[发明专利]一种基于深度学习人脸分区的皮肤问题分类方法

说明书

本发明公开了一种基于深度学习人脸分区的皮肤问题分类方法，所述方法包括：采集多张人脸图像，按照额头区A_H、左眶区A_EL、右眶区A_ER、鼻梁区A_N、左脸颊区A_CL、右脸颊区A_CR、下巴区A_J等7个分区标注人脸，形成人脸分区标注数据集；在人脸分区标注数据集上训练深度学习实例分割模型，使分区分类交叉熵L_CrossEntropy、分区外框定位准确函数L_Detect、分区像素分类准确率L_Mask三个偏差函数具有最小值；使用训练完成的实例分割模型分割人脸区域，并确认各分区中存在皮肤问题；根据区域先验知识分类皮肤问题，给出对应的方案。该方法实现了用于人脸分区的皮肤问题分类，适用性好，在保证实时性的前提下，提供了智能皮肤问题分区分类及方案。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于深度学习人脸分区的皮肤问题分类的图像处理方法。

背景技术

随着美容美肤行业的不断发展，人们对健康美的追求逐渐提升，人脸皮肤各区域的皮肤问题对应着不同的健康问题，所以如何针对不同人脸分区来提供皮肤问题分类成为一些关键的技术。目前国内的人脸皮肤分区分类技术并不成熟，主要依靠医师的主观评判，分区没有统一标准，不能很好地准确定位人脸分区位置。鉴于上述困扰，十分有必要设计一种人脸分区的皮肤问题分类方法。

现有的专利并未涉及关于具体人脸分区及皮肤分区分类的方法，如CN101162500A提出了分区式人脸识别方法，但涉及领域为人脸识别，且并未详细描述分区标准；如CN107239671A提出了一种皮肤状态的管理方法、装置和系统，涉及的皮肤管理标准分区则为皮肤检测数值对的取值区间而非人脸分区。

1)、“分区式人脸识别方法”，专利号CN101162500A。该发明公开了一种分区式人脸识别方法，首先预建包含一个或多个人脸各区域特征数据的人脸特征数据库，然后对待识别的人脸进行分区，并提取经分区后的人脸各区域的特征数据，再设定需进行比对的区域，接着根据所设定的需要进行比对的区域将相应的区域特征数据与所述人脸特征数据库内的对应数据进行比对并计算出待识别的人脸与所述人脸特征数据库的人脸的相似度，以识别人脸。该方法提及了一种人脸分区方法，但主要用于人脸识别，且并未详细描述分区标准。

2)、“一种皮肤状态的管理方法、装置和系统”，专利号CN107239671A。该发明提供一种皮肤状态的管理方法、装置和系统，该方法包括：获取用户的皮肤管理项的检测值，然后从预先配置的数据库中，获取皮肤管理项的检测值所属的皮肤管理项的标准分区对应的皮肤改善方案，其中在数据库中皮肤管理项的取值区间划分为多个标准分区，最后输出皮肤改善方案。该方法通过检测皮肤表面含水量、脂肪含量、蛋白质含量及抗氧化数值提供皮肤管理选项，所述标准分区为所述皮肤检测数值的取值区间而非人脸分区。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于深度学习人脸分区的皮肤问题分类方法，以提供了智能皮肤问题分区分类及方案，提高人脸皮肤问题分类的效率和适用性。

本发明的目的通过以下的技术方案来实现：

一种基于深度学习人脸分区的皮肤问题分类方法，包括：

人脸分区及标注、训练深度学习实例分割模型、分割人脸区域、根据区域先验知识分类皮肤问题；具体方法如下：

A采集多张人脸图像，按照额头区A_H、左眶区A_EL、右眶区A_ER、鼻梁区A_N、左脸颊区A_CL、右脸颊区A_CR与下巴区A_J7个分区标注人脸，形成人脸分区标注数据集；