[发明专利]人脸色素斑识别方法、装置、计算机设备和存储介质

权利要求书

1.一种人脸色素斑识别方法，所述方法包括：

S10，获取目标人脸样本图像；

S20，基于目标神经网络模型中的卷积层对所述目标人脸样本图像进行卷积处理，得到多个尺寸不同的卷积特征图，每个卷积特征图包括多个卷积特征子图；其中，所述卷积特征图表征所述目标人脸样本图像中色素斑对应的特征信息；

S30，分别确定所述每个卷积特征图对应的目标卷积特征信息，所述目标卷积特征信息包括所述多个卷积特征子图中各个卷积特征子图对应的卷积特征信息；

S40，分别确定所述目标卷积特征信息中的各个卷积特征信息对应的位置坐标，将所述目标人脸样本图像中与所述位置坐标对应的区域确定为所述各个卷积特征信息对应的第一区域；

S50，确定各个卷积特征信息对应的第一区域的置信度和所述第一区域对应的属性类别，并将置信度大于置信度阈值并且属性类别为预设色素斑类别中任意一种的第一区域确定为第二区域，将所述第二区域对应的属性类别确定为色素斑的类别；

S60，根据所述第二区域对应的位置坐标确定色素斑在所述目标人脸样本图像中的位置坐标；

S70，根据预设的损失函数计算所述色素斑的类别以及在所述色素斑在目标人脸样本图像中的位置坐标与预设的期望输出标签之间的总误差；

S80，若所述总误差小于预设阈值，将所述目标神经网络模型作为色素斑识别模型；

S90，若所述总误差不小于所述预设阈值，调整所述目标神经网络模型中的网络参数，得到调整后的目标神经网络模型，将所述目标人脸样本图像对应的下一人脸样本图像作为所述目标人脸样本图像，返回执行S20-S90重新进行迭代训练，直到训练次数达到预设迭代次数为止，且将所述调整后的目标神经网络模型作为所述色素斑识别模型；

S100，通过所述色素斑识别模型识别目标人脸图像，以得到所述目标人脸图像中色素斑的类型以及所述色素斑在所述目标人脸图像中的位置坐标。

2.根据权利要求1所述的方法，其特征在于，所述确定各个卷积特征信息对应的第一区域的置信度和所述第一区域对应的属性类别，包括：

分别确定所述各个卷积特征信息与所述目标神经网络模型中的多种属性类别之间的匹配概率，所述多种属性类别至少包括背景、黄褐斑、雀斑、痣和隐藏斑；

在所述各个卷积特征信息与所述目标神经网络模型中的多种属性类别之间的匹配概率中确定最大匹配概率，并将所述最大匹配概率确定为所述各个卷积特征信息对应的第一区域的置信度；

将所述最大匹配概率对应的属性类别确定为所述第一区域对应的属性类别。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第二区域对应的位置坐标确定色素斑在所述目标人脸样本图像中的位置坐标，包括：

在所述第二区域的数量为多个的情况下，在所述第二区域中确定置信度最大的第二区域，将所述置信度最大的区域确定为第三区域；

计算第四区域与第三区域的区域交叉度，所述第四区域为所述第二区域中排除所述第三区域之后的第二区域，所述区域交叉度用于指示所述第四区域与所述第三区域在所述目标人脸样本图像中的重合程度；

在所述第四区域中查找第五区域，所述第五区域与所述第三区域的区域交叉度大于区域交叉度阈值；

在查找到所述第五区域的情况下，将所述第三区域确定为目标区域，并在所述第二区域中排除所述第三区域和所述第五区域之后，如果所述第二区域的数量仍为多个，则执行所述在所述第二区域中确定置信度最大的第二区域，将所述置信度最大的区域确定为第三区域的步骤；

在未查找到第五区域的情况下，将所述第三区域确定为目标区域，并在所述第二区域中排除所述第三区域之后，如果所述第二区域的数量仍为多个，则执行所述在所述第二区域中确定置信度最大的第二区域，将所述置信度最大的区域确定为第三区域的步骤；

在所述第二区域的数量为一个的情况下，将所述第二区域确定为目标区域；

将所述目标区域对应的位置坐标确定为所述色素斑在所述目标人脸样本图像中的位置坐标。