进一步地,若对血压和脉搏设定了对应地权重a和b,则此时该用户的健康分值为1*a+0*b。
进一步地,考虑到更加精确地进行健康分值的计算,还可以将标准数据进一步细化并且分层。示例性地,对于血压数据,可以进一步划分为:健康标准数据:收缩压100-130mmHg,舒张压60-80mmHg;亚健康标准数据:收缩压131-140mmHg,舒张压81-90mmHg,异常标准数据:收缩压>140mmHg,舒张压>90mmHg。然后为三种情况分别设定不同的分值(例如:1、0.7、0.5),以更精确地进行计算。可以理解地,上述示例仅是一个参考性数据,不应理解为本申请的唯一可行数据。
可以理解地,可以根据用户当前的健康数据来进行用户健康分值的计算。或者,结合用户最近一段时间内的健康数据进行综合衡量。示例性地,将用户最近一周的健康数据进行计算再求均值,从而得到用户的健康分值,以更好地体现用户最近的健康状态。
S60:根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
预先设置不同的健康分值区间,并且为每一健康分值区间配置对应的页面数据。其中,页面数据为不同的产品或者服务,例如,书籍、音乐、视频或者理财产品等。其中,根据不同的健康分值区间来划分不同的页面数据。例如,若健康分值区间对应的数值越高,则对应的页面数据的激烈程度或者风险程度可以相对应地增加。而健康分值区间对应的数值越低,则对应的页面数据的激烈程度或者风险程度可以相对应地降低。示例性地,若所述健康分值对应的健康分值区间的数值较高,则匹配给用户的音乐可以包括较为亢奋或者激烈类型的音乐,匹配给用户的理财产品可以包括风险系数较高的产品,匹配给用户的视频可以包括悬疑或者恐怖类型的电影等。可以理解地,页面数据可以同时包括复数种类型,即页面数据可以包括书籍,也可以包括音乐,或者更多。具体可以视实际需要而设定。
在得到页面数据之后,将页面数据发送至客户端,使得客户端可以将页面数据显示在客户端的可视化界面上,供用户选择。
在本实施例中,在获取到用户的触发请求之后,根据触发请求获取用户的面部图像;接着对所述面部图像进行识别,得到用户的状态信息;若所述状态信息为存在风险,则发送健康数据获取请求至客户端;获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;再根据所述健康数据进行计算,得到所述用户的健康分值;最后根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。通过对用户的面部图像进行识别和检测之后,对状态信息存在风险的用户进行进一步的健康状态的检测,并且形成对应的页面数据,以形成更有针对性的页面数据呈现,也保证了用户的健康,实现更精确的页面数据呈现。
在一个实施例中,如图3所示,所述对所述面部图像进行识别,得到用户的状态信息,包括:
S21:对所述面部图像进行人脸特征点识别,得到目标关键点,根据所述目标关键点得到精准面部图像。
人脸特征点检测算法即根据输入的包含人脸的图像,自动定位出面部关键特征点的算法,如眼睛、鼻尖、嘴角点、眉毛以及人脸各部位轮廓点等。具体地,可以采用以下方式来获取该步骤中的目标关键点:
(1)OpenCV自带的基于Harr特征的Viola-Jones算法;
其中,OpenCV是一个跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作***上,由一系列C函数和少量C++类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法,而基于Harr特征的Viola-Jones算法是其中一种人脸特征点检测算法。Haar特征是一种反映图像的灰度变化的特征,是反映像素分模块差值的一种特征。Haar特征分为三类:边缘特征、线性特征和中心-对角线特征。Viola-Jones算法是基于人脸的haar特征值进行人脸检测的方法。
(2)基于HOG+SVM特征的dlib;
其中,dlib是一个现代化的C++工具箱,其中包含用于在C++中创建复杂软件以解决实际问题的机器学习算法和工具,HOG是指方向梯度直方图(Histogram of OrientedGradient,HOG),SVM(Support Vector Machine)指的是支持向量机,是常见的一种判别方法,通常用来进行模式识别、分类以及回归分析,HOG特征结合SVM分类器被广泛应用于图像识别中。
(3)doppia库的三种人脸检测方法(DPM、HeadHunter和HeadHunter_baseline)。
其中,DPM(Deformable Part Model)是一个目标检测算法,目前已成为众多分类器、分割、人体姿态和行为分类的重要部分。DPM可以看做是HOG的扩展,方法是首先计算梯度方向直方图,然后用SVM训练得到目标梯度模型,再进行分类,从而使模型和目标匹配。而HeadHunter和HeadHunter_baseline算法与DPM在方法上是相同的,区别在于用到的模型不同。
以下用第(1)种人脸特征点检测算法为例说明获取人脸特征点的过程:
首先获取输入的人脸图像的样本图像,对样本图像进行预处理(归一化)后进行训练,得到人脸特征点模型,即Harr特征的Viola-Jones算法;然后获取输入的人脸图像,对人脸图像进行同样预处理,接着依次进行肤色区域分割、人脸特征区域分割和人脸特征区域分类的步骤,最后根据Harr特征的Viola-Jones算法与人脸特征区域分类进行匹配计算,得到人脸图像的人脸特征点信息。
在一个具体实施方式中,目标关键点可以为左耳、右耳和下巴三个。然后以左耳点和右耳点的连线为对称轴,确定所述下巴点的对称点。将所述左耳点、右耳点、下巴点和对称点分别作为矩形中每一条边的中点,构建矩形框。根据矩形框在所述面部图像中提取图像,得到精准面部图像。
S22:采用预设的年龄识别模型对所述精准面部图像进行识别,得到年龄信息。
通过预先训练号的年龄识别模型对精准面部图进行识别,得到该用户的年龄信息。该年龄识别模型为通过预先训练神经网络得到。可选地,年龄信息可以为一个具体的年龄值,或者是一个年龄区间,具体视实际应用需要进行确定。
S23:若所述年龄信息在预设的高风险年龄区间,则所述状态信息为存在风险。
高风险年龄区间为预先设定的一个区间范围,可选地,该高风险年龄区间可以为:[65,100]、[70,100]、[75,100]或者[80,100]等。若年龄信息在该高风险年龄区间之内,则认为该用户为高年龄用户,则对应的状态信息为存在风险。
S24:若所述年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别,得到健康状态。
中风险年龄区间为预先设定的一个区间范围,可选地,该中风险年龄区间可以为:[65,70]、[55,60]、[60,65]或者[60,70]等。若该用户的年龄信息在中风险年龄区间,则进一步对该用户进行健康状态识别。具体地,可以通过预设的健康识别模型对用户的健康状态进行识别,根据识别的结果得到用户的健康状态。健康识别模型可以通过以下步骤训练得到:获取训练样本集合,训练样本包括面部样本图像以及对面部样本图像的标注信息,其中,标注信息用于指示预设健康状况信息类别集合中各类别的健康状况信息以及与各类别的健康状况信息对应的概率。标注信息可以包括:良好、一般和不佳等;将训练样本集合中的每个训练样本的面部样本图像作为输入,将与输入的面部样本图像对应的标注信息作为输出,对神经网络进行训练,得到健康识别模型。可选地,健康状态可以包括良好、一般和不佳等。
S25:若所述用户的健康状态为不佳,则所述状态信息为存在风险。
若识别出用户的健康状态为不佳,则该用户对应的状态信息为存在风险。
在本实施例中,先通过对面部图像进行人脸特征点识别,以得到精准面部图像,有利于后续进行更准确地识别。继而采用预设的年龄识别模型对所述精准面部图像进行识别,得到年龄信息。若所述年龄信息在预设的高风险年龄区间,则所述状态信息为存在风险。若所述年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别。若所述用户的健康状态为不佳,则所述状态信息为存在风险。通过对不同的年龄信息进行不同的判断,更好地保证了状态信息的准确性。
在一个实施例中,所述触发请求还包括用户信息。
其中,用户信息为用户在注册时通过客户端输入的自身相关的信息,例如,姓名、年龄、身份证号码等。
在这个实施例中,如图4所示,在所述状态信息为存在风险之后,该页面数据生成方法还包括:
S31:从所述用户信息中获取所述用户的真实年龄数据,若所述年龄信息和所述真实年龄数据不匹配,则发送图像重新获取请求至客户端。
在该步骤中,若状态信息为存在风险,则从用户信息中获取所述用户的真实年龄数据,其中真实年龄数据为用户输入的年龄数据。若所述年龄信息和所述真实年龄数据不匹配,则说明可能识别有误,或者用户输入有误,为了更准确地进行判断,此时发送图像重新获取请求至客户端,以重新获取用户的面部图像。
S32:获取所述客户端根据所述图像重新获取请求返回的复数幅修正面部图像,对复数幅所述修正面部图像进行识别,得到所述用户的修正年龄信息。
客户端在接收到图像重新获取请求之后,对用户重新进行面部图像采集,此时采集复数幅用户的修正面部图像,以避免误差。然后将复数幅修正面部图像发送至服务端。服务端在获取到复数幅修正面部图像之后,对复数幅所述修正面部图像进行识别,得到所述用户的修正年龄信息。其中,修正年龄信息可以为对复数幅修正面部图像进行识别之后得到的复数个年龄信息的均值。
S33:若所述修正年龄信息在预设的高风险年龄区间,则所述状态信息为存在风险。
S34:若所述修正年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别。
S35:若所述用户的健康状态为不佳,则触发执行所述发送健康数据获取请求至客户端的步骤。
在得到修正年龄信息之后,对用户重新进行状态信息的判断,可以理解地,步骤S33-S34具体和步骤S23-S24相同,在此不再赘述。在得到用户的健康状态为不佳的情况时,则触发执行所述发送健康数据获取请求至客户端的步骤。
在本实施例中,若所述状态信息为存在风险,则从所述用户信息中获取所述用户的真实年龄数据,若所述年龄信息和所述真实年龄数据不匹配,则发送图像重新获取请求至客户端。获取所述客户端根据所述图像重新获取请求返回的复数幅修正面部图像,对复数幅所述修正面部图像进行识别,得到所述用户的修正年龄信息。通过对用户年龄信息的二次确认,更好地保证了整体识别的准确性。
在一个实施例中,如图5所示,所述根据所述健康数据进行计算,得到所述用户的健康分值,包括:
S51:根据所述健康数据从数据库中获取预设的基准健康值。
S52:根据预设的基准健康值对所述健康数据中的每一项健康参数进行匹配,得到每一项所述健康参数的分值。
S53:根据预设的权值对每一项所述健康参数的分值进行叠加,得到所述用户的健康分值。
具体地,为健康数据中的每一项健康参数预先设定基准健康值,可以理解地,基准健康值可以为一个数值区间,或者一个阈值。根据健康数据中的每一项健康参数和对应的基准健康值的匹配结果,就可以得到每一项健康参数的分值。该分值可以根据具体的健康参数和基准健康值的偏差程度来设定。然后根据每一项健康参数的预设权值对每一项所述健康参数的分值进行叠加,得到所述用户的健康分值。
在本实施例中,通过预设的基准健康值来对健康数据进行量化的衡量,从而得到用户的健康分值,以更直观地对用户地健康状态进行衡量。
在一个实施例中,如图6所示,在所述根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端之后,该页面数据生成方法还包括:
S70:获取所述用户的数据选择信息。
在发送页面数据至客户端之后,实施监控用户的操作行为,若用户选择了其中的一项或者复数项具体的产品,则客户端形成数据选择信息,并将该数据选择信息发送至服务端。具体地,该数据选择信息可以为用户选择的产品的数据标识。
S80:根据所述数据选择信息获取对应数据的风险数值,若所述风险数值和所述健康分值不匹配,则获取所述用户的关联端信息。
每一产品都预先设定了一风险数值,该风险数值根据数据类别的不同而进行不同的设定。例如,对于理财产品而言,可以根据产品的具体情况进行风险数值的设定。对于视频而言,可以根据视频类型或者视频分级情况进行风险数值的设定。在得到对应产品的风险数值之后,若风险数值和所述健康分值不匹配,则获取所述用户的关联端信息。
其中,关联端信息可以为用户在注册时进行输入,或者通过第三方数据平台获得。例如,该关联端信息可以为该用户的紧急联系人。
S90:根据所述关联端信息发送提醒信息至对应的关联端。
在本实施例中,在获取所述用户的数据选择信息之后,根据所述数据选择信息获取对应产品的风险数值,若所述风险数值和所述健康分值不匹配,则获取所述用户的关联端信息。根据所述关联端信息发送提醒信息至对应的关联端。以更好地对用户地行为进行监控,保证对用户更好地健康监控。
本发明实施例还涉及一种页面数据生成方法,以该方法应用在图1中的服务端为例进行说明,该页面数据生成方法包括如下步骤:
获取用户的触发请求,所述触发请求包括用户信息。
从所述用户信息中提取用户的年龄信息。
若所述年龄信息在预设的高风险年龄区间,则所述用户的状态信息为存在风险。
若所述年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别。
若所述用户的健康状态为不佳,则所述状态信息为存在风险。
若所述状态信息为存在风险,则发送健康数据获取请求至客户端。
获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据。
根据所述健康数据进行计算,得到所述用户的健康分值。
根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
在本实施例中,通过在用户注册之后,从用户信息中提取用户的年龄信息,再根据年龄信息进行进一步的用户状态信息的判断,若状态信息为存在风险,则进一步地进行健康分值的计算,并且根据健康分值来生成对应的页面数据,对状态信息存在风险的用户进行进一步的健康状态的检测,并且形成对应的页面数据,以形成更有针对性的数据推荐,也保证了用户的健康,实现更精确的页面数据呈现,并且提高了页面数据形成的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种页面数据生成装置,该页面数据生成装置与上述实施例中页面数据生成方法一一对应。如图7所示,该页面数据生成装置包括面部图像获取模块10、面部图像识别模块20、第一获取请求发送模块30、健康数据获取模块40、第一健康分值计算模块50和第一页面数据发送模块60。各功能模块详细说明如下:
面部图像获取模块10,用于获取用户的触发请求,根据所述触发请求获取用户的面部图像;
面部图像识别模块20,用于对所述面部图像进行识别,得到用户的状态信息;
第一获取请求发送模块30,用于在所述状态信息为存在风险时,则发送健康数据获取请求至客户端;
健康数据获取模块40,用于获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;
第一健康分值计算模块50,用于根据所述健康数据进行计算,得到所述用户的健康分值;
第一页面数据发送模块60,用于根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
优选地,面部图像识别模块20包括人脸特征点识别单元、年龄信息识别单元、风险信息识别单元、健康状态识别单元和风险健康状态识别单元。
人脸特征点识别单元,用于对所述面部图像进行人脸特征点识别,得到目标关键点,根据所述目标关键点得到精准面部图像。
年龄信息识别单元,用于采用预设的年龄识别模型对所述精准面部图像进行识别,得到年龄信息。
风险信息识别单元,用于在所述年龄信息在预设的高风险年龄区间时,则所述状态信息为存在风险。
健康状态识别单元,用于在所述年龄信息在预设的中风险年龄区间时,则对所述精准面部图像进行健康状态识别,得到健康状态。
风险健康状态识别单元,用于在所述用户的健康状态为不佳时,则所述状态信息为存在风险。
优选地,所述目标关键点可以为左耳点、右耳点和下巴点。所述人脸特征点识别单元还用于以左耳点和右耳点的连线为对称轴,确定所述下巴点的对称点;将所述左耳点、右耳点、下巴点和对称点分别作为矩形框中每一条边的中点,构建矩形框;根据所述矩形框在所述面部图像中提取图像,得到精准面部图像。
优选地,该页面数据生成装置还用于从所述用户信息中获取所述用户的真实年龄数据,若所述年龄信息和所述真实年龄数据不匹配,则发送图像重新获取请求至客户端。获取所述客户端根据所述图像重新获取请求返回的复数幅修正面部图像,对复数幅所述修正面部图像进行识别,得到所述用户的修正年龄信息。若所述修正年龄信息在预设的高风险年龄区间,则所述状态信息为存在风险。若所述修正年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别。若所述用户的健康状态为不佳,则所述状态信息为存在风险。
优选地,第一健康分值计算模块50还用于根据所述健康数据从数据库中获取预设的基准健康值。根据所述基准健康值对所述健康数据中的每一项健康参数进行匹配,得到每一项所述健康参数的分值。根据预设的权值对每一项所述健康参数的分值进行叠加,得到所述用户的健康分值。
优选地,该页面数据生成装置还用于获取所述用户的数据选择信息。根据所述数据选择信息获取对应数据的风险数值,若所述风险数值和所述健康分值不匹配,则获取所述用户的关联端信息。根据所述关联端信息发送提醒信息至对应的关联端。
在一实施例中,提供一种页面数据生成装置,该页面数据生成装置与上述实施例中页面数据生成方法一一对应。各功能模块详细说明如下:
触发请求获取模块,用于获取用户的触发请求,所述触发请求包括用户信息。
年龄信息获取模块,用于从所述用户信息中提取用户的年龄信息。
第一风险信息获取模块,用于在所述年龄信息在预设的高风险年龄区间时,则所述用户的状态信息为存在风险。
健康状态识别模块,用于若所述年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别。
第一风险信息获取模块,用于在所述用户的健康状态为不佳时,则所述状态信息为存在风险。
第二获取请求发送模块,用于在所述状态信息为存在风险时,则发送健康数据获取请求至客户端。
授权信息获取模块,用于获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据。
第二健康分值计算模块,用于根据所述健康数据进行计算,得到所述用户的健康分值。
第二页面数据发送模块,用于根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
关于页面数据生成装置的具体限定可以参见上文中对于页面数据生成方法的限定,在此不再赘述。上述页面数据生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于上述实施例中页面数据生成方法所使用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种页面数据生成方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中的页面数据生成方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中的页面数据生成方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种页面数据生成方法,其特征在于,包括:
获取用户的触发请求,根据所述触发请求获取用户的面部图像;
对所述面部图像进行识别,得到用户的状态信息;
若所述状态信息为存在风险,则发送健康数据获取请求至客户端;
获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;
根据所述健康数据进行计算,得到所述用户的健康分值;
根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
2.如权利要求1所述的页面数据生成方法,其特征在于,所述对所述面部图像进行识别,得到用户的状态信息,包括:
对所述面部图像进行人脸特征点识别,得到目标关键点,根据所述目标关键点得到精准面部图像;
采用预设的年龄识别模型对所述精准面部图像进行识别,得到年龄信息;
若所述年龄信息在预设的高风险年龄区间,则所述状态信息为存在风险;
若所述年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别,得到健康状态;
若所述用户的健康状态为不佳,则所述状态信息为存在风险。
3.如权利要求2所述的页面数据生成方法,其特征在于,所述触发请求还包括用户信息;
在所述状态信息为存在风险之后,所述页面数据生成方法还包括:
从所述用户信息中获取所述用户的真实年龄数据,若所述年龄信息和所述真实年龄数据不匹配,则发送图像重新获取请求至客户端;
获取所述客户端根据所述图像重新获取请求返回的复数幅修正面部图像,对复数幅所述修正面部图像进行识别,得到所述用户的修正年龄信息;
若所述修正年龄信息在预设的高风险年龄区间,则所述状态信息为存在风险;
若所述修正年龄信息在预设的中风险年龄区间,则对所述精准面部图像进行健康状态识别;
若所述用户的健康状态为不佳,则触发执行所述发送健康数据获取请求至客户端的步骤。
4.如权利要求1所述的页面数据生成方法,其特征在于,所述根据所述健康数据进行计算,得到所述用户的健康分值,包括:
根据所述健康数据从数据库中获取预设的基准健康值;
根据预设的基准健康值对所述健康数据中的每一项健康参数进行匹配,得到每一项所述健康参数的分值;
根据预设的权值对每一项所述健康参数的分值进行叠加,得到所述用户的健康分值。
5.如权利要求1所述的页面数据生成方法,其特征在于,在所述发送所述页面数据至客户端之后,所述页面数据生成方法还包括:
获取所述用户的数据选择信息;
根据所述数据选择信息获取对应数据的风险数值,若所述风险数值和所述健康分值不匹配,则获取所述用户的关联端信息;
根据所述关联端信息发送提醒信息至对应的关联端。
6.如权利要求2所述的页面数据生成方法,其特征在于,所述目标关键点可以为左耳点、右耳点和下巴点;
所述根据所述目标关键点得到精准面部图像,包括:
以左耳点和右耳点的连线为对称轴,确定所述下巴点的对称点;
将所述左耳点、右耳点、下巴点和对称点分别作为矩形框中每一条边的中点,构建矩形框;
根据所述矩形框在所述面部图像中提取图像,得到精准面部图像。
7.如权利要求1所述的页面数据生成方法,其特征在于,所述用户的健康数据通过智能终端中的数据获得,或者通过第三方应用程序中获得。
8.一种页面数据生成装置,其特征在于,包括:
面部图像获取模块,用于获取用户的触发请求,根据所述触发请求获取用户的面部图像;
面部图像识别模块,用于对所述面部图像进行识别,得到用户的状态信息;
第一获取请求发送模块,用于在所述状态信息为存在风险时,则发送健康数据获取请求至客户端;
健康数据获取模块,用于获取客户端返回的授权信息,根据所述授权信息获取所述用户的健康数据;
第一健康分值计算模块,用于根据所述健康数据进行计算,得到所述用户的健康分值;
第一页面数据发送模块,用于根据所述健康分值获取对应的页面数据,发送所述页面数据至客户端。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至7任一项所述页面数据生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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任一项所述页面数据生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715800.4A CN110543607A (zh) | 2019-08-05 | 2019-08-05 | 页面数据生成方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715800.4A CN110543607A (zh) | 2019-08-05 | 2019-08-05 | 页面数据生成方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110543607A true CN110543607A (zh) | 2019-12-06 |
Family
ID=68710163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910715800.4A Pending CN110543607A (zh) | 2019-08-05 | 2019-08-05 | 页面数据生成方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110543607A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640502A (zh) * | 2020-05-29 | 2020-09-08 | 口碑(上海)信息技术有限公司 | 配送对象的健康状态检测方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110050955A (ko) * | 2009-11-09 | 2011-05-17 | 한국 한의학 연구원 | 개인 맞춤형 물품구매 및 식단추천 서비스 제공방법 |
CN102355522A (zh) * | 2011-06-29 | 2012-02-15 | 深圳市五巨科技有限公司 | 移动通信终端音乐推送方法及*** |
CN103942705A (zh) * | 2014-03-25 | 2014-07-23 | 惠州Tcl移动通信有限公司 | 一种基于人脸识别的广告分类匹配推送方法及*** |
CN104123355A (zh) * | 2014-07-17 | 2014-10-29 | 深圳市明康迈软件有限公司 | 一种音乐推荐方法及*** |
CN106096366A (zh) * | 2016-06-08 | 2016-11-09 | 北京奇虎科技有限公司 | 一种信息处理方法、装置和设备 |
CN107320090A (zh) * | 2017-06-28 | 2017-11-07 | 广东数相智能科技有限公司 | 一种突发疾病监护***及方法 |
CN107705854A (zh) * | 2017-11-14 | 2018-02-16 | 广东尚诚智能家居有限公司 | 家庭健康管理*** |
CN108022169A (zh) * | 2017-11-30 | 2018-05-11 | 平安科技(深圳)有限公司 | 通过网站对接购买保险的方法、装置、设备及介质 |
CN108511066A (zh) * | 2018-03-29 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
CN108900908A (zh) * | 2018-07-04 | 2018-11-27 | 三星电子(中国)研发中心 | 视频播放方法和装置 |
CN109376932A (zh) * | 2018-10-30 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 基于预测模型的年龄预测方法、装置、服务器及存储介质 |
CN109377384A (zh) * | 2018-09-03 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 健康险的确定方法、装置和服务器 |
-
2019
- 2019-08-05 CN CN201910715800.4A patent/CN110543607A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110050955A (ko) * | 2009-11-09 | 2011-05-17 | 한국 한의학 연구원 | 개인 맞춤형 물품구매 및 식단추천 서비스 제공방법 |
CN102355522A (zh) * | 2011-06-29 | 2012-02-15 | 深圳市五巨科技有限公司 | 移动通信终端音乐推送方法及*** |
CN103942705A (zh) * | 2014-03-25 | 2014-07-23 | 惠州Tcl移动通信有限公司 | 一种基于人脸识别的广告分类匹配推送方法及*** |
CN104123355A (zh) * | 2014-07-17 | 2014-10-29 | 深圳市明康迈软件有限公司 | 一种音乐推荐方法及*** |
CN106096366A (zh) * | 2016-06-08 | 2016-11-09 | 北京奇虎科技有限公司 | 一种信息处理方法、装置和设备 |
CN107320090A (zh) * | 2017-06-28 | 2017-11-07 | 广东数相智能科技有限公司 | 一种突发疾病监护***及方法 |
CN107705854A (zh) * | 2017-11-14 | 2018-02-16 | 广东尚诚智能家居有限公司 | 家庭健康管理*** |
CN108022169A (zh) * | 2017-11-30 | 2018-05-11 | 平安科技(深圳)有限公司 | 通过网站对接购买保险的方法、装置、设备及介质 |
CN108511066A (zh) * | 2018-03-29 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
CN108900908A (zh) * | 2018-07-04 | 2018-11-27 | 三星电子(中国)研发中心 | 视频播放方法和装置 |
CN109377384A (zh) * | 2018-09-03 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 健康险的确定方法、装置和服务器 |
CN109376932A (zh) * | 2018-10-30 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 基于预测模型的年龄预测方法、装置、服务器及存储介质 |
Non-Patent Citations (2)
Title |
---|
武风波;周云如;张会可: "智能健康监测终端设计与实现", 现代电子技术, vol. 40, no. 14, 15 July 2017 (2017-07-15), pages 66 - 67 * |
黄岑宇;王宇航;尹悦悦;陈蓉;王彩凤;: "智能健康终端***设计", 装备制造技术, no. 08, 16 May 2017 (2017-05-16), pages 286 - 287 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640502A (zh) * | 2020-05-29 | 2020-09-08 | 口碑(上海)信息技术有限公司 | 配送对象的健康状态检测方法及装置 |
CN111640502B (zh) * | 2020-05-29 | 2023-08-22 | 口碑(上海)信息技术有限公司 | 配送对象的健康状态检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472206B (zh) | 基于微表情的风险评估方法、装置、设备及介质 | |
WO2020024400A1 (zh) | 课堂监控方法、装置、计算机设备及存储介质 | |
WO2018001371A1 (zh) | 一种身份识别方法及装置 | |
CN109472213B (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
CN111914661A (zh) | 异常行为识别方法、目标异常识别方法、设备及介质 | |
CN109793526B (zh) | 测谎方法、装置、计算机设备和存储介质 | |
CN113435362B (zh) | 异常行为检测方法、装置、计算机设备及存储介质 | |
CN111149104B (zh) | 用于生物特征识别的装置、方法和计算机可读存储介质 | |
CN111428552B (zh) | 黑眼圈识别方法、装置、计算机设备和存储介质 | |
CN116863522A (zh) | 痤疮分级方法、装置、设备及介质 | |
CN111180086A (zh) | 数据匹配方法、装置、计算机设备和存储介质 | |
CN116942149B (zh) | 基于毫米波雷达的腰椎监控方法、装置、设备及存储介质 | |
CN113705685A (zh) | 疾病特征识别模型训练、疾病特征识别方法、装置及设备 | |
CN111967311A (zh) | 情绪识别方法、装置、计算机设备及存储介质 | |
CN111354463B (zh) | 人体健康测量方法、装置、计算机设备及存储介质 | |
CN110600133A (zh) | 智慧社区内老人的健康监测方法、设备及可读存储介质 | |
CN110543607A (zh) | 页面数据生成方法、装置、计算机设备及存储介质 | |
CN110101360A (zh) | 视力评估方法、装置及存储介质 | |
WO2020024390A1 (zh) | 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 | |
CN110298684B (zh) | 车型匹配方法、装置、计算机设备及存储介质 | |
CN116759075A (zh) | 心理障碍问诊方法、装置、设备及介质 | |
CN116130088A (zh) | 多模态面诊问诊方法、装置及相关设备 | |
CN112487980B (zh) | 基于微表情治疗方法、装置、***与计算机可读存储介质 | |
CN109195505B (zh) | 生理测量处理 | |
CN112022124A (zh) | 生理监测方法、装置、计算机设备和存储介质 |
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 |