[发明专利]基于图像识别的面部皮肤分析方法及系统在审

专利信息
申请号: 201910692391.0 申请日: 2019-07-30
公开(公告)号: CN112396573A 公开(公告)日: 2021-02-23
发明(设计)人: 詹蒙伟 申请(专利权)人: 纵横在线(广州)网络科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/136;G06K9/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 510000 广东省广州*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 识别 面部皮肤 分析 方法 系统
【权利要求书】:

1.一种基于图像识别的面部皮肤分析方法,其特征在于,包括以下步骤:

S100、远程获取待测图像,调取预置的图像训练集,根据所述图像训练集内的训练图像对所述待测图像进行人脸几何轮廓识别,获得人脸特征图像;

S200、将所述人脸特征图像划分为若干个检测区域,分别对各个检测区域进行人脸皮肤机理分析,包括以下步骤S211~S215:

S211、对人脸特征图像进行Gabor滤波处理以及将人脸特征图像转化为灰度图像;

S212、根据人脸特征图像的滤波响应情况,通过阈值化对所述灰度图像进行二值化处理,从而获取高梯度特征,然后对所述高梯度特征进行偏心化处理,进而排除夹杂其中的斑点特征和非曲线特征;

S213、反复执行步骤S212,每次执行均采用不同的阈值参数,获得一组二值化图像。

S214、利用图像扩张法和逻辑“或”运算对输出的二值化图像进行整合,获得皱纹检测关键区域;

S215、检测所述皱纹检测关键区域内的临近特征以及交叉特征,对分别对临近特征和交叉特征进行几何约束,获得最终皱纹位置和皱纹数量;

S300、根据上述步骤S200的分析结果对人脸特征图像进行量化评分。

2.根据权利要求1所述的基于图像识别的面部皮肤分析方法,其特征在于,上述步骤S100还包括以下步骤:

S101、对每张所述的训练图像进行特征点标定,形成7个用于描述人脸几何轮廓的感兴趣区域;

S102、统计特征点的分布范围信息,根据特征点的分布范围信息对所述待测图像进行感兴趣区域搜索。

3.根据权利要求1所述的基于图像识别的面部皮肤分析方法,其特征在于,上述步骤S200还包括以下步骤:

S216、建立皱纹评测模型评估人脸特征图像的皱纹度评分;所述皱纹评测模型为R=β12*N,其中,R表示皱纹度评分,N表示通过上述步骤S201~S203得到的皱纹数量,β1和β2为评估参数。

4.根据权利要求1所述的基于图像识别的面部皮肤分析方法,其特征在于,上述步骤S200还包括以下步骤:

S221、生成局部问题训练集,对局部问题训练集的图像进行局部问题特征标记和正常特征标记,训练出针对局部问题特征的局部问题分类器,所述局部问题特征包括不规则色块特征、深色圆形特征、黑点特征和局部发红凸起特征;

S222、将各个所述的检测区域进一步划分为若干个检测单元,使用局部问题分类器判断每个检测单元内是否存在局部问题特征以及局部问题特征的种类,通过边缘检测算法统计存在局部问题的检测单元数量。

5.根据权利要求1所述的基于图像识别的面部皮肤分析方法,其特征在于,上述步骤S200还包括以下步骤:

S231、将所述人脸特征图像转化为HSV颜色空间;

S232、对转换后的人脸特征图像中的亮区域和暗区域进行分割;使用最大类间方差法获取转换后人脸特征图像的分割阈值,并对转换后人脸特征图像的S空间和V空间进行二值化处理,标记S空间和V空间中符合亮区域或暗区域的像素点;

S233、对阈值分割后的S空间和V空间进行逻辑运算,计算S空间和V空间中标记为亮区域的像素点占S空间和V空间内总像素点的比例。

6.根据权利要求1所述的基于图像识别的面部皮肤分析方法,其特征在于,上述步骤S200还包括以下步骤:

S241、将所述人脸特征图像转化为L*A*B*颜色空间;

S242、统计人脸特征图像在每个分量空间中的颜色信息,剔除极端像素后计算每个分量空间的颜色均值;

S243、将肤色对照卡的肤色等级转化为L*A*B*颜色空间描述,计算所述颜色均值与转化后肤色等级的色差,输出与颜色均值色差最小的肤色等级信息作为肤色检测结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于纵横在线(广州)网络科技有限公司,未经纵横在线(广州)网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910692391.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code