一种具有数据采集分析处理功能的智能电子秤

技术领域

本发明涉及健康检测领域，具体涉及一种具有数据采集分析处理功能的智能电子秤。

背景技术

电子秤作为一种计量手段，广泛用于工农业、科研、交通等多个领域。在日常生活中，电子秤也被人们常用于日常健康管理，电子秤可以测量出用户的血压、身高、体重等。测量结果可以供用户进行自我健康的评判依据，但由于大多数电子秤仅仅能提供单一的测量结果，用户还需要对照各项指标来去判断自身的健康情况，且用户间隔多次使用电子秤后，用户也不能得知自身健康程度的变化，用户还需要对照各项指数，来综合判断自身健康状态。

发明内容

本发明主要解决的技术问题是如何提供一种更加智能的电子秤。

根据第一方面，一种实施例中提供一种电子秤，包括：

图像识别装置，用于获取用户的图像，并通过卷积神经网络模型对所述用户的图像进行识别，得到用户的身份信息，所述卷积神经网络模型的输入为所述用户的图像，所述卷积神经网络模型的输出为所述用户的身份信息；权限装置，用于基于所述用户的身份信息判断用户是否有使用电子秤的权限，若判断出用户无权限，则语音提示用户没有权限；若判断出用户有权限，则通知测量装置测量用户的生理信息；测量装置，用于测量用户的生理信息，所述用户的生理信息包括身高、体重、血压、拉力、血糖、血脂、体温；获取装置，用于基于用户的身份信息获取用户上一次的生理信息、上一次的用户图像和上一次测量时间，所述用户上一次的生理信息包括上一次身高、上一次体重、上一次血压、上一次拉力、上一次血糖、上一次血脂、上一次体温；输出装置，用于基于深度神经网络模型对所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像进行处理，输出得到健康程度变化分数，所述深度神经网络模型的输入为所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，所述深度神经网络模型的输出为所述健康程度变化分数。

在一实施例中，所述电子秤还包括显示装置，所述显示装置用于显示所述用户的生理信息和所述健康程度变化分数。

在一实施例中，所述电子秤还包括控制装置，所述控制装置用于录入新用户的身份信息，并将所述新用户的身份信息的权限设置为有权限。

在一实施例中，所述电子秤还包括预警装置，所述预警装置用于当所述健康程度变化分数大于阈值时，语音提醒用户去医院进行全面身体检查。

根据第二方面，一种实施例中提供一种用于电子秤的数字处理方法，包括：获取用户的图像，并通过卷积神经网络模型对所述用户的图像进行识别，得到用户的身份信息，所述卷积神经网络模型的输入为所述用户的图像，所述卷积神经网络模型的输出为所述用户的身份信息；基于所述用户的身份信息判断用户是否有使用电子秤的权限，若判断出用户无权限，则语音提示用户没有权限；若判断出用户有权限，则通知测量装置测量用户的生理信息；测量用户的生理信息，所述用户的生理信息包括身高、体重、血压、拉力、血糖、血脂、体温；基于用户的身份信息获取用户上一次的生理信息、上一次的用户图像和上一次测量时间，所述用户上一次的生理信息包括上一次身高、上一次体重、上一次血压、上一次拉力、上一次血糖、上一次血脂、上一次体温；基于深度神经网络模型对所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像进行处理，输出得到健康程度变化分数，所述深度神经网络模型的输入为所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，所述深度神经网络模型的输出为所述健康程度变化分数。

在一实施例中，显示所述用户的生理信息和所述健康程度变化分数。

在一实施例中，录入新用户的身份信息，并将所述新用户的身份信息的权限设置为有权限。

在一实施例中，当所述健康程度变化分数大于阈值时，语音提醒用户去医院进行全面身体检查。

根据第三方面，一种实施例中提供一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的电子秤的步骤。

根据第四方面，一种实施例中提供一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如第一方面所述的方法。

根据第五方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述第一方面中任一项所述的方法。

依据上述实施例的电子秤，通过图像识别装置识别用户图像，并通过权限装置判断用户的权限，测量装置对有权限的用户进行健康检测，最终输出装置通过对上一次的生理信息、测量时间、用户图像和本次的生理信息、测量时间、用户图像进行综合判断输出用户的健康程度变化分数，能够更加直观的让用户了解自身健康的变化情况。

附图说明

图1为本发明实施例提供的一种电子秤的示意图；

图2为本发明实施例提供的一种用于电子秤的数字处理方法的流程示意图；

图3为本发明实施例提供的一种电子设备的示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本发明能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本发明相关的一些操作并没有在说明书中显示或者描述，这是为了避免本发明的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本发明所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。

本发明实施例中，提供了如图1所示的一种电子秤，包括：

图像识别装置101，用于获取用户的图像，并通过卷积神经网络模型对所述用户的图像进行识别，得到用户的身份信息，所述卷积神经网络模型的输入为所述用户的图像，所述卷积神经网络模型的输出为所述用户的身份信息；

权限装置102，用于基于所述用户的身份信息判断用户是否有使用电子秤的权限，若判断出用户无权限，则语音提示用户没有权限；若判断出用户有权限，则通知测量装置测量用户的生理信息；

测量装置103，用于测量用户的生理信息，所述用户的生理信息包括身高、体重、血压、拉力、血糖、血脂、体温；

获取装置104，用于基于用户的身份信息获取用户上一次的生理信息、上一次的用户图像和上一次测量时间，所述用户上一次的生理信息包括上一次身高、上一次体重、上一次血压、上一次拉力、上一次血糖、上一次血脂、上一次体温；

输出装置105，用于基于深度神经网络模型对所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像进行处理，输出得到健康程度变化分数，所述深度神经网络模型的输入为所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，所述深度神经网络模型的输出为所述健康程度变化分数。

在一实施例中，所述电子秤还包括显示装置，所述显示装置用于显示所述用户的生理信息和所述健康程度变化分数。

在一实施例中，所述电子秤还包括控制装置，所述控制装置用于录入新用户的身份信息，并将所述新用户的身份信息的权限设置为有权限。

在一实施例中，所述电子秤还包括预警装置，所述预警装置用于当所述健康程度变化分数大于阈值时，语音提醒用户去医院进行全面身体检查。

本发明实施例中，还提供了一种用于电子秤的数字处理方法，图2为电子秤的数字处理方法所示的流程示意图，包括：步骤S1~S5：

步骤S1，获取用户的图像，并通过卷积神经网络模型对所述用户的图像进行识别，得到用户的身份信息，所述卷积神经网络模型的输入为所述用户的图像，所述卷积神经网络模型的输出为所述用户的身份信息。

例如，可以通过摄像头对用户进行拍照后获取用户的图像。用户的图像可以是彩色图像或灰度图。

卷积神经网络模型包括卷积神经网络。卷积神经网络(CNN)可以是多层神经网络(例如，包括至少两个层)。所述至少两个层可以包括卷积层(CONV)、修正线性单元(ReLU)层、池化层(POOL)或全连接层(FC)中的至少一个。卷积神经网络(CNN)的至少两个层可以对应于以三维排列的神经元：宽度、高度、深度。在一些实施例中，卷积神经网络(CNN)可以具有[输入层-卷积层-修正线性单元层-池化层-全连接层]的架构。卷积层可以计算连接到输入中局部区域的神经元的输出，计算每个神经元的权重与其在输入体积中连接的小区域之间的点积。

卷积神经网络模型可以对所述用户的图像进行识别，得到用户的身份信息，所述卷积神经网络模型的输入为所述用户的图像，所述卷积神经网络模型的输出为所述用户的身份信息。

卷积神经网络模型可以通过训练样本训练得到。训练样本中的输入为多个样本的用户图像，训练样本中的输出为样本的用户身份信息。在一些实施例中，可以通过梯度下降法对卷积神经网络模型进行训练得到训练后的卷积神经网络模型。具体的，根据训练样本，构建卷积神经网络模型的损失函数，通过卷积神经网络模型的损失函数调整卷积神经网络模型的参数，直到损失函数值收敛或者小于预设阈值，则训练完成。损失函数可以包括但不限于对数(log)损失函数、平方损失函数、指数损失函数、Hinge损失函数以及绝对值损失函数等。

用户的身份信息为可以表示用户身份的信息，例如身份信息可以为用户的名字、工号、身份证号、驾驶证号等。又例如，身份信息可以分为有权限的人员、无权限的人员。

步骤S2，基于所述用户的身份信息判断用户是否有使用电子秤的权限，若判断出用户无权限，则语音提示用户没有权限；若判断出用户有权限，则通知测量装置测量用户的生理信息。

获取用户的身份信息后，则判断用户是否有使用电子秤的权限。例如，可以通过用户的身份信息对应的预先录入的权限信息判断用户是否有使用电子秤的权限。例如，工号001身份信息对应的预先录入的权限为无权限，工号002身份信息对应的预先录入的权限为有权限。在一些实施例中，当录入新用户的身份信息时，可以将所述新用户的身份信息的权限设置为有权限，或将所述新用户的身份信息的权限设置为无权限。

步骤S3，测量用户的生理信息，所述用户的生理信息包括身高、体重、血压、拉力、血糖、血脂、体温。

例如可以通过血压计来测量用户的血压，拉力计测量用户的拉力，超声波测量用户的身高，电子血糖仪测量用户的血糖、血脂，红外线测量用户的体温等。

用户的生理信息包括身高、体重、血压、拉力、血糖、血脂、体温。

步骤S4，基于用户的身份信息获取用户上一次的生理信息、上一次的用户图像和上一次测量时间，所述用户上一次的生理信息包括上一次身高、上一次体重、上一次血压、上一次拉力、上一次血糖、上一次血脂、上一次体温。

用户上一次测量完成后，会记录用户上一次的生理信息、上一次的用户图像和上一次测量时间，以与下一次的测量结果作对比。

步骤S5，基于深度神经网络模型对所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像进行处理，输出得到健康程度变化分数，所述深度神经网络模型的输入为所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，所述深度神经网络模型的输出为所述健康程度变化分数。

在一些实施例中，可以通过训练后的深度神经网络模型确定所述健康程度变化分数。深度神经网络模型包括深度神经网络。深度神经网络模型可以包括多个处理层，每个处理层由多个神经元组成，每个神经元对数据做矩阵变换。矩阵所使用的参数可以通过训练获得。深度神经网络模型还可以是任意能够实现对多个特征进行处理的现有神经网络模型，例如，RNN、CNN、DNN等。深度神经网络模型还可以是根据需求自定义的模型。深度神经网络模型的输入是所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，输出是健康程度变化分数。训练后的深度神经网络模型通过多组训练样本训练得到。

深度神经网络模型可以通过训练样本训练得到。训练样本的输入为所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，训练样本的输出是健康程度变化分数。在一些实施例中，可以通过梯度下降法对深度神经网络模型进行训练得到训练后的深度神经网络模型。具体的，根据训练样本，构建深度神经网络模型的损失函数，通过深度神经网络模型的损失函数调整深度神经网络模型的参数，直到损失函数值收敛或者小于预设阈值，则训练完成。损失函数可以包括但不限于对数(log)损失函数、平方损失函数、指数损失函数、Hinge损失函数以及绝对值损失函数等。

健康程度变化分数可以为正数或负数，可以表示用户健康程度的变化。例如健康程度变化分数为+1，表示比上一次更加健康了一点，例如健康程度变化分数为+4，表示比上一次更加健康很多。例如健康程度变化分数为-1，表示比上一次健康程度有所下滑。例如健康程度变化分数为-5，表示比上一次健康程度下滑验证，用户可能患有疾病。在一些实施例中，当所述健康程度变化分数大于阈值时，语音提醒用户去医院进行全面身体检查。例如健康程度变化分数的阈值可以为4、5、6、7。例如健康程度变化分数为-5，则语音提醒用户去医院进行全面身体检查。

在一实施例中，还可以显示所述用户的生理信息和所述健康程度变化分数。

基于同一发明构思，本发明的实施例提供了一种电子设备，如图3所示，包括：

处理器31；用于存储处理器31中可执行程序指令的存储器32；其中，处理器31被配置为执行以实现如前述提供的一种用于电子秤的数字处理方法，所述方法包括：

一种用于电子秤的数字处理方法，包括：获取用户的图像，并通过卷积神经网络模型对所述用户的图像进行识别，得到用户的身份信息，所述卷积神经网络模型的输入为所述用户的图像，所述卷积神经网络模型的输出为所述用户的身份信息；基于所述用户的身份信息判断用户是否有使用电子秤的权限，若判断出用户无权限，则语音提示用户没有权限；若判断出用户有权限，则通知测量装置测量用户的生理信息；测量用户的生理信息，所述用户的生理信息包括身高、体重、血压、拉力、血糖、血脂、体温；基于用户的身份信息获取用户上一次的生理信息、上一次的用户图像和上一次测量时间，所述用户上一次的生理信息包括上一次身高、上一次体重、上一次血压、上一次拉力、上一次血糖、上一次血脂、上一次体温；基于深度神经网络模型对所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像进行处理，输出得到健康程度变化分数，所述深度神经网络模型的输入为所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，所述深度神经网络模型的输出为所述健康程度变化分数

基于同一发明构思，本实施例提供了一种非临时性计算机可读存储介质，当存储介质中的指令由电子设备的处理器31执行时，使得电子设备能够执行实现如前述提供的电子秤的数字处理方法，所述方法包括:一种用于电子秤的数字处理方法，包括：获取用户的图像，并通过卷积神经网络模型对所述用户的图像进行识别，得到用户的身份信息，所述卷积神经网络模型的输入为所述用户的图像，所述卷积神经网络模型的输出为所述用户的身份信息；基于所述用户的身份信息判断用户是否有使用电子秤的权限，若判断出用户无权限，则语音提示用户没有权限；若判断出用户有权限，则通知测量装置测量用户的生理信息；测量用户的生理信息，所述用户的生理信息包括身高、体重、血压、拉力、血糖、血脂、体温；基于用户的身份信息获取用户上一次的生理信息、上一次的用户图像和上一次测量时间，所述用户上一次的生理信息包括上一次身高、上一次体重、上一次血压、上一次拉力、上一次血糖、上一次血脂、上一次体温；基于深度神经网络模型对所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像进行处理，输出得到健康程度变化分数，所述深度神经网络模型的输入为所述用户上一次的生理信息、上一次的用户图像、上一次测量时间、所述用户的生理信息、本次测量时间、所述用户的图像，所述深度神经网络模型的输出为所述健康程度变化分数。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。