本发明涉及骨龄检测的，尤其是涉及一种自助式骨龄检测方法、装置、计算机设备以及存储介质。
背景技术：
1、目前，随着科技的发展，越来越多的智能设备开始进入校园，为学生提供更为便捷的服务。其中，自助检测式校园骨龄仪作为一种新型的智能设备，受到了广泛的关注，随着对青少年生长发育关注度的不断提高，骨龄检测已成为了一项至关重要的健康检查项目。骨龄检测不仅能反映青少年的生长发育状况，还能为科学评估其健康状况提供依据。
2、现有的，对校园中青少年的骨龄检测都是在学校合作相关机构后，集中组织学生进行统一的骨骼图像拍摄，并在拍摄结束后由相关机构将图像带回并统一分析，最后将结果传回学校，但检测机构的检测对象群体较多，在处理特定的群体时，并不会因为骨龄数据类型范围的缩小而提高相应的检测效率，导致对骨龄检测的时间周期较长，在面对大量待检测的学生时，这些方式不仅影响教学秩序，限制了骨龄检测的规模和频率，而且在人工面对大量的学生在登记时，也会出现登记效率低下的问题。
3、上述中的现有技术方案存在以下缺陷：骨龄检测的便捷性较差导致对骨龄检测的过程较长、效率较低，因此存在改善空间。
技术实现思路
1、为了提高骨龄检测的便捷性，本技术提供一种自助式骨龄检测方法、装置、计算机设备以及存储介质。
2、本技术的上述发明目的一是通过以下技术方案得以实现的：
3、一种自助式骨龄检测方法，所述自助式骨龄检测方法包括：
4、通过若干预设感应区域感应当前用户，获取人员身份校对结果，当所述用户校对结果与人员身份匹配时，生成骨骼图像拍摄指令；
5、根据所述图像拍摄指令，获取骨骼初始图像，并对所述骨骼初始图像进行图像优化，生成骨龄检测图像；
6、从所述人员身份校对结果中获取人员年龄数据，当所述人员年龄数据在系统预设的年龄阈值内时，通过搭建好的实时骨龄分析引擎对若干所述骨龄检测图像进行实时检测，得到骨龄检测结果。
7、通过采用上述技术方案，由于对校园中青少年的骨龄检测都是在学校合作相关机构后，集中组织学生进行统一的骨骼图像拍摄，并在拍摄结束后由相关机构将图像带回并统一分析，最后将结果传回学校，但检测机构的检测对象群体较多，在处理特定的群体时，并不会因为骨龄数据类型范围的缩小而提高相应的检测效率，导致对骨龄检测的时间周期较长，因此，本技术通过若干预设感应区域感应当前用户，获取人员身份校对结果，能够对感应区域内的多个用户进行相应的身份检测，从而进行无接触的身份验证，提高了访问控制的便捷性；通过当用户校对结果与人员身份匹配时，生成骨骼图像拍摄指令，能够对用户的身份信息进行自动验证，并在验证成功后对骨骼初始图像进行采集，从而减少代检、误检等情况，提高检测的准确率；通过对骨骼初始图像进行图像优化，生成骨龄检测图像，能够通过图像优化的方式使图像中的骨骼结构更清晰、更易于分辨，从而提高模型对图像的分析效率，同时，提高了系统对人员骨龄判断的准确率；通过从人员身份校对结果中获取人员年龄数据，当人员年龄数据在系统预设的年龄阈值内时，通过搭建好的实时骨龄分析引擎对若干骨龄检测图像进行实时检测，得到骨龄检测结果，能够先对骨龄检测人员的年龄进行筛选，在年龄符合系统的要求时，会根据系统搭建好的实时骨龄分析引擎对骨骼初始图像进行较为精确快速的分析，从而进一步提高了对骨龄判断的效率，提高了系统对骨龄检测的实时性。
8、本技术在一较佳示例中可以进一步配置为：所述通过若干预设感应区域感应当前用户，获取人员身份校对结果，当所述用户校对结果与人员身份匹配时，生成骨骼图像拍摄指令，具体包括：
9、当所述感应区域感应到用户存在时，获取人员面部图像，同时，根据计算机视觉技术提取面部图像特征；
10、根据所述面部图像特征查询人员身份信息，当获取到所述人员身份信息时，生成人员身份匹配消息。
11、通过采用上述技术方案，通过当感应区域感应到用户存在时，获取人员面部图像，同时，根据计算机视觉技术提取面部图像特征，能够根据面部识别技术对待检区域人员的面部特征进行提取，方便后续对人员身份进行进准快速识别；通过根据面部图像特征查询人员身份信息，当获取到人员身份信息时，生成人员身份匹配消息，能够根据人员面部信息从人员身份信息库中进行比对查找，并在能够查找到对应的人员身份信息时，进行身份匹配，从而减少了误检、代检等情况，并减少了人工识别和比对时的潜在误差，提高了数据的准确性。
12、本技术在一较佳示例中可以进一步配置为：所述根据所述图像拍摄指令，获取骨骼初始图像，具体包括：
13、根据人员动作提示信息获取当前动作图像，将所述当前动作图像与人员动作提示信息进行比对，并生成比对结果；
14、当所述人员动作图像与人员动作提示信息动作不同时，生成人员动作异常消息，同时，生成人员再提示指令；
15、当所述人员动作图像与人员动作提示信息动作相同时，获取所述骨骼初始图像。
16、通过采用上述技术方案，通过根据人员动作提示信息获取人员动作图像，将人员动作图像与人员动作提示信息动作进行比对，并生成比对结果，能够当人员动作图像与人员动作提示信息动作不同时，生成人员动作异常消息，以提醒被测人员当前动作不符合系统要求，需及时采取适当的措施，同时，生成人员再提示指令，能够再次提醒被测人员将当前动作进行修改，从而提高对拍摄得到的图像的精准度；当人员动作图像与人员动作提示信息动作相同时，获取骨骼初始图像，能够在被测人员的动作符合系统的要求时得到准确的骨骼图像，从而提高了数据采集的准确性。
17、本技术在一较佳示例中可以进一步配置为：所述对所述骨骼初始图像进行图像优化，生成骨龄检测图像，具体包括：
18、将所述骨骼初始图像转换为灰度原始图像，并采用局部对比度增强方法对所述灰度原始图像进行调整，得到第一调整图像；
19、对所述第一调整图像进行去噪处理，得到第二调整图像，根据边缘增强方法对所述第二调整图像进行处理，得到所述骨龄检测图像。
20、通过采用上述技术方案，通过将骨骼初始图像转换为灰度原始图像，并采用局部对比度增强方法对灰度原始图像进行调整，得到第一调整图像，从而更加突出图像中的细节和结构，提高骨骼部位的对比度；对第一调整图像进行去噪处理，得到第二调整图像，能够消除由于拍摄设备或其他因素引入的图像噪声，提高图像的清晰度和质量，根据边缘增强方法对第二调整图像进行处理，得到骨龄检测图像，从而更清晰地显示骨骼结构的边缘，使骨龄检测更为准确。
21、本技术在一较佳示例中可以进一步配置为：所述实时骨龄分析引擎的构建，具体包括：
22、根据高并发架构对所述实时骨龄分析引擎进行结构搭建，同时，采用消息队列对输入所述实时骨龄分析引擎的所述骨龄检测图像进行管理；
23、通过自训练的骨龄检测模型，对所述消息队列中的所述骨龄检测图像进行实时分析，并在分析结束后输出骨龄检测结果。
24、通过采用上述技术方案，通过根据高并发架构对实时骨龄分析引擎进行结构搭建，能够提高系统对输入数据进行处理时的实时性和并发性，采用消息队列对输入实时骨龄分析引擎的骨龄检测图像进行管理，能够进一步处理图像数据的异步流，增强了系统的可扩展性和稳定性，通过自训练的骨龄检测模型，对消息队列中的骨龄检测图像进行实时分析，能够在分析结束后从骨龄检测模型中获取骨龄检测结果，从而采用骨龄检测模型对骨骼初始图像进行精确的分析，以得到更为准确的检测结果，并减少了人工的干预，提高了检测的效率。
25、本技术在一较佳示例中可以进一步配置为：所述骨龄检测模型的构建，具体包括：
26、获取历史骨龄检测图像，并根据系统设定的年龄阈值对所述历史骨龄检测图像进行筛选，得到对象骨骼数据集；
27、根据卷积神经网络将所述对象骨骼数据集中的数据进行特征提取，得到对象骨骼特征集；
28、根据所述对象骨骼数据集和所述对象骨骼特征集生成模型训练数据集，并根据所述模型训练数据集对深度学习架构进行迭代训练，得到所述骨龄检测模型。
29、通过采用上述技术方案，通过获取历史骨龄检测图像，并根据系统设定的年龄阈值对历史骨龄检测图像进行筛选，得到对象骨骼数据集，能够根据不同的人员需求选择对应的筛选条件，从而降低训练数据的维度，提高后续模型训练的效率；根据卷积神经网络将对象骨骼数据集中的数据进行特征提取，得到对象骨骼特征集，能够对图像中的特征数据进行提取，从而放大骨龄检测图像的特征点，以突出骨骼的特征表现程度，提高模型对图像的处理速度；根据对象骨骼数据集和对象骨骼特征集生成模型训练数据集，并根据模型训练数据集对深度学习架构进行迭代训练，能够得到骨龄检测模型，从而提高了系统对骨龄检测图像分析的准确度。
30、本技术的上述发明目的二是通过以下技术方案得以实现的：
31、一种自助式骨龄检测装置，所述自助式骨龄检测装置包括：
32、图像获取模块，用于通过若干预设感应区域感应当前用户，获取人员身份校对结果，当所述用户校对结果与人员身份匹配时，生成骨骼图像拍摄指令；
33、图像处理模块，用于根据所述骨骼图像拍摄指令，获取骨骼初始图像，并对所述骨骼初始图像进行图像优化，生成骨龄检测图像；
34、图像分析模块，用于从所述人员身份校对结果中获取人员年龄数据，当所述人员年龄数据在系统预设的年龄阈值内时，通过搭建好的实时骨龄分析引擎对若干所述骨龄检测图像进行实时检测，得到骨龄检测结果。
35、通过采用上述技术方案，由于对校园中青少年的骨龄检测都是在学校合作相关机构后，集中组织学生进行统一的骨骼图像拍摄，并在拍摄结束后由相关机构将图像带回并统一分析，最后将结果传回学校，但检测机构的检测对象群体较多，在处理特定的群体时，并不会因为骨龄数据类型范围的缩小而提高相应的检测效率，导致对骨龄检测的时间周期较长，因此，本技术通过若干预设感应区域感应当前用户，获取人员身份校对结果，能够对感应区域内的多个用户进行相应的身份检测，从而进行无接触的身份验证，提高了访问控制的便捷性；通过当用户校对结果与人员身份匹配时，生成骨骼图像拍摄指令，能够对用户的身份信息进行自动验证，并在验证成功后对骨骼初始图像进行采集，从而减少代检、误检等情况，提高检测的准确率；通过对骨骼初始图像进行图像优化，生成骨龄检测图像，能够通过图像优化的方式使图像中的骨骼结构更清晰、更易于分辨，从而提高模型对图像的分析效率，同时，提高了系统对人员骨龄判断的准确率；通过从人员身份校对结果中获取人员年龄数据，当人员年龄数据在系统预设的年龄阈值内时，通过搭建好的实时骨龄分析引擎对若干骨龄检测图像进行实时检测，得到骨龄检测结果，能够根据系统搭建好的实时骨龄分析引擎对骨骼初始图像进行较为精确快速的分析，从而进一步提高了对骨龄判断的效率，提高了系统对骨龄检测的实时性。
36、本技术的上述目的三是通过以下技术方案得以实现的：
37、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述自助式骨龄检测方法的步骤。
38、本技术的上述目的四是通过以下技术方案得以实现的：
39、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述自助式骨龄检测方法的步骤。
40、综上所述，本技术包括以下至少一种有益技术效果：
41、1、通过将骨骼初始图像转换为灰度原始图像，并采用局部对比度增强方法对灰度原始图像进行调整，得到第一调整图像，从而更加突出图像中的细节和结构，提高骨骼部位的对比度；对第一调整图像进行去噪处理，得到第二调整图像，能够消除由于拍摄设备或其他因素引入的图像噪声，提高图像的清晰度和质量，根据边缘增强方法对第二调整图像进行处理，得到骨龄检测图像，从而更清晰地显示骨骼结构的边缘，使骨龄检测更为准确；
42、2、通过根据高并发架构对实时骨龄分析引擎进行结构搭建，能够提高系统对输入数据进行处理时的实时性和并发性，采用消息队列对输入实时骨龄分析引擎的骨龄检测图像进行管理，能够进一步处理图像数据的异步流，增强了系统的可扩展性和稳定性，通过自训练的骨龄检测模型，对消息队列中的骨龄检测图像进行实时分析，能够在分析结束后从骨龄检测模型中获取骨龄检测结果，从而采用骨龄检测模型对骨骼初始图像进行精确的分析，以得到更为准确的检测结果，并减少了人工的干预，提高了检测的效率；
43、3、通过获取历史骨龄检测图像，并根据系统设定的年龄阈值对历史骨龄检测图像进行筛选，得到对象骨骼数据集，能够根据不同的人员需求选择对应的筛选条件，从而降低训练数据的维度，提高后续模型训练的效率；根据卷积神经网络将对象骨骼数据集中的数据进行特征提取，得到对象骨骼特征集，能够对图像中的特征数据进行提取，从而放大骨龄检测图像的特征点，以突出骨骼的特征表现程度，提高模型对图像的处理速度；根据对象骨骼数据集和对象骨骼特征集生成模型训练数据集，并根据模型训练数据集对深度学习架构进行迭代训练，能够得到骨龄检测模型，从而提高了系统对骨龄检测图像分析的准确度。
1.一种自助式骨龄检测方法，其特征在于，所述自助式骨龄检测方法包括：
2.根据权利要求1所述的自助式骨龄检测方法，其特征在于，所述通过若干预设感应区域感应当前用户，获取人员身份校对结果，当所述用户校对结果与人员身份匹配时，生成骨骼图像拍摄指令，具体包括：
3.根据权利要求1所述的自助式骨龄检测方法，其特征在于，所述根据所述骨骼图像拍摄指令，获取骨骼初始图像，具体包括：
4.根据权利要求3所述的自助式骨龄检测方法，其特征在于，所述对所述骨骼初始图像进行图像优化，生成骨龄检测图像，具体包括：
5.根据权利要求1所述的自助式骨龄检测方法，其特征在于，所述实时骨龄分析引擎的构建，具体包括：
6.根据权利要求5所述的自助式骨龄检测方法，其特征在于，所述骨龄检测模型的构建，具体包括：
7.一种自助式骨龄检测装置，其特征在于，所述自助式骨龄检测装置包括：
8.根据权利要求7所述的自助式骨龄检测装置，其特征在于，所述图像获取模块具体包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述自助式骨龄检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述自助式骨龄检测方法的步骤。
