本申請涉及數據檢測技術領域，尤其是涉及一種bmi檢測方法、裝置以及電子設備。

背景技術：

身體質量指數(bodymassindex，bmi)是常用的衡量人體肥胖程度和是否健康的重要標準。bmi通過人體體重和身高兩個數值獲得相對客觀的參數，并用這個參數所處范圍來衡量身體的肥胖程度。

目前，傳統(tǒng)的bmi需要測量身高和體重，對于用戶較為不方便。隨著人臉識別技術的快速發(fā)展，利用人臉識別技術基于面部圖像的bmi指數預測由于其方便性受到了越來越多的關注。但是，現有的基于面部圖像的bmi指數預測方法，對人臉的bmi指數預測準確度較低。

技術實現要素：

本發(fā)明的目的在于提供一種bmi檢測方法、裝置以及電子設備，以緩解基于面部圖像的bmi指數預測準確度較低的技術問題。

第一方面，本申請實施例提供了一種bmi檢測方法，所述方法包括：

獲取待檢測對象的面部圖像；

基于所述面部圖像提取姿態(tài)信息；所述姿態(tài)信息包括面部特征點位置信息和面部角度信息；

利用所述面部特征點位置信息對所述面部圖像進行歸一化處理，得到目標圖像信息；

基于所述面部角度信息和所述目標圖像信息進行融合，得到融合信息；

基于所述融合信息通過cnn網絡進行檢測，得到所述待檢測對象的bmi檢測結果。

在一個可能的實現中，基于所述面部圖像提取姿態(tài)信息的步驟，包括：

對所述面部圖像進行人臉檢測，得到面部區(qū)域；

對所述面部區(qū)域進行歸一化處理，得到目標區(qū)域；

基于所述目標區(qū)域利用cnn網絡通過多任務回歸法，得到面部特征點位置信息和面部角度信息。

在一個可能的實現中，所述面部特征點位置信息包括下述任意一項或多項：

眼睛位置、鼻尖位置、左嘴角位置以及右嘴角位置。

在一個可能的實現中，所述面部角度信息包括偏移角度、旋轉角度以及俯仰角度。

在一個可能的實現中，利用所述面部特征點位置信息對所述面部圖像進行歸一化處理，得到目標圖像信息的步驟，包括：

基于所述目標區(qū)域選定參考特征點位置信息；

計算所述參考特征點位置信息和所述面部特征點位置信息之間的相似變換系數；

將所述相似變換系數作用于所述面部圖像上，得到歸一化后的目標圖像信息，以消除所述面部圖像在平面內的旋轉角度變化。

在一個可能的實現中，基于所述面部角度信息和所述目標圖像信息進行融合，得到融合信息的步驟，包括：

基于所述目標圖像信息生成與所述目標圖像信息中的面部尺寸相同的第一矩陣和第二矩陣；

將所述第一矩陣中每個元素的值設置為所述偏移角度，將所述第二矩陣中每個元素的值設置為所述俯仰角度；

將所述目標圖像信息轉換為對應的rgb三通道信息；

將所述面部角度信息和所述rgb三通道信息進行合并，得到融合信息。

在一個可能的實現中，基于所述融合信息通過cnn網絡進行檢測，得到所述待檢測對象的bmi檢測結果的步驟，包括：

將所述融合信息輸入至訓練后的bmi檢測模型的cnn網絡并通過回歸法進行檢測，得到所述待檢測對象的bmi檢測結果。

第二方面，提供了一種bmi檢測裝置，包括：

獲取模塊，用于獲取待檢測對象的面部圖像；

提取模塊，用于基于所述面部圖像提取姿態(tài)信息；所述姿態(tài)信息包括面部特征點位置信息和面部角度信息；

處理模塊，用于利用所述面部特征點位置信息對所述面部圖像進行歸一化處理，得到目標圖像信息；

融合模塊，用于基于所述面部角度信息和所述目標圖像信息進行融合，得到融合信息；

檢測模塊，用于基于所述融合信息通過cnn網絡進行檢測，得到所述待檢測對象的bmi檢測結果。

第三方面，本申請實施例又提供了一種電子設備，包括存儲器、處理器，所述存儲器中存儲有可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現上述的第一方面所述方法。

第四方面，本申請實施例又提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有機器可運行指令，所述計算機可運行指令在被處理器調用和運行時，所述計算機可運行指令促使所述處理器運行上述的第一方面所述方法。

本申請實施例帶來了以下有益效果：

本申請實施例提供的一種bmi檢測方法、裝置以及電子設備，能夠基于面部圖像提取面部特征點位置信息和面部角度信息等姿態(tài)信息，然后，利用面部特征點位置信息對面部圖像進行歸一化處理從而得到目標圖像信息，之后基于面部角度信息和目標圖像信息進行融合從而得到融合信息，最后基于融合信息通過cnn網絡進行檢測從而得到待檢測對象的bmi檢測結果，本方案中，通過基于面部圖像估計面部的姿態(tài)信息，并結合面部的姿態(tài)信息進行bmi的預測，使bmi指數預測的過程中融合利用了面部的姿態(tài)信息，不僅提高了bmii指數檢測的準確度及精確度，而且還大幅度提高了bmi指數檢測對面部姿態(tài)的魯棒性。

為使本申請的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

附圖說明

為了更清楚地說明本申請具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本申請的一些實施方式，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本申請實施例提供的bmi檢測方法的流程示意圖；

圖2為本申請實施例提供的bmi檢測方法的另一流程示意圖；

圖3為本申請實施例提供的一種bmi檢測裝置的結構示意圖；

圖4為示出了本申請實施例所提供的一種電子設備的結構示意圖。

具體實施方式

為使本申請實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合附圖對本申請的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

本申請實施例中所提到的術語“包括”和“具有”以及它們的任何變形，意圖在于覆蓋不排他的包含。例如包含了一系列步驟或單元的過程、方法、系統(tǒng)、產品或設備沒有限定于已列出的步驟或單元，而是可選地還包括其他沒有列出的步驟或單元，或可選地還包括對于這些過程、方法、產品或設備固有的其它步驟或單元。

目前，肥胖程度和人的健康密切相關，肥胖程度的判斷不能僅僅采用體重的絕對值，它也與身高密切相關。隨著人臉識別技術的發(fā)展，基于單張面部圖像來預測bmi指數等健康指標，受到越來越多的研究者的關注。但是，由于人臉圖像容易受光照、姿態(tài)、表情的影響，特別是姿態(tài)的變化會大大影響人臉圖像，進而影響bmi預測的準確性。目前的多數方法對于人臉姿態(tài)的變化不夠魯棒。

現有的基于單張面部圖像來預測bmi指數的方法，使用的人臉圖像容易受光照、姿態(tài)、表情的影響。多數現有的方法對帶有姿態(tài)的人臉圖像，bmi預測的準確度還不是很高。這是由于人臉圖像雖然拍攝方便，但很容易受到人臉姿態(tài)的影響，同一個人臉，在不同的姿態(tài)下，拍攝得到的圖像表現出的人臉胖瘦程度會有很大差別，進而影響bmi指數預測的精度。因此，現有的基于面部圖像的bmi指數預測沒有估計人臉的姿態(tài)信息，在bmi預測的過程中沒有用到姿態(tài)信息，其bmi指數預測結果的準確度較低。

基于此，本申請實施例提供了一種bmi檢測方法、裝置以及電子設備，通過該方法可以緩解基于面部圖像的bmi指數預測準確度較低的技術問題。

下面結合附圖對本發(fā)明實施例進行進一步地介紹。

圖1為本申請實施例提供的一種bmi檢測方法的流程示意圖。如圖1所示，該方法包括：

步驟s110，獲取待檢測對象的面部圖像。

其中，待檢測對象可以是人、動物等，本申請實施例以待檢測對象是人為例進行說明，則面部圖像為人臉圖像。

步驟s120，基于面部圖像提取姿態(tài)信息。

其中，姿態(tài)信息包括面部特征點位置信息和面部角度信息等。本步驟中，系統(tǒng)可以基于面部圖像進行人臉姿態(tài)信息估計。

步驟s130，利用面部特征點位置信息對面部圖像進行歸一化處理，得到目標圖像信息。

本步驟中，系統(tǒng)可以基于姿態(tài)信息對面部圖像進行歸一化。

步驟s140，基于面部角度信息和目標圖像信息進行融合，得到融合信息。

通過基于面部角度信息和目標圖像信息的融合過程，實現了后續(xù)的融合姿態(tài)信息的bmi指數預測過程。

步驟s150，基于融合信息通過cnn網絡進行檢測，得到待檢測對象的bmi檢測結果。

通過在使用姿態(tài)信息的過程中一方面利用姿態(tài)信息，對人臉圖像進行歸一化，另一方面將姿態(tài)信息和圖像信息融合一起作為輸入數據來預測bmi指數，大幅度提高了bmi指數的預測精度。

本申請實施例提供的bmi檢測方法可以作為一種姿態(tài)魯棒的基于面部圖像的bmi預測的方法，先提取面部圖像中包括特征點位置信息和角度信息的姿態(tài)信息，然后利用姿態(tài)信息中的特征點位置信息對人臉圖像進行歸一化，最后將姿態(tài)信息中的角度信息和人臉圖像信息融合在一起作為輸入數據來預測bmi指數。從而實現了根據人臉圖像估計人臉的姿態(tài)信息，并結合人臉的姿態(tài)信息進行bmi的預測，使bmi指數預測的過程中融合利用了人臉的姿態(tài)信息，不僅提高了姿態(tài)信息的精度和計算效率，而且大幅度提高了bmi指數預測對姿態(tài)的魯棒性。這樣用戶在拍攝面部圖像時，可以有一定的姿態(tài)，對人臉圖像的拍攝姿態(tài)要求更低，較大程度的方便了用戶的拍攝，提高用戶的使用體驗。

下面對上述步驟進行詳細介紹。

在一些實施例中，面部特征點位置信息包括下述任意一項或多項：

眼睛位置、鼻尖位置、左嘴角位置以及右嘴角位置。

其中，眼睛位置可以為眼睛中心位置、眼角位置等。通過多種不同的人臉部位，可以使本申請實施例中的面部特征點包括的特征更加全面，以提高后續(xù)數據處理過程的全面精確性。

在一些實施例中，面部角度信息包括偏移角度、旋轉角度以及俯仰角度。

通過偏移角度、旋轉角度以及俯仰角度等多種不同姿態(tài)的人臉角度，可以使本申請實施例中的面部角度信息包含的角度更加全面，以提高后續(xù)數據處理過程的全面精確性。

在一些實施例中，上述步驟s120可以包括如下步驟：

步驟a)，對面部圖像進行人臉檢測，得到面部區(qū)域；

步驟b)，對面部區(qū)域進行歸一化處理，得到目標區(qū)域；

步驟c)，基于目標區(qū)域利用cnn網絡通過多任務回歸法，得到面部特征點位置信息和面部角度信息。

為了更精確的表示人臉中的姿態(tài)信息，本申請實施例中使用的人臉姿態(tài)信息可以包括：面部特征點的位置p＝(x1，y1，…，xn，yn)，其中的特征點包括左右眼睛中心、鼻尖、左右嘴角等；頭部姿態(tài)的三個角度q＝(yaw，roll，pitch)，即偏移角度、旋轉角度以及俯仰角度。

其中，特征點位置信息p和角度信息q，可以基于人臉的面部圖像，分別通過回歸的方法獲取。為了提高系統(tǒng)計算效率，本申請實施例中根據人臉檢測的結果，得到人臉的面部區(qū)域，對人臉區(qū)域進行歸一化，然后采用深度學習中的cnn網絡，利用多任務回歸來同時得到位置信息p和角度信息q。其中的多任務包括：第一任務，位置信息的回歸；第二任務，角度信息的回歸。為了讓兩個學習任務同時達到比較好的性能，通過誤差的權重來調整兩者的性能。

通過基于面部圖像利用多任務學習，提取同時包括特征點位置信息和人臉角度信息的姿態(tài)信息，提高了姿態(tài)信息的精度和計算效率。

在一些實施例中，上述步驟s130可以包括如下步驟：

步驟d)，基于目標區(qū)域選定參考特征點位置信息；

步驟e)，計算參考特征點位置信息和面部特征點位置信息之間的相似變換系數；

步驟f)，將相似變換系數作用于面部圖像上，得到歸一化后的目標圖像信息，以消除面部圖像在平面內的旋轉角度變化。

本申請實施例中，人臉檢測得到的人臉區(qū)域包含了一定的姿態(tài)變化，利用姿態(tài)信息中的面部特征點信息p，通過相似變換來歸一化人臉區(qū)域，得到歸一化后的人臉f，可以消除人臉在平面內的姿態(tài)變化，即平面內旋轉roll。

其具體步驟包括：選定歸一化后人臉的標準參考特征點pr＝(x1，y1，…，xn，yn)，計算特征點pr和特征點p之間的相似變換系數t，然后將該相似變換t作用在人臉圖像上，得到歸一化后的人臉圖像f。

通過上述歸一化處理，實現了在使用姿態(tài)信息的過程中利用了特征點位置和面部角度等姿態(tài)信息來對人臉圖像進行歸一化，能夠消除面部圖像在平面內的旋轉角度變化。

在一些實施例中，如圖2所示，上述步驟s140可以包括如下步驟：

步驟g)，基于目標圖像信息生成與目標圖像信息中的面部尺寸相同的第一矩陣和第二矩陣；

步驟h)，將第一矩陣中每個元素的值設置為偏移角度，將第二矩陣中每個元素的值設置為俯仰角度；

步驟i)，將目標圖像信息轉換為對應的rgb三通道信息；

步驟j)，將面部角度信息和rgb三通道信息進行合并，得到融合信息。

本申請實施例中，在歸一化人臉圖像f的基礎上，融合姿態(tài)信息中的角度信息q和人臉的圖像信息，通過回歸的方法就可以得到bmi的預測結果。主要的處理包括以下幾個步驟：

1.1)人臉角度信息的表示。由于在上一步的處理中已經消除了人臉平面內的姿態(tài)變化(roll)，因此這一步只使用姿態(tài)角度信息中的(yaw，pitch)。首先生成兩個和歸一化人臉f大小相同的矩陣my，mp；然后將my中的每個元素的值都設置為yaw，將mp中的每個元素的值都設置為pitch。矩陣my和mp即為姿態(tài)中角度信息的最終表示。

1.2)角度姿態(tài)信息和圖像信息的融合。將彩色的歸一化人臉f表示為(fr，fg，fb)對應人臉圖像的rgb三通道的信息，將角度姿態(tài)信息的表示和人臉圖像信息的表示合并在一起，作為角度姿態(tài)信息和人臉圖像信息的融合d＝(fr，fg，fb，my，mp)。

通過在使用姿態(tài)信息的過程中一方面利用姿態(tài)信息(特征點位置)，對人臉圖像進行歸一化，另一方面將姿態(tài)信息(角度信息)和圖像信息融合在一起作為輸入數據來預測bmi指數，大幅度提高了bmi指數的預測精度。

在一些實施例中，上述步驟s150可以包括如下步驟：

步驟k)，將融合信息輸入至訓練后的bmi檢測模型的cnn網絡并通過回歸法進行檢測，得到待檢測對象的bmi檢測結果。

通過回歸預測bmi指數，即以融合的信息d作為輸入，通過回歸的方法就可以得到bmi指數的預測，利用深度學習中的cnn網絡，采用回歸方法得到最終的bmi指數預測，提高了最終得到的bmi檢測結果的準確性。

圖3提供了一種bmi檢測裝置的結構示意圖。如圖3所示，bmi檢測裝置300包括：

獲取模塊301，用于獲取待檢測對象的面部圖像；

提取模塊302，用于基于面部圖像提取姿態(tài)信息；姿態(tài)信息包括面部特征點位置信息和面部角度信息；

處理模塊303，用于利用面部特征點位置信息對面部圖像進行歸一化處理，得到目標圖像信息；

融合模塊304，用于基于面部角度信息和目標圖像信息進行融合，得到融合信息；

檢測模塊305，用于基于融合信息通過cnn網絡進行檢測，得到待檢測對象的bmi檢測結果。

在一些實施例中，提取模塊302具體用于：

對面部圖像進行人臉檢測，得到面部區(qū)域；

對面部區(qū)域進行歸一化處理，得到目標區(qū)域；

基于目標區(qū)域利用cnn網絡通過多任務回歸法，得到面部特征點位置信息和面部角度信息。

在一些實施例中，面部特征點位置信息包括下述任意一項或多項：

眼睛位置、鼻尖位置、左嘴角位置以及右嘴角位置。

在一些實施例中，面部角度信息包括偏移角度、旋轉角度以及俯仰角度。

在一些實施例中，處理模塊303具體用于：

基于目標區(qū)域選定參考特征點位置信息；

計算參考特征點位置信息和面部特征點位置信息之間的相似變換系數；

將相似變換系數作用于面部圖像上，得到歸一化后的目標圖像信息，以消除面部圖像在平面內的旋轉角度變化。

在一些實施例中，融合模塊304具體用于：

基于目標圖像信息生成與目標圖像信息中的面部尺寸相同的第一矩陣和第二矩陣；

將第一矩陣中每個元素的值設置為偏移角度，將第二矩陣中每個元素的值設置為俯仰角度；

將目標圖像信息轉換為對應的rgb三通道信息；

將面部角度信息和rgb三通道信息進行合并，得到融合信息。

在一些實施例中，檢測模塊305具體用于：

將融合信息輸入至訓練后的bmi檢測模型的cnn網絡并通過回歸法進行檢測，得到待檢測對象的bmi檢測結果。

本申請實施例提供的bmi檢測裝置，與上述實施例提供的bmi檢測方法具有相同的技術特征，所以也能解決相同的技術問題，達到相同的技術效果。

本申請實施例提供的一種電子設備，如圖4所示，電子設備400包括存儲器401、處理器402，所述存儲器中存儲有可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現上述實施例提供的方法的步驟。

參見圖4，電子設備還包括：總線403和通信接口404，處理器402、通信接口404和存儲器401通過總線403連接；處理器402用于執(zhí)行存儲器401中存儲的可執(zhí)行模塊，例如計算機程序。

其中，存儲器401可能包含高速隨機存取存儲器(randomaccessmemory，簡稱ram)，也可能還包括非易失性存儲器(non-volatilememory)，例如至少一個磁盤存儲器。通過至少一個通信接口404(可以是有線或者無線)實現該系統(tǒng)網元與至少一個其他網元之間的通信連接，可以使用互聯網，廣域網，本地網，城域網等。

總線403可以是isa總線、pci總線或eisa總線等。所述總線可以分為地址總線、數據總線、控制總線等。為便于表示，圖4中僅用一個雙向箭頭表示，但并不表示僅有一根總線或一種類型的總線。

其中，存儲器401用于存儲程序，所述處理器402在接收到執(zhí)行指令后，執(zhí)行所述程序，前述本申請任一實施例揭示的過程定義的裝置所執(zhí)行的方法可以應用于處理器402中，或者由處理器402實現。

處理器402可能是一種集成電路芯片，具有信號的處理能力。在實現過程中，上述方法的各步驟可以通過處理器402中的硬件的集成邏輯電路或者軟件形式的指令完成。上述的處理器402可以是通用處理器，包括中央處理器(centralprocessingunit，簡稱cpu)、網絡處理器(networkprocessor，簡稱np)等；還可以是數字信號處理器(digitalsignalprocessing，簡稱dsp)、專用集成電路(applicationspecificintegratedcircuit，簡稱asic)、現成可編程門陣列(field-programmablegatearray，簡稱fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。可以實現或者執(zhí)行本申請實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。結合本申請實施例所公開的方法的步驟可以直接體現為硬件譯碼處理器執(zhí)行完成，或者用譯碼處理器中的硬件及軟件模塊組合執(zhí)行完成。軟件模塊可以位于隨機存儲器，閃存、只讀存儲器，可編程只讀存儲器或者電可擦寫可編程存儲器、寄存器等本領域成熟的存儲介質中。該存儲介質位于存儲器401，處理器402讀取存儲器401中的信息，結合其硬件完成上述方法的步驟。

對應于上述bmi檢測方法，本申請實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有機器可運行指令，所述計算機可運行指令在被處理器調用和運行時，所述計算機可運行指令促使所述處理器運行上述bmi檢測方法的步驟。

本申請實施例所提供的bmi檢測裝置可以為設備上的特定硬件或者安裝于設備上的軟件或固件等。本申請實施例所提供的裝置，其實現原理及產生的技術效果和前述方法實施例相同，為簡要描述，裝置實施例部分未提及之處，可參考前述方法實施例中相應內容。所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，前述描述的系統(tǒng)、裝置和單元的具體工作過程，均可以參考上述方法實施例中的對應過程，在此不再贅述。

在本申請所提供的實施例中，應該理解到，所揭露裝置和方法，可以通過其它的方式實現。以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，又例如，多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。

再例如，附圖中的流程圖和框圖顯示了根據本申請的多個實施例的裝置、方法和計算機程序產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實現規(guī)定的邏輯功能的可執(zhí)行指令。也應當注意，在有些作為替換的實現方式中，方框中所標注的功能也可以以不同于附圖中所標注的順序發(fā)生。例如，兩個連續(xù)的方框實際上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實現，或者可以用專用硬件與計算機指令的組合來實現。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上?？梢愿鶕嶋H的需要選擇其中的部分或者全部單元來實現本實施例方案的目的。

另外，在本申請?zhí)峁┑膶嵤├械母鞴δ軉卧梢约稍谝粋€處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。

所述功能如果以軟件功能單元的形式實現并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基于這樣的理解，本申請的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的部分可以以軟件產品的形式體現出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執(zhí)行本申請各個實施例所述bmi檢測方法的全部或部分步驟。而前述的存儲介質包括：u盤、移動硬盤、只讀存儲器(read-onlymemory，簡稱rom)、隨機存取存儲器(randomaccessmemory，簡稱ram)、磁碟或者光盤等各種可以存儲程序代碼的介質。

應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋，此外，術語“第一”、“第二”、“第三”等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。

最后應說明的是：以上所述實施例，僅為本申請的具體實施方式，用以說明本申請的技術方案，而非對其限制，本申請的保護范圍并不局限于此，盡管參照前述實施例對本申請進行了詳細的說明，本領域的普通技術人員應當理解：任何熟悉本技術領域的技術人員在本申請揭露的技術范圍內，其依然可以對前述實施例所記載的技術方案進行修改或可輕易想到變化，或者對其中部分技術特征進行等同替換；而這些修改、變化或者替換，并不使相應技術方案的本質脫離本申請實施例技術方案的范圍。都應涵蓋在本申請的保護范圍之內。因此，本申請的保護范圍應以權利要求的保護范圍為準。

相關知識

健康監(jiān)測方法、裝置及電子設備與流程
健康檢測方法、裝置、終端設備及存儲介質與流程
基于車載裝備的駕駛員健康監(jiān)測方法及監(jiān)測設備與流程
遠程健康檢測與服務系統(tǒng)的制作方法
機電設備安裝工考取職稱（機電設備安裝工程師報考條件）
一種健康監(jiān)測系統(tǒng)及方法與流程
一種智能室內環(huán)境監(jiān)測裝置的制造方法
電子病歷的處理方法及裝置
氣流清洗裝置：高效環(huán)保設備，呵護健康空氣！
醫(yī)療設備第三方檢測

網址: BMI檢測方法、裝置以及電子設備與流程 http://m.gysdgmq.cn/newsview660161.html