[发明专利]一种基于人脸的神经网络血压预测方法及手机

摘要

本发明公开了一种基于人脸的神经网络血压预测方法，其特征在于包括步骤；采集人脸图像；构造人脸图像特征向量；利用BP神经网络预测模型和集成神经网络预测模型预测该人脸图像的血压值。本发明还公开了一种基于人脸的神经网络血压预测手机，包括手机摄像头控制模块，人脸图像采集模块，人脸图像特征向量构造模块，血压预测模块，异常血压预警模块，血压档案管理模块，血压预测模型学习模块。本发明有益效果在于血压预测效果好，手机简单易用，能让使用者随时了解其血压预警情况，能为医师提供诊断参考。

主权项

1.一种基于人脸的神经网络血压预测方法，其特征在于,该方法包括以下步骤：[1] 采集人脸图像；[2] 构造人脸图像的人脸特征向量；[3] 利用血压预测模型预测该人脸特征向量对应的收缩压、舒张压和脉搏次数；所述的步骤[3]中的血压预测模型的输入是人脸特征向量，输出是收缩压，舒张压，和脉搏次数；所述的血压预测模型采用集成神经网络预测模型，其弱血压预测模型采用BP神经网络预测模型；集成神经网络血压预测模型的训练过程包括步骤：1)准备训练样本集合，每个样本的输入是人脸特征向量，输出是对应的收缩压，舒张压，和脉搏次数；2)初始化每个训练样本有相等的选择概率；3)循环执行下列步骤指定次数：（1）根据每个样本的选择概率，从给定的训练集中进行有回放地抽样产生局部训练集；（2）在局部训练集上训练BP神经网络血压预测模型，获得BP神经网络血压预测模型；（3）用BP神经网络血压预测模型对给定的训练集中的所有样本预测其收缩压，舒张压，和脉搏次数；（4）计算预测误差；（5）根据误差计算BP神经网络血压预测模型的权重，预测误差越小，权重越大；（6）更新每个样本的选择概率，预测误差大的样本，其对应的选择概率也越大；（7）保存此次BP神经网络血压预测模型；4)输出训练的所有BP神经网络血压预测模型及其对应的权重；集成神经网络血压预测模型的预测过程包括步骤：1)输入测试样本：人脸特征向量；2)利用训练的每个BP神经网络血压预测模型预测输入的测试样本的收缩压，舒张压，和脉搏次数；3)加权平均所有BP神经网络血压预测模型预测的输出，获得最终的收缩压，舒张压，和脉搏次数；其中所述的步骤[3]中的血压预测模型的获取包括以下步骤：a)采集N个人脸图像及对应的收缩压、舒张压和脉搏次数；b)构造每个人脸图像的人脸特征向量；c) 构造训练数据，以人脸特征向量为输入，其对应的收缩压、舒张压和脉搏次数为输出，构成训练样本集合；d)采用训练样本集合，训练血压预测模型；e)以M倍交叉验证方式选择血压预测模型的最佳参数，进而获得对应参数的血压预测模型。