一种基于人工神经网络的人脸肤质检测方法技术

本发明专利技术涉及图像处理技术领域，公开了一种基于人工神经网络的人脸肤质检测方法。其将人工神经网络技术与图像处理技术结合起来，应用已完成人脸肤质检测训练的人工神经网络预测模型来对待检测人脸图像进行肤质预测，不但可以确保肤质检测的准确率，还可以快速地获取人脸图像的肤质检测结果，同时无需拍摄多张人脸图像，可大幅度地降低准备工作的繁重度和专业度，提升肤质检测的便利性和提升用户体验。此外，该方法可直接推广应用在诸如智能手机等移动终端中，利用移动终端的摄像头、微处理器及与移动终端无线通讯的云计算平台，实现随时随地的检测，为用户选购美容护肤产品提供专业指导，进而无需额外配置专业的硬件设备，实现零成本检测。

【技术实现步骤摘要】

本专利技术涉及图像处理
，具体地，涉及一种基于人工神经网络的人脸肤质检测方法。
技术介绍
肤质检测是出于保护好人体皮肤(例如脸部皮肤)及正确选用适合的护肤品的目的，针对皮肤肤质进行的科学权威测试。现有肤质检测的方法有很多，既有专门鉴别皮肤性质的仪器，也有最简单的观察辨别法，一般而言，常见的问题性皮肤很容易观察判断，但其他类型的皮肤则需要借助仪器鉴别。皮肤肤质检测仪是一种主流检测皮肤肤质的仪器，其主要应用在美容和医疗等领域，大概经历了四代的发展：第一代采用普通的放大镜，采用肉眼观察的原始方式判别；第二代由光学仪器结合电子技术，它由光学部件组成镜头，由电子元件完成信号采集/转换、甚至临时储存的功能，然后通过显示仪器显示出来，此时也出现了很多便携式测试仪系列，不需要连接电视或电脑，功能单一，使用方便；第三代皮肤测试仪进入了智能时代，涵盖了小型数字化的测试仪，便携式智能测试仪及智能化测试分析系统；第四代则使皮肤测试进入智能移动时代，使外出的人可以通过智能手机等设备，即时方便地掌握皮肤的状态。通过上述专业的肤质检测仪，虽然可以较为准确、权威地获取肤质状态并进行科学评估，但也存在如下缺点：(1)在肤质检测过程中，大多单一依靠图像处理技术来获取肤质检测结果，如此为了确保较高的检测准确率，需要在多光源照射下拍摄多张人脸图片，使得准备工作较为繁重和专业，进而导致检测过程不方便、用户体验不佳的问题；(2)需要额外配置专业的硬件设备，而这些设备大多需要专业人士才能操作，并需要用户到特定检测场所完成，应用群体和应用场景都受到一定限制，同时这些硬件设备的成本较高，不便于实际推广和应用，例如大型的全脸测试仪价格昂贵，体积较大，不适应携带，即使是便携式产品也需要用户投入资金购买。
技术实现思路
针对前述现有技术的问题，本专利技术提供了一种基于人工神经网络的人脸肤质检测方法，其将人工神经网络技术与图像处理技术结合起来，应用已完成人脸肤质检测训练的人工神经网络预测模型来对待检测人脸图像进行肤质预测，不但可以确保肤质检测的准确率，还可以快速地获取人脸图像的肤质检测结果，同时无需拍摄多张人脸图像，可大幅度地降低准备工作的繁重度和专业度，提升肤质检测的便利性和提升用户体验。此外，该方法可直接推广应用在诸如智能手机等移动终端中，利用移动终端的摄像头、微处理器及与移动终端无线通讯的云计算平台，实现随时随地的检测，为用户选购美容护肤产品提供专业指导，进而无需额外配置专业的硬件设备，实现零成本检测。本专利技术采用的技术方案,提供了一种基于人工神经网络的人脸肤质检测方法，包括如下步骤：S101.获取待检测人脸图像，然后对所述待检测人脸图像进行预处理，得到N份不同人脸肤质检测项目的第一特征数据，N为自然数；S102.将所有的第一特征数据导入到一个已完成人脸肤质检测训练的人工神经网络预测模型中进行预测运算，得到与各份第一特征数据对应的第一人脸肤质预测信息和第一预测准确率；S103.输出人脸肤质检测结果，所述人脸肤质检测结果包含所有的第一特征数据及与各份第一特征数据对应的第一人脸肤质预测信息和第一预测准确率。优化的，在所述步骤S102之前还包括如下步骤：S201.获取M张人脸图像，然后对每张人脸图像进行预处理，得到对应的N份不同人脸肤质检测项目的第二特征数据，其中，所述预处理方式与步骤S101中的预处理方式一致，使得所述第二特征数据的人脸肤质检测项目与所述第一特征数据的人脸肤质检测项目一一对应,M为自然数；S202.针对每份第二特征数据，导入对应的且由人工标定的人脸肤质信息；S203.将与每张人脸图像对应的N份第二特征数据和N份人脸肤质信息作为一次训练样本，导入到所述人工神经网络预测模型中进行人脸肤质检测训练，其中，将第二特征数据作为样本输入数据，将人脸肤质信息作为样本校验数据；S204.在网络训练过程中，根据训练所得的第二人脸肤质预测信息与样本校验数据的匹配结果，不断优化所述人工神经网络预测模型，直到完成训练或者直到训练所得的第二人脸肤质预测信息与样本校验数据的匹配率达到预设值。优化的，在所述对所述待检测人脸图像进行预处理，得到N份不同人脸肤质检测项目的第一特征数据的步骤中，包括如下步骤：S301.提取待检测人脸图像的人脸几何轮廓；S302.根据所述人脸几何轮廓将所述待检测人脸图像划分为若干个图像区块；S303.针对各个图像区块，获取对应的N份不同人脸肤质检测项目的第三特征数据，所述第三特征数据的人脸肤质检测项目与所述第一特征数据的人脸肤质检测项目一一对应；S304.针对每种人脸肤质检测项目，整合对应的所有第三特征数据，得到该人脸肤质检测项目下的第一特征数据。进一步优化的，在所述步骤S301中包括如下步骤：采用基于点分布模型的ASM算法提取人脸几何轮廓。进一步优化的，所述人脸肤质检测项目包括皱纹检测、毛孔检测、黑斑检测、痤疮检测和亮度检测中的任意一种或它们的任意组合。详细优化的，当所述人脸肤质检测项目包括皱纹检测时，则在所述步骤S303中，采用Hessian滤波器从图像区块中提取皱纹特征图像，然后将皱纹特征图像作为皱纹检测的第三特征数据。详细优化的，当所述人脸肤质检测项目包括毛孔检测时，则在所述步骤S303中，先对图像区块进行二值化处理，然后将离散点作为毛孔特征，获取毛孔分布图像，并计算毛孔的数量和各个毛孔的大小，最后将所述毛孔分布图像、毛孔数目和各个毛孔的大小作为毛孔检测的第三特征数据。详细优化的，当所述人脸肤质检测项目包括黑斑检测时，则在所述步骤S303中，先采用亮度阈值分割方法将图像区块分割成黑斑区域和背景区域，然后提取出只包含黑斑区域的黑斑特征图像，最后将所述黑斑特征图像作为黑斑检测的第三特征数据。详细优化的，当所述人脸肤质检测项目包括痤疮检测时，则在所述步骤S303中，采用边缘检测算法从图像区块中提取痤疮轮廓特征图像，然后将所述痤疮轮廓特征图像作为痤疮检测的第三特征数据。详细优化的，当所述人脸肤质检测项目包括亮度检测时，则在所述步骤S303中，先根据直方图统计获取图像区块中亮度最大区域和亮度最小区域，然后分别计算亮度最大区域中的第一亮度中值MBMax和亮度最小区域的第二亮度中值MBMin，并计算亮度比值MBMax/MBMin，最后将所述亮度比值作为亮度检测的第三特征数据。综上，采用本专利技术所提供的一种基于人工神经网络的人脸肤质检测方法，具有如下有益效果：(1)应用已完成人脸肤质检测训练的人工神经网络预测模型来对待检测人脸图像进行肤质预测，不但可以确保肤质检测的准确率，还可以快速地获取人脸图像的肤质检测结果；(2)在预测模型优化后，可以快速应用预测模型对即时获取的人脸图像进行肤质预测，无需拍摄多张人脸图像，可大幅度地降低准备工作的繁重度和专业度，提升肤质检测的便利性和提升用户体验；(3)该方法可直接推广应用在诸如智能手机等移动终端中，利用移动终端的摄像头、微处理器及与移动终端无线通讯的云计算平台，实现随时随地的检测，为用户选购美容护肤产品提供专业指导，进而无需额外配置专业的硬件设备，实现零成本检测。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中本文档来自技高网...

【技术保护点】
一种基于人工神经网络的人脸肤质检测方法，其特征在于，包括如下步骤：S101.获取待检测人脸图像，然后对所述待检测人脸图像进行预处理，得到N份不同人脸肤质检测项目的第一特征数据，N为自然数；S102.将所有的第一特征数据导入到一个已完成人脸肤质检测训练的人工神经网络预测模型中进行预测运算，得到与各份第一特征数据对应的第一人脸肤质预测信息和第一预测准确率；S103.输出人脸肤质检测结果，所述人脸肤质检测结果包含所有的第一特征数据及与各份第一特征数据对应的第一人脸肤质预测信息和第一预测准确率。

【技术特征摘要】
1.一种基于人工神经网络的人脸肤质检测方法，其特征在于，包括如下步骤：S101.获取待检测人脸图像，然后对所述待检测人脸图像进行预处理，得到N份不同人脸肤质检测项目的第一特征数据，N为自然数；S102.将所有的第一特征数据导入到一个已完成人脸肤质检测训练的人工神经网络预测模型中进行预测运算，得到与各份第一特征数据对应的第一人脸肤质预测信息和第一预测准确率；S103.输出人脸肤质检测结果，所述人脸肤质检测结果包含所有的第一特征数据及与各份第一特征数据对应的第一人脸肤质预测信息和第一预测准确率。2.如权利要求1所述的一种基于人工神经网络的人脸肤质检测方法，其特征在于，在所述步骤S102之前还包括如下步骤：S201.获取M张人脸图像，然后对每张人脸图像进行预处理，得到对应的N份不同人脸肤质检测项目的第二特征数据，其中，所述预处理方式与步骤S101中的预处理方式一致，使得所述第二特征数据的人脸肤质检测项目与所述第一特征数据的人脸肤质检测项目一一对应,M为自然数；S202.针对每份第二特征数据，导入对应的且由人工标定的人脸肤质信息；S203.将与每张人脸图像对应的N份第二特征数据和N份人脸肤质信息作为一次训练样本，导入到所述人工神经网络预测模型中进行人脸肤质检测训练，其中，将第二特征数据作为样本输入数据，将人脸肤质信息作为样本校验数据；S204.在网络训练过程中，根据训练所得的第二人脸肤质预测信息与样本校验数据的匹配结果，不断优化所述人工神经网络预测模型，直到完成训练或者直到训练所得的第二人脸肤质预测信息与样本校验数据的匹配率达到预设值。3.如权利要求1所述的一种基于人工神经网络的人脸肤质检测方法，其特征在于，在所述对所述待检测人脸图像进行预处理，得到N份不同人脸肤质检测项目的第一特征数据的步骤中，包括如下步骤：S301.提取待检测人脸图像的人脸几何轮廓；S302.根据所述人脸几何轮廓将所述待检测人脸图像划分为若干个图像区块；S303.针对各个图像区块，获取对应的N份不同人脸肤质检测项目的第三特征数据，所述第三特征数据的人脸肤质检测项目与所述第一特征数据的人脸肤质检测项目一一对应；S304.针对每种人脸肤质检测类型，整合对...

【专利技术属性】
技术研发人员：蒲洋，向飞，王刚，
申请(专利权)人：成都知识视觉科技有限公司，
类型：发明
国别省市：四川;51