本申请实施例涉及计算机技术领域，具体涉及信息生成方法和装置。
背景技术：
随着人工智能技术的发展，人们可以通过人工智能技术获得各种体验。人工智能为人们的生活带来许多便利。利用人工智能技术为用户提供健康分析以及健康指导使得用户的健康得到了一定的保障。
现有的利用人工智能技术对人体的健康分析通常包括检测人体的体脂率信息等。
技术实现要素：
本申请实施例提出了信息生成方法和装置。
第一方面，本申请实施例提供了一种信息生成方法，该方法包括：获取目标用户的面部图像；将所获取的面部图像输入至预先训练的健康信息识别模型，得到识别结果，其中，健康信息识别模型用于表征面部图像与识别结果之间的对应关系；基于所确定的识别结果，确定目标用户的健康状况信息；基于预先设置的健康状况信息与健康指导信息之间的对应关系，确定所确定的健康状况信息对应的健康指导信息；基于所确定的健康状况信息、健康指导信息，生成健康信息报告。
在一些实施例中，识别结果包括与所获取的面部图像对应的预设面部部位的健康分值；基于所确定的识别结果，确定目标用户的健康状况信息，包括:基于预先设置的预设面部部位的权重值，对预设面部部位的健康分值加权平均，得到目标用户的健康分值；将目标用户的健康分值与预设健康分值阈值进行比较，确定与目标用户的健康分值对应的预设健康分值段；基于预先设置的预设健康分值段与健康状况信息之间的对应关系，确定目标用户的健康状况信息。
在一些实施例中，识别结果包括与所获取的面部图像对应的预设健康状况信息类别集合中各类别的健康状况信息的概率；基于所确定的识别结果，确定目标用户的健康状况信息，包括：从所获取的面部图像对应的预设健康状况信息类别集合中的各类别的健康状况信息的概率中，按照值由大到小的顺序选取预设数目个概率；对所选取的概率对应的类别的健康状况信息进行融合；基于融合结果，确定目标用户的健康状况信息。
在一些实施例中，健康信息识别模型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，标注信息包括用于指示面部样本图像的面部各部位的标注信息以及与面部各部位对应的健康分值的标注信息；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，对卷积神经网络进行训练，得到健康信息识别模型。
在一些实施例中，健康信息识别模型还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，对循环神经网络进行训练，得到健康信息识别模型。
第二方面，本申请实施例提供了一种信息生成的装置，该装置包括：获取单元，配置用于获取目标用户的面部图像；识别单元，配置用于将所获取的面部图像输入至预先训练的健康信息识别模型，得到识别结果，其中，健康信息识别模型用于表征面部图像与识别结果之间的对应关系；第一确定单元，配置用于基于所确定的识别结果，确定目标用户的健康状况信息；第二确定单元，配置用于基于预先设置的健康状况信息与健康指导信息之间的对应关系，确定所确定的健康状况信息对应的健康指导信息；生成单元，配置用于基于所确定的健康状况信息、健康指导信息，生成健康信息报告。
在一些实施例中，识别结果包括与所获取的面部图像对应的预设面部部位的健康分值；第一确定单元进一步配置用于:基于预先设置的预设面部部位的权重值，对预设面部部位的健康分值加权平均，得到目标用户的健康分值；将目标用户的健康分值与预设健康分值阈值进行比较，确定与目标用户的健康分值对应的预设健康分值段；基于预先设置的预设健康分值段与健康状况信息之间的对应关系，确定目标用户的健康状况信息。
在一些实施例中，识别结果包括与所获取的面部图像对应的预设健康状况信息类别集合中各类别的健康状况信息的概率；第一确定单元进一步配置用于：从所获取的面部图像对应的预设健康状况信息类别集合中的各类别的健康状况信息的概率中，按照值由大到小的顺序选取预设数目个概率；对所选取的概率对应的类别的健康状况信息进行融合；基于融合结果，确定目标用户的健康状况信息。
在一些实施例中，健康信息识别模型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，标注信息包括用于指示面部样本图像的面部各部位的标注信息以及与面部各部位对应的健康分值的标注信息；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，对卷积神经网络进行训练，得到健康信息识别模型。
在一些实施例中，健康信息识别模型还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，对循环神经网络进行训练，得到健康信息识别模型。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的信息生成方法和装置，通过获取目标用户的面部图像，而后利用预先训练的健康信息识别模型来确定所获取的面部图像对应的识别结果，接着根据识别结果确定健康状况信息以及与健康状况信息对应的健康指导信息，最后生成健康信息报告，从而使得用户可以随时对自己的健康状况进行检测与监督，有助于提高用户的健康状况。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的信息生成方法的一个实施例的流程图；
图3是根据本申请的信息生成方法的应用场景的一个示意图；
图4是根据本申请的信息生成方法的又一个实施例的流程图；
图5是根据本申请的信息生成的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息生成方法或信息生成的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是支持图像拍摄功能或视频拍摄功能的各种电子设备，包括但不限于照相机、摄像机、摄像头、智能手机和平板电脑等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的图像进行处理的图像处理服务器。图像处理服务器可以对接收到的目标用户的面部图像进行分析等处理，并生成处理结果(例如健康信息报告)。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的信息生成方法一般由服务器105执行，当终端具有数据分析处理功能时，也可以由终端设备101、102、103执行。相应地，信息生成的装置一般设置于服务器105中或终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在服务器105本地存储有待识别图像的情况下，系统架构100可以不设置终端设备101、102、103。
继续参考图2，其示出了根据本申请的信息生成方法的一个实施例的流程200。该信息生成方法，包括以下步骤：
步骤201，获取目标用户的面部图像。
在本实施例中，信息生成方法的执行主体(例如图1所示的服务器105)可以从本地或者与其通信连接的终端设备(例如图1所示的终端设备101、102、103)获取目标用户的面部图像。其中，终端设备可以是支持图像连拍功能或视频拍摄功能的各种电子设备，包括但不限于照相机、摄像机、摄像头、智能手机和平板电脑等等。在这里，该目标用户的面部图像通常包括彩色图像(rgb图像)、深度图像(depth图像)等。该面部图像包括目标用户可以包括面部各个部位(例如鼻子、眼睛、面颊等)的轮廓；还可以包括各个部位的颜色。优选地，上述目标用户的面部图像可以为彩色的深度图像。通过将用户的面部图像设置为彩色的深度图像，可以使得面部图像具有更好的景深信息，从而使得面部图像中的面部轮廓以及面部各个部位更加清晰。
在本实施例中，上述目标用户的面部图像可以包括一张面部图像，也可以包括多张面部图像。在这里，该多张面部图像例如可以包括用户紧闭嘴巴的图像以及用户张开嘴巴伸出舌头的图像。
步骤202，将所获取的面部图像输入至预先训练的健康信息识别模型，得到识别结果。
在本实施例中，根据步骤201所获取的目标用户的面部图像，上述执行主体可以将所获取的面部图像输入至预先训练的健康信息识别模型，从而得到识别结果。在这里，该识别结果可以包括与所获取的面部图像对应的预设面部部位的健康分值。在这里，该预设面部部位例如可以包括眼睛部位、脸颊部位、额头部位、下吧部位、嘴唇部位、舌头部位等。在这里，由于面部的各部位与体能不同的器官相对应。上述执行主体通过确定各面部部位的健康分值可以确定目标用户体内各器官的健康状况。
在本实施例中，健康信息识别模型可以用于表征面部图像与识别结果之间的对应关系。也即是说，健康信息识别模型可以用于表征面部图像与面部图像对应的预设面部部位的健康分值之间的对应关系。
在本实施例的一些可选的实现方式中，本领域技术人员对大量的面部样本图像进行统计分析，从而确定出与面部样本图像对应的预设面部部位的健康状况，并根据该健康状况确定出预设面部部位的健康分值。健康信息识别模型可以为基于面部样本图像以及与面部样本图像中的预设面部部位的健康分值的对应关系表。此时，上述执行主体可以计算目标用户的面部图像中的预设面部部位与该对应关系表中的各个面部样本图像中的预设面部部位之间的相似度。在这里，该相似度例如可以包括各预设面部部位的轮廓的相似度，可以包括各预设面部部位的颜色的相似度等。并基于相似度计算结果，从该对应关系表中得到与目标用户的面部图像对应的预设面部部位的健康分值。例如，首先确定出与目标用户的面部图像中的脸颊的颜色、额头的轮廓(例如额头若长有青春痘，其额头的面部轮廓与无青春痘的轮廓不相同)、眉心的轮廓等相似度最高的面部样本图像。然后，从该对应关系表中查找出与该面部样本图像对应的脸颊的颜色、额头的轮廓、眉心的轮廓等的健康分值，并将所确定的各预设面部部位的健康分值作为目标用户的面部图像中的脸颊、额头、眉心等面部部位的健康分值。
在本实施例的一些可选的实现方式中，健康信息识别模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种人工神经网络等)进行有监督训练而得到的。这里，训练样本可以包括面部样本图像集合。该面部样本图像集合中包括大量面部样本图像和每个面部样本图像的标注信息。
实践中，健康信息识别模型还可以是通过对预设的卷积神经网络(convolutionalneuralnetwork，cnn)进行训练得到的。其中，该卷积神经网络可以是未经训练或未训练完成的多层卷积神经网络。该卷积神经网络例如可以包括卷积层、池化层、全连接层和损失层。另外，该卷积神经网络中的非首个卷积层可以与位于该非首个卷积层之前的至少一个卷积层相连接。例如，该非首个卷积层可以与位于其之前的所有卷积层相连接；该非首个卷积层也可以与位于其之前的部分卷积层相连接。具体的，健康信息识别模型可以通过如下步骤训练得到：
首先，获取面部样本图像集合。该面部样本图像集合中包括大量面部样本图像和每个面部样本图像的标注信息。在这里，该标注信息可以包括用于指示面部样本图像的面部各部位的标注信息以及与面部各部位对应的健康分值的标注信息。在这里，该面部各部位的标注信息可以包括面部各部位的轮廓的标注信息、面部各部位的颜色的标注信息、面部各部位位于面部的位置的标注信息等。通过该面部各部位位于面部的位置的标注信息即可确定上述目标用户的面部图像中的预设面部部位。在这里，该与面部各部位对应的健康分值的标注信息可以包括基于该部位的轮廓的权重以及颜色的权重而生成的健康分值的标注信息。
而后，将面部样本集合中的面部样本图像作为输入，将与各面部样本图像对应的面部各部位的健康分值的标注信息作为输出，对初始卷积神经网络进行训练，得到健康信息识别模型。
这里，初始卷积神经网络可以是未经训练的卷积神经网络或未训练完成的卷积神经网络，初始卷积神经网络可以设置有初始网络参数(例如不同的小随机数)，网络参数在健康信息识别模型的训练过程中可以被不断地调整。直至训练出能够表征面部图像和与面部图像对应的面部部位的健康分值之间的对应关系的健康信息识别模型为止。例如，可以采用bp(backpropagation，反向传播)算法或者sgd(stochasticgradientdescent，随机梯度下降)算法来调整卷积神经网络的网络参数。
步骤203，基于所确定的识别结果，确定目标用户的健康状况信息。
在本实施例中，根据步骤202所确定的与目标用户的面部图像对应的预设面部部位的健康分值，上述执行主体可以确定上述目标用户的健康状况信息。
作为示例，上述执行主体中可以预先设置预设面部部位的权重值。在这里，该预设面部部位的权重值例如可以包括脸颊的权重值0.1、眼睛的权重值0.6、额头的权重值0.3等。上述执行主体可以根据预先设置的预设面部部位的权重值，对预设面部部位的健康分值加权平均，从而得到用户的健康分值。例如，目标用户的脸颊的健康分值为50，眼睛的健康分值为70，额头的健康分值为60，则目标用户的健康分值为50*0.1+70*0.6+60*0.3＝65，即目标用户的健康分值为65。上述执行主体中还不可以设置健康分值段与健康状况信息之间的对应关系表。例如，当健康分值段为0～40时，与该健康分值段对应的健康状况信息为健康状况差；当健康分值段为41～60时，与该健康分值段对应的健康状况信息为健康状况较差；当健康分值段为60～80时，与该健康分值段对应的健康状况信息为健康状况良好；当健康分值段为80～100时，与该健康分值段对应的健康状况信息为非常健康。从而，上述执行主体可以将目标用户的健康分值与预设健康分值阈值进行比较，以确定与目标用户的健康分值对应的预设健康分值段。最后，根据预先设置的预设健康分值段与健康状况信息之间的对应关系，确定目标用户的健康状况信息。
步骤204，基于预先设置的健康状况信息与健康指导信息之间的对应关系，确定所确定的健康状况信息对应的健康指导信息。
在本实施例中，上述执行主体中可以预先设置有健康状况信息与健康指导信息之间的对应关系。该健康指导信息用以根据健康状况信息来进行合理的健康指导。根据步骤203所确定的用户的健康状况信息，上述执行主体可以根据该健康状况信息来确定与该健康状况信息对应的健康指导信息。例如，当执行主体确定用户的健康状况为“良好”时，与该健康状况对应的健康指导信息例如可以包括“身体状况不错，建议平时多运动以保持良好的体质，饮食忌油腻，作息规律，以保持较佳的精力状态”。
步骤205，基于所确定的健康状态信息、健康指导信息，生成健康信息报告。
在本实施例中，上述执行主体可以根据步骤203所确定的目标用户的健康状态信息以及步骤204所确定的健康指导信息，从而生成健康信息报告。通过改健康信息报告，目标用户可以对自己的健康状况一目了然，提高了用户对自身健康状况的监视。从而有助于用户提高自己的健康状况。可选的，该健康信息报告中还可以包括目标用户的预设面部部位所对应的健康分值以及与预设面部部位对应的身体器官信息。从而有助于用户根据面部各健康分值了解自身的器官的健康状况。
继续参见图3，图3是根据本申请的信息生成方法的应用场景的一个示意图。在图3的应用场景中，拍摄设备301将获取到的目标用户307的面部图像302发送至服务器303。服务器303将获取到的面部图像302输入预先训练的健康信息识别模型，从而得到“眉心健康分值60分”、“鼻翼健康分值70分”、“下巴健康分值80分”的识别结果304。然后，根据该识别结果，服务器303可以确定目标用户的健康状况信息305为“健康状况良好”。接着，服务器303可以根据预先设置的健康状况信息与健康指导信息之间的对应关系，确定“健康状况良好”对应的健康指导信息306为“持续保持良好作息习惯”。最后，服务器303可以根据所确定的“健康状况良好”、“持续保持良好作息习惯”从而生成健康信息报告。
本申请实施例提供的信息生成方法，通过获取目标用户的面部图像，而后利用预先训练的健康信息识别模型来确定所获取的面部图像对应的识别结果，接着根据识别结果确定健康状况信息以及与健康状况信息对应的健康指导信息，最后生成健康信息报告，从而使得用户可以随时对自己的健康状况进行检测与监督，从而有助于提高用户的健康状况。
进一步参考图4，其示出了根据本申请的信息生成方法的又一个实施例的流程400。该信息生成方法的流程400，包括以下步骤：
步骤401，获取目标用户的面部图像。
在本实施例中，信息生成方法的执行主体(例如图1所示的服务器105)可以从本地或者与其通信连接的终端设备(例如图1所示的终端设备101、102、103)获取目标用户的面部图像。在这里，该目标用户的面部图像通常包括彩色图像(rgb图像)、深度图像(depth图像)等。该面部图像包括目标用户可以包括面部各个部位(例如鼻子、眼睛、面颊等)的轮廓；还可以包括各个部位的颜色。
步骤402，将所获取的面部图像输入至预先训练的健康信息识别模型，得到识别结果。
在本实施例中，根据步骤401所获取的目标用户的面部图像，上述执行主体可以将所获取的面部图像输入至预先训练的健康信息识别模型，从而得到识别结果。在这里，该识别结果可以包括与所获取的面部图像对应的预设健康状况信息类别集合中各类别的健康状况信息的概率。在这里，各类别的健康状况信息例如可以包括内分泌失调的健康状况信息、心理压力重的健康状况信息、咽喉炎的健康状况信息、身体状况良好的健康状况信息等等。从而，上述执行主体可以通过健康信息类别模型得到与目标用户的面部图像对应的上述各类别的健康状况信息的概率。需要说明的是，该识别结果中的各个概率的总和可以等于1。
在本实施例中，健康信息识别模型可以用于表征面部图像与识别结果之间的对应关系。也即是说，健康信息识别模型可以用于表征面部图像以及与所获取的面部图像对应的预设健康状况信息类别集合中各类别的健康状况信息的概率之间的对应关系。
在本实施例的一些可选的实现方式中，本领域技术人员可以对大量包括预设健康状况信息类别集合中的每种类别的面部样本图像进行统计分析，从而制定出存储有包括预设健康状况信息类别集合中的每种类别的面部图像和健康状况信息之间的对应关系表，并将该对应关系表作为健康信息识别模型。上述执行主体可以计算目标用户的面部图像与该对应关系表中的包括预设健康状况信息类别集合中的每种类别的面部样本图像之间的相似度。在这里，该相似度例如可以包括各预设面部部位的轮廓的相似度，可以包括面部各部位的颜色的相似度等。在这里，计算面部图像之间的相似度的方法例如可以包括已有的特征提取法技术。即通过提取各面部图像的面部轮廓点，对响应的面部轮廓点进行欧式距离计算等。然后，基于相似度计算结果，从该对应关系表中得到与目标用户的面部图像对应的预设健康状况信息类别集合中的各类别的健康状况信息的概率。
在本实施例的一些可选的实现方式中，健康信息识别模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种人工神经网络等)进行有监督训练而得到的。这里，训练样本可以包括面部样本图像集合。该面部样本图像集合中包括大量面部样本图像和每个面部样本图像的标注信息。
实践中，健康信息识别模型还可以是通过对预设的循环神经网络进行训练得到的。循环神经网络是一种节点定向连接成环的人工神经网络。这种网络的本质特征是在处理单元之间既有内部的反馈连接又有前馈连接，其内部状态可以展示动态时序行为。这里，可以利用训练样本对初始循环神经网络进行训练，从而得到健康信息识别模型。具体地，心理状态信息预测模型可以通过如下步骤训练得到：
首先，获取面部样本图像集合。该面部样本图像集合中包括大量面部样本图像和每个面部样本图像的标注信息。在这里，该标注信息可以包括用于指示各面部样本图像对应的健康状况信息以及与该健康状况信息对应的概率。
而后，将面部样本集合中的面部样本图像作为输入，将与各面部样本图像对应的健康状况信息以及与健康状况信息对应的概率的标注信息作为输出，对初始循环神经网络进行训练，得到健康信息识别模型。
这里，初始循环神经网络可以是未经训练的循环神经网络或未训练完成的循环神经网络，初始循环神经网络可以设置有初始网络参数(例如不同的小随机数)，网络参数在健康信息识别模型的训练过程中可以被不断地调整。直至训练出能够表征面部图像以及与所获取的面部图像对应的预设健康状况信息类别集合中各类别的健康状况信息的概率之间的对应关系的健康信息识别模型为止。
步骤403，从所获取的面部图像对应的预设健康状况信息类别集合中的各类别的健康状况信息的概率中，按照值由大到小的顺序选取预设数目个概率。
在本实施例中，根据步骤402所确定的目标用户的面部图像对应的预设健康状况信息类别集合中的各类别的健康状况信息的概率，上述执行主体可以选取值最大的概率，也可以按照值有大到小的顺序，选择预设数目个概率。在这里，当值最大的概率与其他概率之间的数值大于预设阈值时，可以仅选择值最大的概率。当预设数目个概率中的每两个概率差值均小于预设阈值时，可以选取该预设数目个概率。
步骤404，对所选取的概率对应的类别的健康状况信息进行融合。
在本实施例中，根据步骤403所选取的预设数目个概率。上述执行主体可以依据预设的各类别的健康状况信息之间的关联关系，对所选取的预设数目个概率对应的健康状况信息进行融合。作为示例，当所确定的健康状况信息包括“压力大”、“内分泌失调”等，而通常“压力大”会导致“内分泌失调”，因此，可以将二者融合为“压力问题”。
步骤405，基于融合结果，确定目标用户的健康状况信息。
在本实施例中，根据步骤404的融合结果，上述执行主体可以根据该融合结果来确定目标用户的健康状况信息。在这里，可以将该融合结果确定为该目标用户的健康状况信息。
步骤406，基于预先设置的健康状况信息与健康指导信息之间的对应关系，确定所确定的健康状况信息对应的健康指导信息。
在本实施例中，上述执行主体中可以预先设置有健康状况信息与健康指导信息之间的对应关系。该健康指导信息用以根据健康状况信息来进行合理的健康指导。根据步骤203所确定的用户的健康状况信息，上述执行主体可以根据该健康状况信息来确定与该健康状况信息对应的健康指导信息。
步骤407，基于所确定的健康状态信息、健康指导信息，生成健康信息报告。
在本实施例中，上述执行主体可以根据步骤203所确定的目标用户的健康状态信息以及步骤204所确定的健康指导信息，从而生成健康信息报告。
从图4中可以看出，与图2所示的实施例不同的是，本实施例采用另外的训练方式对健康信息识别模型进行训练，从而丰富了健康信息识别模型的输出结果。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的信息生成的装置500可以包括：获取单元501、识别单元502、第一确定单元503、第二确定单元504和生成单元505。其中，获取单元501，配置用于获取目标用户的面部图像。识别单元502，配置用于将所获取的面部图像输入至预先训练的健康信息识别模型，得到识别结果，其中，健康信息识别模型用于表征面部图像与识别结果之间的对应关系。第一确定单元503，配置用于基于所确定的识别结果，确定目标用户的健康状况信息。第二确定单元504，配置用于基于预先设置的健康状况信息与健康指导信息之间的对应关系，确定所确定的健康状况信息对应的健康指导信息。生成单元505，配置用于基于所确定的健康状况信息、健康指导信息，生成健康信息报告。
在本实施例中，信息生成装置500中：获取单元501、识别单元502、第一确定单元503、第二确定单元504和生成单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，识别结果包括与所获取的面部图像对应的预设面部部位的健康分值；第一确定单元503进一步配置用于:基于预先设置的预设面部部位的权重值，对预设面部部位的健康分值加权平均，得到目标用户的健康分值；将目标用户的健康分值与预设健康分值阈值进行比较，确定与目标用户的健康分值对应的预设健康分值段；基于预先设置的预设健康分值段与健康状况信息之间的对应关系，确定目标用户的健康状况信息。
在本实施例的一些可选的实现方式中，识别结果包括与所获取的面部图像对应的预设健康状况信息类别集合中各类别的健康状况信息的概率；第一确定单元503进一步配置用于：从所获取的面部图像对应的预设健康状况信息类别集合中的各类别的健康状况信息的概率中，按照值由大到小的顺序选取预设数目个概率；对所选取的概率对应的类别的健康状况信息进行融合；基于融合结果，确定目标用户的健康状况信息。
在本实施例的一些可选的实现方式中，健康信息识别模型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，标注信息包括用于指示面部样本图像的面部各部位的标注信息以及与面部各部位对应的健康分值的标注信息；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，对卷积神经网络进行训练，得到健康信息识别模型。
在本实施例的一些可选的实现方式中，健康信息识别模型还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，对循环神经网络进行训练，得到健康信息识别模型。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的电子设备或服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、识别单元、第一确定单元、第二确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标用户的面部图像的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标用户的面部图像；将所获取的面部图像输入至预先训练的健康信息识别模型，得到识别结果，其中，健康信息识别模型用于表征面部图像与识别结果之间的对应关系；基于所确定的识别结果，确定目标用户的健康状况信息；基于预先设置的健康状况信息与健康指导信息之间的对应关系，确定所确定的健康状况信息对应的健康指导信息；基于所确定的健康状况信息、健康指导信息，生成健康信息报告。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。