[发明专利]一种基于神经网络的皮肤残妆检测方法及系统

说明书

本发明属于深度学习技术领域，提供了一种基于神经网络的皮肤残妆检测方法，包括步骤：根据清晰度阈值截取输入的视频流中某一帧的视频图像；将截取的视频图像进行预处理；将预处理后的视频图像输入经过训练的基于EfficientNet‑lite网络的神经网络模型中对图像中的皮肤进行残妆检测。本发明还提供了一种基于神经网络的皮肤残妆检测系统，本发明的优点在于采用改进的EfficientNet‑lite网络模型，在精度损失能接受的情况下，模型的推理速度有很大提升，使得用户接收到信息的时延降低，用户能够有更好的使用体验。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于神经网络的皮肤残妆检测方法及系统。

背景技术

随着社会科技的发生、生活水平的提高，人们越来越注重脸部的健康，为此，市场上出现了洁面仪，人们可通过洁面仪对皮肤进行清洗。洁面仪主要包括超声波洁面仪和机械式洁面仪两种，两者的原理均是让洁面仪刷头上的细毛震动，从而达到清洗、按摩脸部的效果。

但人们在日常通过洁面仪或者手动卸妆过程中，不一定能够将脸部的妆完全擦去，会导致部分残妆遗留在脸上，长时间的存在会使得面部皮肤吸收化妆品中的致癌化学物质，从而出现面部的肌肤问题。

现有的洁面仪大多只是具有简单的卸妆的功能，而不存在对残留妆容的识别并提醒用户进行清洗。

发明内容

本发明的目的在于提供一种基于神经网络的皮肤残妆检测方法，用以解决面部残留妆容检测的问题。

为了实现上述目的，本发明采用的技术方案为：

一种基于神经网络的皮肤残妆检测方法，包括步骤：

根据清晰度阈值截取输入的视频流中某一帧的视频图像；

将截取的视频图像进行预处理；

将预处理后的视频图像输入经过训练的基于EfficientNet-lite网络的神经网络模型中对图像中的皮肤进行残妆检测。

进一步的，对视频图像进行预处理的步骤包括：

对截取的视频图像进行亮度平衡；

对亮度平衡后的图像进行自适应色彩平衡；

对色彩平衡后的图像再次进行亮度平衡，得到预处理后的视频图像。

进一步的，自适应色彩平衡的过程为通过差分方式计算目标点与周围像素点的明暗关系，校正目标点的像素值。

进一步的，所述神经网络模型包括：

多个由第一卷积块和第二卷积块连接组成的特征提取子网络，其用于提取视频图像中的残妆特征；

分类器，用于识别所述残妆特征，并输出该特征为预设特征类别中每个特征的概率值。

进一步的，所述第一卷积块包括依次连接的第一二维卷积层、二维深度卷积层以及第二二维卷积层，所述第二卷积块包括依次连接的第一二维卷积层和第二卷积层。

进一步的，特征提取子网络与分类器之间还设置有与所述特征提取子网络连接的池化层和全卷积层。

进一步的，对所述神经网络模型进行训练的步骤包括：

通过预设方式获取人脸面部的残妆图像，并建立相应的数据集；

将所述数据集中的图像进行预处理；

将预处理后的数据集输入所述神经网络模型中进行训练，得到训练后的神经网络模型。

本发明的目的还在于提供一种基于神经网络的皮肤残妆检测系统，包括：