基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
BMI是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准.通常情况下,BMI是由个体的身高和体重计算得到的.目前,国外的研究人员提出了基于人脸图像预测BMI的算法,通过构建面部特征与BMI之间的关联集合,利用SVR回归模型进行BMI预测工作.该算法在实验室实验环境下表现良好,但在日常生活应用环境下仍有较大的预测误差.为了提高BMI预测算法在日常生活应用环境下的预测精度,提出面部区域面积比(RAR)、嘴颌宽度比(MJWR)和颊宽高度比(CWHR)这三种新的面部特征用于补充改进BMI预测算法,同时使用神经网络拟合代替SVR回归进行BMI预测实验.实验结果表明,在日常生活应用环境下,改进的BMI预测算法使得预测结果更加精确,BMI预测的平均绝对误差(MAE)降低了0.7.
推荐文章
基于肤色分割的人脸检测算法
人脸检测
YCbCr色彩空间
高斯模型
肤色似然图
基于差分和肤色图像的人脸检测算法
差分图像
人脸检测
目标跟踪
肤色模型
基于肤色特征的人脸检测算法
人脸检测
色彩空间
肤色模型
肤色分割
形态学运算
几何特征
复杂背景下的人脸检测算法研究与实现
人脸检测
色彩空间
肤色模型
图像分割
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于人脸图像的BMI预测算法研究
来源期刊 计算机应用与软件 学科 工学
关键词 BMI 面部特征 BMI预测 神经网络拟合
年,卷(期) 2019,(7) 所属期刊栏目 图像处理与应用
研究方向 页码范围 242-248
页数 7页 分类号 TP3
字数 6663字 语种 中文
DOI 10.3969/j.issn.1000-386x.2019.07.041
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 尚媛园 首都师范大学信息工程学院 24 168 6.0 12.0
3 丁辉 首都师范大学信息工程学院 18 106 5.0 10.0
9 邵珠宏 首都师范大学信息工程学院 8 22 2.0 4.0
11 邹睿智 首都师范大学信息工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
BMI
面部特征
BMI预测
神经网络拟合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导