一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法技术

本发明专利技术公开了一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法。本发明专利技术涉及人工智能的计算机视觉领域，可基于一张清晰的人脸照片，依次采用人脸识别、图像分割、皱纹识别、特征提取和预测分级的方法，自动识别人脸皮肤图像中皱纹并对严重程度自动分级，自动分级的准确度可高达0.85。该方法通过计算机全自动快速实现，具备专业人员对皱纹评估的准确度，可广泛应用于医美、美容和化妆品等行业，也可辅助与皮肤皱纹相关的研究。

A Method for Automatic Recognition and Grading of Wrinkle Severity of Face Skin

【技术实现步骤摘要】
一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法
本专利技术采用的方法涉及人脸识别、图像分割、皱纹识别、特征提取与皱纹自动分级，涉及人工智能的计算机视觉领域和生物统计学领域。
技术介绍
人类可以通过肉眼自动去寻找人脸或是人脸图像中的皱纹区域，并对观察到的皱纹进行主观的严重程度评价。但受主观情感的影响和专业知识的限制，普通人对皱纹严重程度的评价往往不够准确；专业医师的评价往往较为合理，但受时间、地点等环境因素的限制，邀请专业医师进行评判并不现实可行。因此，亟需一种方便而准确的皱纹严重程度自动化评估方法，可以让普通群众快速便捷的得到合理的评估结果，同时也可辅助皮肤相关的研究或研发。
技术实现思路
针对以上难题，我们专利技术了一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法，该方法对人脸图像的进行人脸识别、图像分割、皱纹识别和特征提取，再结合机器学习(machinelearning)的方法对皱纹进行分级预测。本专利技术方法可以基于一张眼部或额头皱纹区域清晰无遮挡的人脸照片，自动对图像中人脸皮肤皱纹严重程度进行分级。自动分级结果的准确度经训练外数据的验证，可达0.85左右。本专利技术采用的技术方案包括以下几个步骤：1.输入清晰的人脸图像，分割人脸图像中的皱纹区域；2.使用步骤1.1中分割的人脸皱纹区域图像进行皱纹识别，并计算皱纹纹理相关物理值(以下称纹理值)；3.在分割的人脸皱纹区域图像中，提取皱纹相关特征和其他非皱纹相关特征；4.利用人脸皱纹区域图像的特征进行皱纹严重程度自动分级。所述的步骤1具体包括：1.1.使用dlib工具包(Python调用)进行人脸识别并检测68个面部特征点；1.2.将面部特征点按面部轮廓、左侧眉毛、右侧眉毛、鼻子、左侧眼睛、右侧眼睛和嘴巴进行分类；1.3.计算左侧眉毛特征点的平均水平间距与右侧眉毛特征点的平均水平间距的差值，根据图像的尺寸设置该差值的阈值，比较差值与阈值判断人脸侧向；1.4.根据人脸侧向选择需要分割的人脸皱纹区域：侧向朝前时可选择分割额头区域、眼袋区域；侧向朝右时可选择分割额头区域、左侧眼角区域、左侧眼袋区域；侧向朝左时可选择分割额头区域、右侧眼角区域、右侧眼袋区域；1.5.结合五官特征点的位置、图像尺寸和人脸侧向，分割皱纹区域：侧向朝前时，额头区域的大小随图像尺寸变化，中心位置根据眉毛特征点计算；眼袋区域大小随图像尺寸变化，中心位置根据眼睛特征点计算；侧向朝右时，额头区域的大小随图像尺寸变化，比朝前时稍小，中心位置根据眉毛特征点计算；左侧眼角区域的大小随图像尺寸变化，中心位置根据眼睛特征点和眉毛特征点计算；侧向朝左时，额头区域的大小随图像尺寸变化，比朝前时稍小，中心位置根据眉毛特征点计算；左侧眼角区域的大小随图像尺寸变化，中心位置根据眼睛特征点和眉毛特征点计算。所述的步骤2具体包括：2.1.首先将整张待分析皱纹图像归一化处理，利用毛发区域的局部均值相对较小的特点设置阈值剔除毛发的影响，再利用皮肤皱纹区域局部方差比平滑区域较大的特点，设置局部方差的阈值进行筛选，从而得到整幅图像皱纹区域的掩码，最后对皱纹区域归一化处理得到归一化的皱纹图像，后续处理都基于该归一化皱纹图像；2.2.利用高斯滤波器构建x和y两个方向的梯度算子，使用梯度算子计算归一化图像在x和y方向上的微分，利用微分结果计算图像中每个像素点处的二倍角正余弦，再利用反正切函数计算每个像素处的纹理方向值，扩展到整幅图像上，则得到皱纹纹理方向图像，它反映了在每个像素点处的纹理方向；2.3.对图像中每个相同大小的区块，利用区块的方向值旋转区块，使得区块纹理呈现竖直状态，使用求和的方式，将所有竖直方向上的信息投影到同一水平方向上，从而使整个区块上的纹理信息投影为一个类正弦波形，计算该类正弦波形的频率作为该区块的皱纹频率参考值，设置类正弦波形的最大波长阈值和最小波长阈值对频率参考值进行筛选作为最终的区块皱纹频率，扩展到整幅图像上每个区块的皱纹频率和整幅图像的皱纹频率平均值；2.4.使用对局部皱纹纹理的频率和方向都有分析作用的Gaborfilter对图像纹理进行分析。首先根据整幅图像的皱纹平均频率计算Gaborfilter的尺寸，以该尺寸矩形的中心为原点，计算得到相位角为0°的Gaborfilter，当对当前像素进行滤波时，根据该像素点的纹理方向计算相位角，将Gaborfilter旋转相位角后，再对当前像素点对应的滤波区域进行滤波，以得到当前像素点的纹理相关物理值，扩展到整幅图像上即可得到皮肤皱纹纹理值图像；2.5.对皮肤皱纹纹理值图像设置适当的阈值(纹理值＜-2.5)进行分割得到初始的皱纹区域，计算初始皱纹区域的8连通区域面积，筛选面积最大的前15％的皱纹作为皱纹的识别结果。所述的步骤3具体包括：3.1.根据皮肤皱纹纹理值图像和识别的皱纹，提取皱纹深度、长度、面积和密度等皱纹相关特征：1)根据皱纹识别的结果，统计每条皱纹或每个局部区域的相关特征作为皱纹特征分布；2)根据获取的皱纹特征分布，计算单个分布的不同特征值；3)根据获取的皱纹特征分布，计算皱纹特征分布之间的结合特征值；3.2.根据原始皮肤皱纹图像，直接获取非皱纹相关特征：1)计算原始皮肤皱纹图像的局部二值图像(LocalBinaryPattern)的Uniform模式，统计LBP的概率密度直方图；2)采用mahotas工具包(Python调用)计算原始皮肤皱纹图像的Haralicktexturefeatures，它包含了灰度共生矩阵(GLCM)的13个相关特征值。每张图像收集至少200个不同的皱纹特征。所述的步骤4具体包括：将提取的图像特征输入至多分类随机森林模型中，使用包外数据(Outofbaggingdata)评估此预测模型的准确度。重复此过程30次，得到平均预测准确度为0.854，中位预测准确度为0.875。本专利技术的有益效果：本专利技术通过运用人脸识别、图像特征提取、机器学习的方法，提出了一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法，自动分级结果的准确度为0.85左右；本专利技术可对任意一张皱纹区域清晰无遮挡的图像进行分析，获取人脸皱纹的严重程度评判结果，可广泛应用于医美、皮肤衰老研究等领域，也可方便快捷地为普通人群提供合理的皮肤皱纹分级分析。附图说明图1是本专利技术的人脸侧向朝前示例图。图2是本专利技术的人脸侧向朝前时，皱纹区域分割示例图。图3是本专利技术的人脸侧向朝左示例图。图4是本专利技术的人脸侧向朝左时，皱纹区域分割示例图。图5是本专利技术的人脸侧向朝右示例图。图6是本专利技术的人脸侧向朝右时，皱纹区域分割示例图。图7是一张人脸眼袋区域皮肤皱纹图。图8是本专利技术的方法针对该眼袋区域皮肤皱纹图获取的局部纹理方向示例图。图9是本专利技术的方法针对该眼袋区域皮肤皱纹图获取的人脸皱纹纹理示例图。图10是本专利技术的方法针对该眼袋区域皮肤皱纹图获取的人脸皱纹识别结果示例图。图11是本专利技术的人工分级轻度皱纹示例图。图12是本专利技术的人工分级中度皱纹示例图。图13是本专利技术的人工分级重度皱纹示例图。图14是本专利技术的设计流程图。具体实施方式人脸皮肤图像的捕获与接受条件：本专利技术中，实验使用的人脸皮肤图像是使用VISIA皮肤检测仪拍照获取，但本专利技术提出的方法也同样适用于通过其他的数字摄像机或者光学仪器采本文档来自技高网...

【技术保护点】
1.一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法，其特征在于：1.1.输入清晰的人脸图像，分割人脸图像中的皱纹区域；1.2.使用步骤1.1中分割的人脸皱纹区域图像进行皱纹识别，并计算皱纹纹理相关物理值(以下称纹理值)；1.3.在分割的人脸皱纹区域图像中，提取皱纹相关特征和非皱纹相关特征；1.4.利用人脸皱纹区域图像的特征进行皱纹严重程度自动分级。

【技术特征摘要】
1.一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法，其特征在于：1.1.输入清晰的人脸图像，分割人脸图像中的皱纹区域；1.2.使用步骤1.1中分割的人脸皱纹区域图像进行皱纹识别，并计算皱纹纹理相关物理值(以下称纹理值)；1.3.在分割的人脸皱纹区域图像中，提取皱纹相关特征和非皱纹相关特征；1.4.利用人脸皱纹区域图像的特征进行皱纹严重程度自动分级。2.根据权利要求1所述的一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法，其特征在于：步骤1.1具体包括：1)对输入的人脸图像进行人脸识别，并检测五官特征点；2)根据五官特征点的位置和图像的尺寸，判断人脸图像中人脸的侧向；3)根据人脸的侧向选择分割人脸皱纹区域；4)结合五官特征点的位置、图像的尺寸和人脸的侧向，计算分割人脸皱纹区域的大小与位置。3.根据权利要求1所述的一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法，其特征在于：步骤1.2具体包括：1)使用图像的均值和标准差归一化图像，设置局部均值阈值剔除毛发区域，设置局部标准差阈值得到大致的皱纹区域，最后针对皱纹区域单独计算均值和标准差进行归一化，得到归一化皱纹图像；2)构造梯度算子，计算归一化皱纹图像的皱纹纹理在水平和竖直两个方向上的微分，再根据微分计算得到皱纹纹理方向角的二倍角正余弦，最后利用反正切函数得到皱纹区域的皱纹纹理方向；3)利用局部皱纹纹...

【专利技术属性】
技术研发人员：李嘉路，华芮，李骁，张游龙，王润苗，
申请(专利权)人：深圳市华嘉生物智能科技有限公司，
类型：发明
国别省市：广东,44