[发明专利]基于机器学习的面部色斑未来变化的图像处理系统

说明书

一种基于机器学习的面部色斑未来变化的图像处理系统，包括：图像采集模块、图像标记模块、图像预处理模块、训练模块、预测模块和显示模块，图像采集模块采集用户不同时期拍摄的面部图像，图像标记模块标记不同面部图像的色斑区域，图像预处理模块对色斑区域进行预处理并生成训练集，训练模块基于训练集对基于残差网络的预测模块进行训练，训练后的预测模块生成未来各个时刻的色斑区域的大小和颜色深浅，显示模块基于预测得到的色斑区域绘制人像图案。本发明能够自动生成在特定的条件下(例如：使用特定的产品或特定的环境下)未来时刻自己的色斑变化情况。

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种基于机器学习的面部色斑未来变化的图像处理系统。

背景技术

现有的关于面部色斑的未来变化(例如在使用某种祛色斑效果的产品之后各个时期的色斑情况)预测没有直接的技术实现，现有的技术就是面部色斑的检测(主要是色斑的区域的识别)有两种形式，一种是借助硬件条件去实现面部色斑检测，还有一种就是不借助硬件仅仅从图像处理技术去实现。前者借助硬件实现光学测量，测量范围太小，操作较复杂，并且需要高昂的摄像机，导致成本高。后者从图像处理技术去实现，其中的深度学习方式可以处理更复杂色斑分割任务，例如完全卷积残差网络，端对端对抗神经网络SegAN，U-Net多尺度残差连接深度学习架构，它们共同的特点就是仅仅实现色斑的检测，并且对数据集有一定要求，必须要有清晰度高并且拍摄角度固定的图像才能实现检测。

发明内容

本发明针对现有技术针对于面部的色斑的检测的不足，提出一种基于机器学习的面部色斑未来变化的图像处理系统，能够自动生成在特定的条件下(例如：使用特定的产品或特定的环境下)未来时刻自己的色斑变化情况。

本发明是通过以下技术方案实现的：

本发明涉及一种基于机器学习的面部色斑未来变化的图像处理系统，包括：图像采集模块、图像标记模块、图像预处理模块、训练模块、预测模块和显示模块，其中：图像采集模块采集用户不同时期拍摄的面部图像，图像标记模块标记不同面部图像的色斑区域，图像预处理模块对色斑区域进行预处理并生成训练集，训练模块基于训练集对基于残差网络的预测模块进行训练，训练后的预测模块生成未来各个时刻的色斑区域的大小和颜色深浅，显示模块基于预测得到的色斑区域绘制人像图案。

所述的预处理是指：将原图像进行人像区域识别、人像轮廓识别、人像皮肤目标提取，将不同时期图像进行角度统一、大小统一、色调统一。

所述的残差网络是指：ResNet利用残差学习来解决退化问题，包括卷积层，池化层，全连接层。

所述的绘制，通过opencv在原始图像上绘制回归模型预测的色斑的大小和颜色深浅。

本发明涉及上述系统的面部色斑未来变化图像生成方法，通过将样本图像进行预处理后，采用残差网络作为骨干网络进行色斑的检测和分割，再通过色斑区域计算色斑的大小和颜色深浅，然后将时间和色斑的大小和颜色深浅作为数据集，通过线性回归模型进行预测，得到色斑的大小和颜色深浅，最后经过绘制后得到未来时刻脸部色斑的图像从而实现色斑变化情况的预测。

所述的检测和分割，通过特征金字塔网络构建自下而上特征提取结构，获得输入图像特征图，提取多个尺度要素；然后使用区域候选网络方法选取候选区域，通过ROIAlign方法将特征图、输入图像像素对齐，然后网络分类分支、像素分割分支训练完成面部图像色斑区域分割。

技术效果

与现有技术相比，由于本发明对图像预处理有极强的包容性，所以对于原始采集的图像数据要求不高，具有极强的易用性，使用者在使用本发明时采集图像数据简便(例如：普通的手机就可以实现)，其次，本发明的系统不仅仅对于色斑区域可以进行检测和评估还可以使用本系统去预测未来任何时刻自己色斑的变化情况从而可以评估某种产品的使用效果以及需要使用的时间或者是所处环境对于自己色斑变化的影响。最后，本发明其中的分割检测功能相比以往的分割检测算法准确度高，抗干扰能力强。