基于图像的生长状态监测方法、装置、设备及存储介质与流程

本申请实施例涉及计算机技术领域，尤其涉及一种基于图像的生长状态监测方法、装置、设备及存储介质。

背景技术：

生长发育监测的主要内容是针对儿童实施定期的体格测量，了解其生长速度，管理并且能够筛查高危儿童，例如儿童营养不良等。

通常，家长对儿童的身高、体重等进行测量，手动记录测量值，并记录儿童的日常相关数据，例如饮食数据。在一定时间向专业的医生或者专家提供记录的相关数据，以使得医生或者专家基于家长所提供的相关数据，给出儿童的成长状态是否正常的结论。

然而，上述方式会存在对于儿童的成长状态不能及时给予提示的问题。

技术实现要素：

本申请实施例提供一种基于图像的生长状态监测方法、装置、设备及存储介质，以实现及时获取被监测对象的生长状态。

第一方面，本申请实施例提供一种基于图像的生长状态监测方法，包括：获取被监测对象的至少一个图像；将所述至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态。

结合第一方面，在第一方面的一种可能的实现方式中，所述方法还包括：向客户端发送所述生长状态结果信息；接收所述客户端发送的反馈信息，所述反馈信息用于表示所述生长状态结果信息正确与否；根据所述图像、所述生长状态结果信息和所述反馈信息建立所述被监测对象的训练数据；使用所述被监测对象的训练数据对所述神经网络模型进行训练，获取所述被监测对象的神经网络模型。

结合第一方面或第一方面的一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：获取所述被监测对象的用户标识；根据所述用户标识，将所述被监测对象的图像输入所述被监测对象的神经网络模型。

结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：根据所述被监测对象的属性信息选取所述预先训练好的神经网络模型；所述属性信息包括以下至少一项：年龄、性别和地理位置。

结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述生长状态结果信息包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。

结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：判断所述生长状态结果信息是否满足预设条件，若满足所述预设条件，向客户端发送提示信息。

结合第一方面或第一方面的任一种可能的实现方式，在第一方面的另一种可能的实现方式中，所述方法还包括：将所述至少一个图像与所述生长状态结果信息关联，并保存至所述用户标识对应的存储空间中。

第二方面，本申请实施例提供一种基于图像的生长状态监测装置，包括：获取模块，用于获取被监测对象的至少一个图像；处理模块，用于将所述至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态。

结合第二方面，在第二方面的一种可能的实现方式中，该装置还可以包括发送模块，该发送模块用于向客户端发送所述生长状态结果信息；获取模块还用于接收所述客户端发送的反馈信息，所述反馈信息用于表示所述生长状态结果信息正确与否；处理模块502还用于根据所述图像、所述生长状态结果信息和所述反馈信息建立所述被监测对象的训练数据；使用所述被监测对象的训练数据对所述神经网络模型进行训练，获取所述被监测对象的神经网络模型。

结合第二方面或第二方面的一种可能的实现方式，在第二方面的另一种可能的实现方式中，获取模块还用于获取所述被监测对象的用户标识；处理模块还用于根据所述用户标识，将所述被监测对象的图像输入所述被监测对象的神经网络模型。

结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，处理模块还用于根据所述被监测对象的属性信息选取所述预先训练好的神经网络模型；所述属性信息包括以下至少一项：年龄、性别和地理位置。

结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，所述生长状态结果信息包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。

结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，所述处理模块还用于：判断所述生长状态结果信息是否满足预设条件，若满足所述预设条件，通过发送模块向客户端发送提示信息。

结合第二方面或第二方面的任一种可能的实现方式，在第二方面的另一种可能的实现方式中，所述处理模块还用于：将所述至少一个图像与所述生长状态结果信息关联，并保存至所述用户标识对应的存储空间中。

第三方面，本申请实施例提供一种电子设备，包括：存储器和处理器；所述存储器用于指令，以使所述处理器执行所述指令，以实现如第一方面或第一方面的任一种可能的实现方式所述的基于图像的生长状态监测方法。

第四方面，本申请实施例提供一种存储介质，其特征在于，包括：所述存储介质包括：指令，所述指令用于实现如第一方面或第一方面的任一种可能的实现方式所述的基于图像的生长状态监测方法。

本申请实施例的基于图像的生长状态监测方法、装置、设备及存储介质，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。

附图说明

下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。

图1为本申请一实施例提供的本申请技术方案的一种应用场景图示意图；

图2为本申请一实施例提供的一种基于图像的生长状态监测方法的流程图；

图3为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图；

图4为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图；

图5为本申请一实施例提供的一种基于图像的生长状态监测装置500的示意图；

图6为本申请一实施例提供的一种电子设备600的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本文所涉及的“至少一个”是指一个或多个。本文所涉及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

本文所涉及的“客户端”可以为浏览器客户端或者应用程序(application，简称：app)，其客户端应用于终端设备上。

图1为本申请一实施例提供的本申请技术方案的一种应用场景图示意图，如图1所示，终端设备1将被监测对象的至少一个图像发送给服务器2，服务器2通过本申请的基于图像的生长状态监测方法，对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。

本文所涉及的“被监测对象”可以是处于生长发育状态下的未成年，以通过本申请的生长状态监测方法对该被监测对象进行监测，在发现生长状态异常时，及时反馈给用户(例如家长)，以便及时干预。

终端设备可以是计算机(pc)，也可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动能力的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的移动装置。

本文所涉及的“被监测对象的至少一个图像”可以由具有拍摄功能的终端设备采集，并发送至服务器，也可以是由相机进行采集，并通过终端设备发送至服务器。图像的存储格式可以是bmp、tiff、eps、jpeg、gif、pdf等格式中任意一种。

图2为本申请一实施例提供的一种基于图像的生长状态监测方法的流程图，本实施例的执行主体可以是基于图像的生长状态监测装置，该装置可以是服务器或服务器的内部芯片，如图2所示，本实施例的方法可以包括：

步骤101、获取被监测对象的至少一个图像。

该至少一个图像可以包括被监测对象的全身图像、被监测对象的脸部图像、被监测对象的口腔图像、被监测对象的眼部图像等。

步骤102、将该至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，该生长状态结果信息用于反映被监测对象的生长状态。

其中，由该预先训练好的神经网络模型对该一个或多个图像进行处理，输出生长状态结果信息，该生长状态结果信息可以是生长发育正常或异常，也可以是身高正常或偏低或偏高等，其可以根据需求进行灵活设置。

该预先训练好的神经网络模型是采用广泛采集的训练数据进行训练获取的，该训练数据包括图像和与其对应的生长状态结果信息。举例而言，作为训练数据的图像可以是来自于不同身高的图像、不同胖瘦的图像、不同牙齿状态的图像。

该预先训练好的神经网络模型可以对输入的被监测对象的图像进行处理，输出与图像对应的生长状态结果信息。该预先训练好的神经网络模型具有如下功能：图像预处理、图像分割、边缘检测、轮廓提取、目标识别等处理功能，以及确定被监测对象的生长状态结果信息的功能。

一种应用场景中，用户(例如家长)可以使用手机对被监测对象进行拍照，将拍照所获取的一个或多个图像上传至服务器，由服务器通过上述步骤101至步骤102得到生长状态结果信息，服务器可以将该生长状态结果信息发送给该手机，以向用户反馈该被监测对象的生长状态。

在一些实施例中，该生长状态结果信息可以包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。例如，身高状态结果可以反映被监测对象的身高正常或不正常，肥胖度状态结果可以反映被监测对象是否肥胖，眼睛状态结果可以反映被监测对象的眼睛状态是否正常，该牙齿状态结果可以反映被监测对象的牙齿是否存在问题，如蛀牙、错牙合畸形等问题。

需要说明的是，对于本申请实施例的预先训练好的神经网络模型所输出的生长状态结果信息，例如身高正常或偏低或偏高，该神经网络模型需要结合被监测对象的属性信息以给出生长状态结果信息，该被监测对象的属性信息可以是年龄、性别等，该被监测对象的属性信息可以是由该神经网络模型对图像进行处理获取的，也可以是由终端设备发送至服务器，其可以根据需求进行灵活设置。

本实施例，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。

下面采用几个具体的实施例，对图2所示方法实施例的技术方案进行详细说明。

图3为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图，本实施例在图2所示实施例的基础上，可以为不同的被监测对象提供与之相匹配的神经网络模型，如图3所示，本实施例的方法可以包括：

步骤201、获取被监测对象的至少一个图像。

步骤202、将该至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，该生长状态结果信息用于反映被监测对象的生长状态。

其中，步骤201和步骤202的具体解释说明可以参见图2所示实施例的步骤101和步骤102，此处不再赘述。

步骤203、向客户端发送该生长状态结果信息。

如上所述，该生长状态结果信息可以包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。例如，可以向客户端发送身高不正常(例如，偏高)。

步骤204、接收所述客户端发送的反馈信息，该反馈信息用于表示所述生长状态结果信息正确与否。

用户(例如，家长)通过该客户端可以获知服务器发送的生长状态结果信息，例如，身高偏高，用户基于该生长状态结果信息可以在客户端输入反馈信息，并通过客户端发送至服务器，该反馈信息用于表示该生长状态结果信息正确与否，举例而言，用户(例如，家长)基于身高偏高的生长状态结果信息，结合自身身高或家族身高或医院体检结果确定该反馈信息，例如，用户(例如，家长)的身高高于平均水平，在服务器发送的生长状态结果信息为身高偏高时，相应的反馈信息可以是不正确，即表明该被监测对象的身高属于正常水平。服务器可以通过下述步骤205将该反馈信息作为该图像的实际标记数据，为该被监测对象建立训练数据，以获取适合该被监测对象的生长状态的神经网络模型。

步骤205、根据该图像、该生长状态结果信息和该反馈信息建立该被监测对象的训练数据。

具体的，可以根据生长状态结果信息和反馈信息确定该图像的标记数据，建立图像与该标记数据的对应关系，将图像与该标记数据作为该被监测对象的训练数据。

步骤206、使用该被监测对象的训练数据对该神经网络模型进行训练，获取该被监测对象的神经网络模型。

具体的，上述步骤201中的预先训练好的神经网络模型为使用广泛采集的训练样本进行训练获取的，即可以适用于任意被监测对象，在处理过程中，评判标准通常是平均值，例如，对于身高状态结果，通常是基于全国的平均值给出的结果，这往往不能正确的反映该被监测对象的生长状态，具体原因在于不同地域身高平均值有差异，且不同家庭其身高也并不相同，因此，可以使用该用户发送的反馈信息对步骤201中的神经网络模型进行进一步训练，以获取可以给出与该被监测对象的生长状态相符的神经网络模型。

在一些实施例中，在服务器获取该被监测对象的新的图像时，可以获取该被监测对象的用户标识，以根据该用户标识，将新的图像输入至该被监测对象的神经网络模型，以提升生长状态结果信息的准确率。

其中，该用户标识可以是发送该图像的终端设备的标识，也可以是用户名等，其可以根据需求进行灵活设置。例如，在一些实施例中，终端设备将被监测对象的至少一个图像发送给服务器，在发送之前，终端设备与服务器建立连接，服务器可以获取到该终端设备的标识。

在一些实施例中，服务器可以基于属性信息将训练数据分类，该属性信息包括年龄、性别、地理位置等一项或多项，使用不同类的训练数据对神经网络模型进行训练，以获取多个不同的神经网络模型，当客户端发送被监测对象的图像时，可以根据该被监测对象的属性信息从多个不同的神经网络模型中选取一个神经网络模型作为上述步骤202中的预先训练好的神经网络模型。

举例而言，可以使用在不同城市采集的训练数据分别对神经网络模型进行训练，得到不同城市的神经网络模型，当被监测对象的地理位置为城市a时，则可以使用城市a的神经网络模型对该被监测对象的图像进行处理，以输出该被监测对象的生长状态结果信息。

本实施例，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。

通过反馈信息对神经网络模型进行在训练，获取被监测对象的神经网络模型，可以进一步提升该生长状态结果信息的准确率。

图4为本申请一实施例提供的另一种基于图像的生长状态监测方法的流程图，本实施例在图2或图3所示实施例的基础上，可以在被监测对象的生长状态异常时，向用户发送提示信息，以及时对被监测对象进行干预，如图4所示，本实施例的方法可以包括：

步骤301、获取被监测对象的至少一个图像。

步骤302、将该至少一个图像输入预先训练好的神经网络模型，输出与图像对应的生长状态结果信息，该生长状态结果信息用于反映被监测对象的生长状态。

其中，步骤301和步骤302的具体解释说明可以参见图2所示实施例的步骤101和步骤102，此处不再赘述。

步骤303、判断该生长状态结果信息是否满足预设条件，若满足，则执行步骤304，若不满足，则执行步骤305。

该预设条件可以是以下任意一项或多项：

被监测对象的身高状态结果大于第一阈值、或小于第二阈值；

被监测对象的肥胖度状态结果大于第三阈值；

被监测对象的眼睛状态结果为近视、远视、散光；

被监测对象的牙齿状态结果为蛀牙、牙结石、错牙合畸形等。

步骤304、向客户端发送提示信息。

服务器向客户端发送提示信息，该提示信息可以是任何一项出现异常的生长状态结果，如身高、肥胖度、眼睛、牙齿等。用户(家长)可以根据提示信息对被监测对象的饮食、作息等进行干预。

步骤305、向客户端发送生长状态结果信息。

服务器可以将生长状态结果信息发送给客户端，例如，身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。

可选的，服务器还可以将该至少一个图像与该生长状态结果信息关联，并保存至所述被监测对象对应的存储空间中。例如，可以根据用户标识确定该被监测对象对应的存储空间。该至少一个图像与该生长状态结果信息可以作为该被监测对象的成长记录。

本实施例，通过获取被监测对象的至少一个图像，将至少一个图像输入预先训练好的的神经网络模型，输出与图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态，可以对获取的图像进行实时处理，利用神经网络模型进行分析，得到生长状态结果信息，实现及时获取被监测对象的生长状态。

通过反馈信息对神经网络模型进行在训练，获取被监测对象的神经网络模型进行处理，可以进一步提升该生长状态结果信息的准确率。

通过判断是否满足预设条件，以在生长状态异常时，向用户发送提示信息，以及时对被监测对象进行干预。

图5为本申请一实施例提供的一种基于图像的生长状态监测装置500的示意图，如图5所示，该装置包括：

获取模块501，用于获取被监测对象的至少一个图像；

处理模块502，用于将所述至少一个图像输入预先训练好的神经网络模型，输出与所述图像对应的生长状态结果信息，所述生长状态结果信息用于反映所述被监测对象的生长状态。

可选的，该装置还可以包括发送模块503，该发送模块503用于向客户端发送所述生长状态结果信息；获取模块501还用于接收所述客户端发送的反馈信息，所述反馈信息用于表示所述生长状态结果信息正确与否；处理模块502还用于根据所述图像、所述生长状态结果信息和所述反馈信息建立所述被监测对象的训练数据；使用所述被监测对象的训练数据对所述神经网络模型进行训练，获取所述被监测对象的神经网络模型。

可选的，获取模块501还用于获取所述被监测对象的用户标识；处理模块502还用于根据所述用户标识，将所述被监测对象的图像输入所述被监测对象的神经网络模型。

可选的，处理模块502还用于根据所述被监测对象的属性信息选取所述预先训练好的神经网络模型；所述属性信息包括以下至少一项：年龄、性别和地理位置。

可选的，所述生长状态结果信息包括身高状态结果、肥胖度状态结果、眼睛状态结果和牙齿状态结果中任意一项或其组合。

可选的，处理模块502还用于：判断所述生长状态结果信息是否满足预设条件，若满足所述预设条件，通过发送模块503向客户端发送提示信息。

可选的，所述处理模块502还用于：将所述至少一个图像与所述生长状态结果信息关联，并保存至所述用户标识对应的存储空间中。

本申请提供的基于图像的生长状态监测装置可以用于执行上述的基于图像的生长状态监测方法，其内容和效果在此不再赘述。

图6为本申请一实施例提供的一种电子设备600的示意图，如图6所示，该设备包括：存储器601、处理器602和收发器603。

存储器601用于指令，以使处理器602执行指令，以实现上述的基于图像的生长状态监测方法。

收发器603用于与其他设备之间实现通信。

处理器602可以被一个或多个应用专用集成电路(applicationspecificintegratedcircuit，asic)、数字信号处理器(digitalsignalprocessor，dsp)、数字信号处理设备(digitalsignalprocessingdevice，dspd)、可编程逻辑器件(programmablelogicdevice，pld)、现场可编程门阵列(field-programmablegatearray，fpga)、控制器、微控制器、微处理器或其他电子元件实现。

存储器601可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(staticrandomaccessmemory，sram)，电可擦除可编程只读存储器(electricallyerasableprogrammableread-onlymemory，eeprom)，可擦除可编程只读存储器(erasableprogrammableread-onlymemory，eprom)，可编程只读存储器(programmableread-onlymemory，prom)，只读存储器(read-onlymemory，rom)，磁存储器，快闪存储器，磁盘或光盘。

本申请提供的电子设备可以用于执行上述的基于图像的生长状态监测方法，其内容和效果在此不再赘述。

本申请还提供一种存储介质，包括：存储介质包括：指令，指令用于实现上述的基于图像的生长状态监测方法。其内容和效果在此不再赘述。

本申请提供一种计算机程序产品，该计算机程序产品包括指令，该指令用于实现上述的基于图像的生长状态监测方法。其内容和效果在此不再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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，或者对其中部分或者全部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申请各实施例技术方案的范围。