[发明专利]基于面部识别的痤疮判断方法、终端及存储介质

权利要求书

1.一种基于面部识别的痤疮判断方法，应用于终端，其特征在于，所述方法包括步骤：

获取训练后的深度学习模型；

加载所述训练后的深度学习模型；

采集面部图像；

根据采集的所述面部图像和所述训练后的深度学习模型进行图像识别；

获取图像识别结果，并将所述图像识别结果上传至云端病理数据库，所述云端病理数据库用于根据所述图像识别结果进行病理检索；及

接收所述云端病理数据库的病理检索结果并呈现给用户。

2.如权利要求1所述的基于面部识别的痤疮判断方法，其特征在于，所述获取训练后的深度学习模型的步骤具体包括：

获取用户上传的规定格式的训练数据；

利用迁移学习方式将所述训练数据载入深度学习模型进行训练以获取训练后的深度学习模型。

3.如权利要求1所述的基于面部识别的痤疮判断方法，其特征在于，所述终端包括tensorflow模块，所述加载所述训练后的深度学习模型的步骤具体包括：

通过tensorflow模块加载所述训练后的深度学习模型并进行初始化，所述所述训练后的深度学习模型为训练后的VGG-16模型或inceptionV3模型。

4.如权利要求1所述的基于面部识别的痤疮判断方法，其特征在于，所述采集面部图像的步骤包括：

调用终端的图像获取装置的API接口；

通过所述API接口开启所述图像获取装置并接收所述图像获取装置采集的面部图像。

5.如权利要求4所述的基于面部识别的痤疮判断方法，其特征在于，所述采集面部图像的步骤具体还包括：

对采集的所述面部图像进行预设尺寸的裁剪；

对裁剪后的所述面部图像进行压缩。

6.如权利要求3所述的基于面部识别的痤疮判断方法，其特征在于，所述根据采集的所述面部图像和所述训练后的深度学习模型进行图像识别的步骤具体包括：

将采集的所述面部图像发送到所述tensorflow模块中，所述tensorflow模块将所述面部图像在所述训练后的深度学习模型中计算。

7.一种终端，其特征在于，所述终端包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的基于面部识别的痤疮判断程序，所述基于面部识别的痤疮判断程序被所述处理器执行时实现如下步骤：

获取训练后的深度学习模型；

加载所述训练后的深度学习模型；

采集面部图像；

根据采集的所述面部图像和所述训练后的深度学习模型进行图像识别；

获取图像识别结果，并将所述图像识别结果上传至云端病理数据库，所述云端病理数据库用于根据所述图像识别结果进行病理检索；及

接收所述云端病理数据库的病理检索结果并呈现给用户。

8.如权利要求7所述的终端，其特征在于，所述处理器处理所述获取训练后的深度学习模型的步骤之前还包括：

获取用户上传的规定格式的训练数据；

利用迁移学习方式将所述训练数据载入深度学习模型进行训练以获取训练后的深度学习模型。

9.如权利要求7所述的终端，其特征在于，所述终端包括tensorflow模块，所述处理器执行所述加载所述训练后的深度学习模型的步骤具体包括：

通过tensorflow模块加载所述训练后的深度学习模型并进行初始化，所述所述训练后的深度学习模型为训练后的VGG-16模型或inceptionV3模型。

10.一种存储介质，所述存储介质存储有基于面部识别的痤疮判断程序，所述基于面部识别的痤疮判断程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-6中任一项所述的基于面部识别的痤疮判断方法的步骤。