[发明专利]一种智能人脸健康程度的识别与评估方法

说明书

本发明公开了一种智能人脸健康程度的识别与评估方法，所述方法包括：图像采集阶段。采集人脸图像，用于检测痤疮、色斑，评估人脸健康程度；痤疮、色斑检测阶段。将人脸图像从RGB色域转化为HSV色域，通过最大亮度值图像的二值图像检测出痤疮；将人脸图像通过ISODATA聚类算法，迭代计算出分割色斑病变区域和皮肤区域的阈值，得到人脸色斑的边缘轮廓并检测出色斑；痤疮、色斑定量测量。ROI框选痤疮、计算痤疮个数、测量色斑区域，色斑颜色指标，并通过色斑面积、颜色深度将其分为严重、普通、轻微3个程度；人脸健康程度评估。由痤疮数量、分布情况计算脸部痤疮分数，由色斑数量、程度、分布情况计算脸部色斑分数，并综合得到人脸健康程度分数。本发明实现了通过痤疮和色斑两种指标综合评判人脸健康程度，快速准确检测人脸皮肤缺陷并提供量化指标。

技术领域

本发明涉及图像处理领域，尤其涉及一种用于人脸健康程度的识别与评估的图像处理方法。

背景技术

随着美容美肤行业的不断发展，人们对皮肤质量的关注度提升，如何检测人脸皮肤存在的缺陷问题及量化皮肤指标成为一项关键技术。目前国内对于人脸皮肤的状态评价多采用由专业医师判断的方法，主观性较强，缺乏客观的分析，同时也缺乏统一的量化指标，且受限于医护资源及其他因素，无法快速准确地提供恰当的诊断。鉴于上述困扰，十分有必要设计一种可以快速准确检测人脸皮肤缺陷并提供量化指标的方法。

在人脸关于健康指标的常见皮肤缺陷中，痤疮和色斑占主要的比重，现有的专利提及的关于人脸健康程度的识别方法并未涉及通过痤疮和色斑两种指标综合评判，如CN108876766A提出了基于深度学习的痤疮判断方法，但并未描述具体检测、框选及计数方法；如CN106529429A提出了一种基于图像识别的面部皮肤分析系统，但描述的方法准确性和精度较低，同时并未提供完全的指标计算方法；如CN106469300A提出的一种色斑检测识别方法则并未将色斑区域边缘识别，同时没有提供将色斑进行严重程度评估的方法。

1)、“基于面部识别的痤疮判断方法、终端及存储介质”，专利号CN108876766A。该发明公开了一种基于面部识别的痤疮判断方法，应用于终端,包括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。该方法提及了一种基于深度学习的痤疮识别方法，但并未描述其具体检测方法及计数评分模式，所述方法不具有可复现性。

2)、“一种基于图像识别的面部皮肤分析系统”，专利号CN106529429A。本发明公开了一种基于图像识别的面部皮肤分析系统。提出了一种图像识别的面部分析系统,能够对皮肤的情况做出一系列的测评并给出总体的评价,主要包括人脸检测分割模块,美白度检测模块,粗糙度检测模块,色斑量检测模块和综合评判模块。首先输入检测图像,通过分类器进行正脸检测、区域定位和分割然后将分割获得的图像进行肤色亮暗和红润情况分析通过灰度共生矩阵,获取特征指标量化检测区域的粗糙度使用类似分水岭的方法和计算区域截面积之和来分析色斑量。该方法提供了色斑面积检测方法，但采取的方法为普通的色域分割，准确性及精度较低，同时并未提供色斑颜色指标测量的方法。

3)、“一种色斑检测识别方法”，专利号CN106469300A，本发明提供一种色斑检测识别方法，采集人脸图片，人脸图片包含所有色斑种类及色斑的变种图片并预先标注色斑区域以及色斑种类,通过对每一种色斑的特征向量一及标注信息进行读取并进行迭代直至获得每一种色斑的颜色特征均值及小波变换特征均值，对每一种色斑的特征向量二及标注信息进行读取并进行迭代直至获得每一种色斑的颜色均值、纹理均值及斑点特征均值，其迭代过程使用最终读取待检测的人脸图片上的色斑信息，与所述颜色特征均值及小波变换特征均值进行匹配获得色斑区域。该方法通过训练分类模型来判别色斑种类，并未将色斑区域边缘识别，同时没有提供将色斑进行严重程度评估的方法。

发明内容

为解决上述技术问题，本发明的目的是提供一种智能人脸健康程度的识别与评估方法，以满足快速准确检测人脸皮肤缺陷并提供量化指标的要求，提高测量效率和测量方法的适用性。