基于深度学习与生成对抗网路的人脸肤质分析方法及系统技术方案

本发明专利技术提供的基于深度学习与生成对抗网路的人脸肤质分析方法及系统，包括：图像获取步骤：获取待分析人脸图像；划分区块步骤：对所述待分析人脸图像进行分析，根据各个器官对所述待分析人脸图像划分皮肤区块；分析步骤：将不同的皮肤分析器导入不同的皮肤区块中，皮肤分析器用于分析对应的皮肤区块中的皮肤状态；结果输出步骤：输出所有皮肤分析器的分析结果。该方法在人脸肤质资料取得不易、分布不拘的情况下，透过生成对抗网路产生辅助资料，利用深度学习的模型取代传统图像处理算法于肤质分析的应用，能够针对人脸皮肤细节进行分析，结合生成对抗网路针对不同特性的皮肤，利用有限的资料做训练资料的生成，获得更好的训练效果。

Facial skin analysis method and system based on deep learning and generating antagonism network

The invention provides a deep learning and generation of human skin against the network analysis method and system, which is based on image acquisition steps: obtaining the face image to be analyzed; division of the block steps: to face image analysis to analyze the various organs, according to the analysis to the face image into the skin block; analysis steps: skin analyzer import different blocks in the skin, skin analyzer is used to analyze the corresponding skin block skin condition; output steps: analysis result output all skin analyzer. This method made in human skin is not easy, not the data distribution case, generating auxiliary data through generation against network, using deep learning model to replace the traditional application of image processing algorithm in the analysis of the skin, can analyze the face skin details, with a counter network according to different characteristics of the skin, do generate training data the use of limited information, get better training effect.

【技术实现步骤摘要】
基于深度学习与生成对抗网路的人脸肤质分析方法及系统
本专利技术属于图像处理
，具体涉及基于深度学习与生成对抗网路的人脸肤质分析方法及系统。
技术介绍
过去数十年，已有许多深度学习的相关研究，但由于所需的训练资料庞大，因此许多研究无法实现。在最近几年，由于大数据与互联网的发展，研究者可以获得大量的训练资料，因此深度学习技术开始迅速发展。随着直播丶短视频的风行，人脸效果丶编修的商业应用被投入大量的目光与研究资料。然而，目前的人脸分析研究少有针对皮肤细节进行分析，由于人脸皮肤数据为较隐私丶牵涉医疗行为的部分，资料取得不易，过去的方法多用不需大量数据的传统图像处理技术，其效果有限，因此，如何利用深度学习在有限的数据下进行人脸皮肤之分析成为一个重要的研究课题。
技术实现思路
针对现有技术中的缺陷，本专利技术提供基于深度学习与生成对抗网路的人脸肤质分析方法及系统，能够针对人脸皮肤细节进行分析，结合生成对抗网路针对不同特性的皮肤，利用有限的资料做训练资料的生成，获得更好的训练效果。一种基于深度学习与生成对抗网路的人脸肤质分析方法，包括：图像获取步骤：获取待分析人脸图像；划分区块步骤：对所述待分析人脸图像进行分析，根据各个器官对所述待分析人脸图像划分皮肤区块；分析步骤：将不同的皮肤分析器导入不同的皮肤区块中，皮肤分析器用于分析对应的皮肤区块中的皮肤状态；结果输出步骤：输出所有皮肤分析器的分析结果。优选地，所述划分区块步骤中，通过人脸关键点侦测和皮肤区块切割算法，对所述待分析人脸图像划分皮肤区块。优选地，所述划分区块步骤中，划分的皮肤区块包括额头、脸颊、鼻子、眼睛和嘴巴。优选地，所述分析步骤中，所述皮肤分析器的训练方法包括：获得待训练资料，建立人脸资料库；生成对抗网路，对所述人脸资料库中待训练资料进行学习，学习待训练资料中人脸的纹理讯息，产生训练数据；过滤训练数据，获分布平均的训练数据，形成所述皮肤分析器。优选地，所述结果输出步骤中，通过显示屏显示所述皮肤分析器的分析结果。一种基于深度学习与生成对抗网路的人脸肤质分析系统，适用于上述基于深度学习与生成对抗网路的人脸肤质分析方法，包括：图像获取模块：用于获取待分析人脸图像；划分区块模块：用于对待所述分析人脸图像进行分析，根据各个器官对所述待分析人脸图像划分皮肤区块；分析模块：用于将不同的皮肤分析器导入不同的皮肤区块中，皮肤分析器用于分析对应的皮肤区块中的皮肤状态；结果输出模块：用于输出所有皮肤分析器的分析结果。优选地，所述图像获取模块包括摄像头，所述待分析人脸图像通过摄像头拍摄获得。优选地，所述基于深度学习与生成对抗网路的人脸肤质分析系统设置于镜子或移动终端中；所述结果输出模块包括设置在镜子或移动终端上的显示屏，所述皮肤分析器的分析结果通过显示屏显示。优选地，还包括：语音交互模块和网络通讯模块；所述语音交互模块用于通过所述网络通讯模块连接网络，语音交互模块用于播放所述皮肤分析器的分析结果，还用于实现与用户的实时在线交互。优选地，所述语音交互模块与用户的实时在线交互包括：提供化妆或护肤建议、查询当日用户行程表、查询当日气象或与用户聊天对话。由上述技术方案可知，本专利技术提供的基于深度学习与生成对抗网路的人脸肤质分析方法及系统，在人脸肤质资料取得不易、分布不拘的情况下，透过生成对抗网路产生辅助资料，利用深度学习的模型取代传统图像处理算法于肤质分析的应用，能够针对人脸皮肤细节进行分析，结合生成对抗网路针对不同特性的皮肤，利用有限的资料做训练资料的生成，获得更好的训练效果。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为人脸肤质分析方法中图像获取步骤和划分区块步骤的流程图。图2为人脸肤质分析方法中皮肤分析器的分类图。图3为人脸肤质分析方法中分析步骤的流程图。图4为人脸肤质分析系统中语音交互模块的结构框图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。实施例：随着手机APP与互联网的发展，产生众多的图像编修直播应用。目前的应用多为使用图像滤镜或贴图美化画面，极少针对人脸皮肤进行分析与优化之应用。因此，本专利技术要基于电脑视觉算法，针对人脸皮肤细节(如痘痘、皱纹、黑痣、毛孔粗大、皮肤油光、皮肤干燥、黑眼圈等)进行分析。美妆智能助理也是目前人工智能产业火红的项目，但美妆智能助理在生活中的应用常常不是刚需。对于女性而言，多数女性每天都会花数十分钟在镜子前或透过行动装置摄像头整理仪容，此为生活之刚需，因此透过肤质侦测，整合美妆智能助理，是一个非常好的商业应用。为此本专利技术通过整合美妆智能助理，设计一美妆智能助理。由于深度学习需要大量训练资料，但皮肤细节资料取得不易，因此本专利技术亦结合生成对抗网路针对不同特性的皮肤，利用有限的资料做训练资料的生成，帮助本专利技术获得更好的训练效果。本专利技术中提出一个利用深度学习进行皮肤肤质分析的架构，同时解决皮肤肤质训练资料取得不易的问题，且设计一智能助理产品。本架构分为三个阶段，第一阶段利用人脸侦测、人脸关键点、皮肤侦测进行皮肤区域定位，藉此区分脸部不同的区块以进行后续分析。第二阶段进行皮肤的细部分析，输出此区域皮肤的分析结果。第三阶段为与使用者互动之美妆智能助理。一种基于深度学习与生成对抗网路的人脸肤质分析方法，如图1-4所示，包括：图像获取步骤：获取待分析人脸图像；划分区块步骤：对所述待分析人脸图像进行分析，根据各个器官对所述待分析人脸图像划分皮肤区块；分析步骤：将不同的皮肤分析器导入不同的皮肤区块中，皮肤分析器用于分析对应的皮肤区块中的皮肤状态；结果输出步骤：输出所有皮肤分析器的分析结果。所述结果输出步骤中，通过显示屏显示所述皮肤分析器的分析结果。该方法在人脸肤质资料取得不易、分布不拘的情况下，透过生成对抗网路产生辅助资料，利用深度学习的模型取代传统图像处理算法于肤质分析的应用，能够针对人脸皮肤细节进行分析，结合生成对抗网路针对不同特性的皮肤，利用有限的资料做训练资料的生成，获得更好的训练效果。第一阶段，所述划分区块步骤中，通过成熟的人脸关键点侦测和皮肤区块切割算法，对所述待分析人脸图像划分皮肤区块。划分的皮肤区块包括额头、左右脸颊、鼻子、左右眼周围、嘴巴周遭。由于各区块皮肤之分析重点不同，因此将不同的皮肤分析器导入不同的皮肤区块中，皮肤分析器用于分析对应的皮肤区块中的皮肤状态。例如，左右脸颊之区块导入皱纹、痘痘、黑斑、皮肤油光、皮肤干燥、毛孔粗大等分类器，眼睛周围皮肤区块，导入黑眼圈、眼袋分类器。第二阶段，为各项皮肤分析分类器之训练，此部分为本专利技术之核心，利用卷积神经网络训练各皮肤相关分类器，例如，皱纹、痘痘、黑斑、皮肤油光、皮肤干燥、毛孔粗大、黑眼圈、眼袋等。由于皮肤细部资料碍于个人隐私，不易取得，通过互联网获取到的人脸图像多为美化过的图像，一般本文档来自技高网...

【技术保护点】
一种基于深度学习与生成对抗网路的人脸肤质分析方法，其特征在于，包括：图像获取步骤：获取待分析人脸图像；划分区块步骤：对所述待分析人脸图像进行分析，根据各个器官对所述待分析人脸图像划分皮肤区块；分析步骤：将不同的皮肤分析器导入不同的皮肤区块中，皮肤分析器用于分析对应的皮肤区块中的皮肤状态；结果输出步骤：输出所有皮肤分析器的分析结果。

【技术特征摘要】
1.一种基于深度学习与生成对抗网路的人脸肤质分析方法，其特征在于，包括：图像获取步骤：获取待分析人脸图像；划分区块步骤：对所述待分析人脸图像进行分析，根据各个器官对所述待分析人脸图像划分皮肤区块；分析步骤：将不同的皮肤分析器导入不同的皮肤区块中，皮肤分析器用于分析对应的皮肤区块中的皮肤状态；结果输出步骤：输出所有皮肤分析器的分析结果。2.根据权利要求1所述基于深度学习与生成对抗网路的人脸肤质分析方法，其特征在于，所述划分区块步骤中，通过人脸关键点侦测和皮肤区块切割算法，对所述待分析人脸图像划分皮肤区块。3.根据权利要求2所述基于深度学习与生成对抗网路的人脸肤质分析方法，其特征在于，所述划分区块步骤中，划分的皮肤区块包括额头、脸颊、鼻子、眼睛和嘴巴。4.根据权利要求1所述基于深度学习与生成对抗网路的人脸肤质分析方法，其特征在于，所述分析步骤中，所述皮肤分析器的训练方法包括：获得待训练资料，建立人脸资料库；生成对抗网路，对所述人脸资料库中待训练资料进行学习，学习待训练资料中人脸的纹理讯息，产生训练数据；过滤训练数据，获分布平均的训练数据，形成所述皮肤分析器。5.根据权利要求1所述基于深度学习与生成对抗网路的人脸肤质分析方法，其特征在于，所述结果输出步骤中，通过显示屏显示所述皮肤分析器的分析结果。6.一种基于深度学习与生成对抗网路的人脸肤质分析系统，其特征在于，适...

【专利技术属性】
技术研发人员：简仁贤，张惠棠，杨闵淳，
申请(专利权)人：竹间智能科技上海有限公司，
类型：发明
国别省市：上海,31