买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜山东省大健康精准医疗产业技术研究院申请的专利一种基于面部结构识别的概率预测系统及预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116469148B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310434076.4，技术领域涉及：G06V40/16；该发明授权一种基于面部结构识别的概率预测系统及预测方法是由朱翎嘉;左玉伟;高丽鹤;吴冰设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本一种基于面部结构识别的概率预测系统及预测方法在说明书摘要公布了：本发明涉及一种基于面部结构识别的概率预测系统及预测方法，属于智能识别技术领域，首先将数据收集、数据整理、数据处理作为前期工作；接下来计算数据的总体偏差，筛选可用样本，组织构建特征工程；最终基于常见的深度学习库封装原始数据划分训练和测试集，构建模型辅之以正则化、dropout和相关损失函数进行深度学习网络模型的训练、验证和测试。为实现关键特征计算，使用人工智能技术包括机器学习技术和深度学习技术进行特征的计算，通过识别面部的关键点的位置和结构提取相关特征信息，建立全连接神经网络模型来进行识别。无需辅助其他检测设备，仅通过日常手机对面部影像视频进行分析，即可对AH进行日常监测并提高初步识别概率。

本发明授权一种基于面部结构识别的概率预测系统及预测方法在权利要求书中公布了：1.一种基于面部结构识别的概率预测系统的预测方法，其特征在于，所述基于面部结构识别的概率预测系统包括数据模块、特征模块、分析模块；数据模块用于获取被测对象的视频数据，其中，数据是在单一灰色背景墙下进行拍摄，拍摄所用的设备像素不低于200*200像素，视频数据采集的人脸状态需要包含正脸、左侧脸、右侧脸共三种状态；特征模块用于利用已有的基于深度学习的包括3D坐标点的468个人脸关键点检测FacePoint模型，计算相关的指标对应比值，并转换成可供程序处理的通用数组格式；分析模块用于将所述的面部状态下特征计算值输入进预先建立的初筛模型进行预测，并输出0-1范围内的概率值；预测方法包括步骤如下：步骤S10，借助电子设备获取被测对象的平静自然状态下的面部视频数据并上传至云服务器，拍摄视频过程中需要用户先是保持正脸姿态，然后向左转头，继而再转回正面，继续向右转头，最后再转回正面，整个过程匀速；数据获取模块通过从手机和网页两个设备端分别获取用户的脸部视频数据和对于腺样体肥大、扁桃体肿大、张口呼吸、睡眠打鼾的标签信息，分别存储在华为OBS和服务器Mysql数据库中；视频格式为MP4，最小像素为400*400，最大像素为4096*4096，视频中检测到的人脸短边边长不小于200px；步骤S20，基于采集到的视频数据生成一系列有关人脸的关键检测点，筛选出可供计算的关键点并计算出对应的长度比值作为原始特征输入进初筛模型；脸部关键点为结合人脸和人脸基准点检测模型共检测468个脸部3D坐标点；人脸基准点检测模型基本架构借助于MobileNetv1v2和SSD；3D人脸基准点检测模型通过借助Google训练的迁移学习模型进行人脸坐标点的三维输出，并通过bootstrap和refine迭代修正坐标预测结果；脸部各个关键点相互独立，其中关键点组成脸部轮廓、眼部、鼻部区域；人脸外轮廓区域索引列表：[10,338,297,332,284,251,389,356,454,323,361,288,397,365,379,378,400,377,152,148,176,149,150,136,172,58,132,93,234,127,162,21,54,103,67,109,10]，嘴唇轮廓索引列表：[61,146,91,181,84,17,314,405,321,375,291,61,185,40,39,37,0,267,269,270,409,291,78,95,88,178,87,14,317,402,318,324,308,78,191,80,81,82,13,312,311,310,415,308]；特征计算包括正脸部分和侧脸部分的关键点比值，正脸部分包括：第一组比值：左眼宽度、左眼高度，第二组比值：右眼宽度、右眼高度，第三组比值：上唇上缘至下唇上缘、上唇下缘至下唇下缘，第四组比值：额头面部、全面部面积，第五组比值：唇上下间距、鼻小柱至下颌下缘，第六组比值：颧骨平面横距、眼部外间距；侧脸部分包括：第七组比值：鼻部位置面部横距、口部位置面部横距，第八组比值：眼部位置面部横距、鼻部位置面部横距，第九组比值：鼻梁高度、鼻尖高度；特征模块基于关键点检测所获取的与预测相关的九组特征比值，从服务器Mysql数据库中导出记录该用户的标签信息，经过和用户ID标识的匹配，将标签信息添加到单个记录的信息当中，并存储输出为json格式文件，不同的标签信息数据分别存储；重新按条读取json格式文件组成numpy.ndarray格式训练数据集，标签需要标准化，对不确定具体状况的记录加以排除，标签为有，即存在腺样体肥大标签状态，相反，则不存在；由此将标签信息由不规则的字符串转换为可供计算机处理的数字信息数据，组成用户记录数据；步骤S30，基于预训练好的初筛模型进行前向迭代计算，辅之以相关的激活函数，最终得到腺样体肥大、扁桃体肿大、睡眠打鼾和张口呼吸的预测概率；初筛模型采用三层神经网络，构建中间神经元数分别为20、10、1的三层全连接神经网络，除最后一层输出层外，其中权重初始化采用glorot_normal，激活函数采用relu，添加l2权重正则化，并且都添加BatchNormalization批正则化层和Dropout层；损失函数使用二分类中最常用的二进制交叉熵损失函数， 其中函数中的from_logits项参数设置为True；优化算法采用Adam梯度下降策略更新各个神经层神经元的权重值； mt＝β1mt-1+1-β1gt 其中，gt为t时刻误差函数对各权重的导数值；wt为t时刻各神经元的权重值；wt+1为t+1更新后的各神经元权重值；β1为第一个动量的衰减因子；β2为第二个动量的衰减因子；∈为平滑项；η指代学习率；mt为t时刻有偏的第一阶动量估计；为经过校正的第一阶动量估计；vt为t时刻有偏的第二阶动量估计；为经过校正的第二阶动量估计；设置EPOCH训练轮数，开始进行模型的训练迭代，当预测准确度超过75％时或达到设定训练轮数时即停止训练，将张量图和模型权重以tensorflow的ckpt格式保存下来；输入进新的完整过程下的视频，经过初筛模型运算处理，最终输出该视频中的用户患腺样体肥大、扁桃体肿大、张口呼吸和睡眠打鼾的概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东省大健康精准医疗产业技术研究院，其通讯地址为：250101 山东省济南市高新区莱博生物医药产业园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。